人脸检测方法及装置制造方法及图纸

本公开是关于一种人脸检测方法及装置。该方法包括：获取图像中的人脸候选区域；确定所述人脸候选区域对应的特征向量；根据所述人脸候选区域对应的特征向量，得到所述人脸候选区域具有人脸的概率；根据所述人脸候选区域具有人脸的概率进行人脸检测。本公开的人脸检测方法及装置，能够基于人脸候选区域对应的特征向量进行人脸检测，提高人脸检测的准确率。

Face detection methods and devices

The present disclosure is about a method and device for face detection. The method includes: obtaining the candidate face region in the image; determining the feature vector corresponding to the candidate face region; according to the feature vector corresponding to the candidate face region, the face candidate regions with face to face detection probability; according to the probability of the candidate face region has a face. The face detection method and device in the public can detect face based on the feature vector corresponding to the candidate region of the face to improve the accuracy of face detection.

【技术实现步骤摘要】
人脸检测方法及装置
本公开涉及图像处理
，尤其涉及人脸检测方法及装置。
技术介绍
相关技术中，通过人脸检测可以确定人脸在图像中的位置。人脸检测是对人脸进行分析和处理的第一步，由此人脸检测成为图像处理领域的热点问题，配备人脸检测功能的智能终端将极大地改善用户的交互体验和使用体验。但是，人脸检测的准确率受到光照、脸型或遮挡等各种因素的影响，提高人脸检测的准确率具有重要意义。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种人脸检测方法及装置。根据本公开实施例的第一方面，提供一种人脸检测方法，包括：获取图像中的人脸候选区域；确定所述人脸候选区域对应的特征向量；根据所述人脸候选区域对应的特征向量，得到所述人脸候选区域具有人脸的概率；根据所述人脸候选区域具有人脸的概率进行人脸检测。在一种可能的实现方式中，确定所述人脸候选区域对应的特征向量，包括：对所述图像进行卷积运算，得到所述图像对应的特征图；将所述人脸候选区域映射到所述特征图，得到所述人脸候选区域对应的特征区域；对所述人脸候选区域对应的特征区域进行池化运算，得到所述人脸候选区域对应的特征向量。在一种可能的实现方式中，根据所述人脸候选区域对应的特征向量，得到所述人脸候选区域具有人脸的概率，包括：将所述人脸候选区域对应的特征向量输入多层神经网络MLP，得到所述人脸候选区域具有人脸的概率。在一种可能的实现方式中，根据所述人脸候选区域具有人脸的概率进行人脸检测，包括：对所述图像中的各个人脸候选区域进行非极大抑制处理，并保留具有人脸的概率大于或等于阈值的各个人脸候选区域，得到所述图像对应的人脸检测结果。在一种可能的实现方式中，所述方法还包括：将所述人脸候选区域对应的特征向量输入多层神经网络MLP，得到所述人脸候选区域对应的调整向量；根据所述人脸候选区域对应的调整向量，调整所述人脸候选区域。根据本公开实施例的第二方面，提供一种人脸检测装置，包括：获取模块，用于获取图像中的人脸候选区域；确定模块，用于确定所述人脸候选区域对应的特征向量；第一处理模块，用于根据所述人脸候选区域对应的特征向量，得到所述人脸候选区域具有人脸的概率；检测模块，用于根据所述人脸候选区域具有人脸的概率进行人脸检测。在一种可能的实现方式中，所述确定模块包括：第一运算模块，用于对所述图像进行卷积运算，得到所述图像对应的特征图；映射模块，用于将所述人脸候选区域映射到所述特征图，得到所述人脸候选区域对应的特征区域；第二运算模块，用于对所述人脸候选区域对应的特征区域进行池化运算，得到所述人脸候选区域对应的特征向量。在一种可能的实现方式中，所述第一处理模块还用于：将所述人脸候选区域对应的特征向量输入多层神经网络MLP，得到所述人脸候选区域具有人脸的概率。在一种可能的实现方式中，所述检测模块还用于：对所述图像中的各个人脸候选区域进行非极大抑制处理，并保留具有人脸的概率大于或等于阈值的各个人脸候选区域，得到所述图像对应的人脸检测结果。在一种可能的实现方式中，所述装置还包括：第二处理模块，用于将所述人脸候选区域对应的特征向量输入多层神经网络MLP，得到所述人脸候选区域对应的调整向量；调整模块，用于根据所述人脸候选区域对应的调整向量，调整所述人脸候选区域。根据本公开实施例的第三方面，提供一种人脸检测装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行时实现上述的方法。根据本公开实施例的第四方面，提供一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述的方法。本公开的实施例提供的技术方案可以包括以下有益效果：本公开的人脸检测方法及装置，通过获取图像中的人脸候选区域，确定该人脸候选区域对应的特征向量，根据该人脸候选区域对应的特征向量，得到该人脸候选区域具有人脸的概率，根据该人脸候选区域具有人脸的概率进行人脸检测，由此能够基于人脸候选区域对应的特征向量进行人脸检测，提高人脸检测的准确率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是根据一示例性实施例示出的一种人脸检测方法的流程图。图2是根据一示例性实施例示出的一种人脸检测装置的框图。图3是根据一示例性实施例示出的一种人脸检测装置的一示意性的框图。图4是根据一示例性实施例示出的一种用于人脸检测装置的装置800的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种人脸检测方法的流程图。该人脸检测方法可以应用于例如智能手机、平板电脑、PC(PersonalComputer，计算机)或可穿戴设备等智能终端，本公开对此不作限制。如图1所示，该人脸检测方法可以包括步骤S11至步骤S14。在步骤S11中，获取图像中的人脸候选区域。其中，人脸候选区域可以指检测图像中的人脸而得到的一个或多个区域。在每次检测到图像中的一个人脸时，可以采用矩形框选中人脸，并将该矩形框选中的区域作为一个人脸候选区域。作为一个示例，对图像进行显著性检测，获取图像中的人脸候选区域R＝{r1,r2,...,rn}。其中，r1表示第1个人脸候选区域，r2表示第2个人脸候选区域，以此类推，rn表示第n个人脸候选区域，n表示人脸候选区域的数量。其中，第i个人脸候选区域ri＝(xi,yi,wi,hi)，i为取值1～n的整数，xi表示第i个人脸候选区域的横坐标，yi表示第i个人脸候选区域的纵坐标，wi表示第i个人脸候选区域的宽度，hi表示第i个人脸候选区域的高度。需要说明的是，本领域技术人员能够理解，相关技术中常用的显著性检测方法可以包括选择性搜索(SelectiveSearch)或RPN(RegionProposalNetwork，区域建议网络)等，本公开对此不作限制。在步骤S12中，确定该人脸候选区域对应的特征向量。在一种实现方式中，确定该人脸候选区域对应的特征向量(步骤S12)可以包括：对该图像进行卷积运算，得到该图像对应的特征图；将该人脸候选区域映射到该特征图，得到该人脸候选区域对应的特征区域；对该人脸候选区域对应的特征区域进行池化运算，得到该人脸候选区域对应的特征向量。在一种实现方式中，可以通过多层卷积神经网络(Convolution，CNN)对图像进行卷积运算，得到该图像对应的特征图Fc。其中，卷积神经网络的层数、每一层卷积核的大小和数量可以根据实际的需要来进行调整，以实现算法速度和算法精度的权衡。例如，如果想要提高算法速度，可以减少卷积神经网络的层数和每一层卷积核的数量，相应地算法会损失精度。如果想要提高算法精度，可以增加卷积神经网络的层数和每一层卷积核的数量，相应地算法会损失速度。在一种实现方式中，在进行卷积神经网络运算的过程中，还将会对得到的特征图Fc进行下采样操作。下本文档来自技高网...

