用于检测人脸的方法和装置制造方法及图纸

本申请实施例公开了用于检测人脸的方法和装置。该方法的一具体实施方式包括：获取待检测图像；使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。该实施方式丰富了人脸检