【技术保护点】
一种人脸检测方法，其特征在于，包括：获取图像中的人脸候选区域；确定所述人脸候选区域对应的特征向量；根据所述人脸候选区域对应的特征向量，得到所述人脸候选区域具有人脸的概率；根据所述人脸候选区域具有人脸的概率进行人脸检测。

【技术特征摘要】
1.一种人脸检测方法，其特征在于，包括：获取图像中的人脸候选区域；确定所述人脸候选区域对应的特征向量；根据所述人脸候选区域对应的特征向量，得到所述人脸候选区域具有人脸的概率；根据所述人脸候选区域具有人脸的概率进行人脸检测。2.根据权利要求1所述的方法，其特征在于，确定所述人脸候选区域对应的特征向量，包括：对所述图像进行卷积运算，得到所述图像对应的特征图；将所述人脸候选区域映射到所述特征图，得到所述人脸候选区域对应的特征区域；对所述人脸候选区域对应的特征区域进行池化运算，得到所述人脸候选区域对应的特征向量。3.根据权利要求1所述的方法，其特征在于，根据所述人脸候选区域对应的特征向量，得到所述人脸候选区域具有人脸的概率，包括：将所述人脸候选区域对应的特征向量输入多层神经网络MLP，得到所述人脸候选区域具有人脸的概率。4.根据权利要求1所述的方法，其特征在于，根据所述人脸候选区域具有人脸的概率进行人脸检测，包括：对所述图像中的各个人脸候选区域进行非极大抑制处理，并保留具有人脸的概率大于或等于阈值的各个人脸候选区域，得到所述图像对应的人脸检测结果。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述人脸候选区域对应的特征向量输入多层神经网络MLP，得到所述人脸候选区域对应的调整向量；根据所述人脸候选区域对应的调整向量，调整所述人脸候选区域。6.一种人脸检测装置，其特征在于，包括：获取模块，用于获取图像中的人脸候选区域；确定模块，用于确定所述人脸候选区域对应的特征向量；第一处理模块，用于根据所述人脸候选...

【专利技术属性】
技术研发人员：杨松，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京,11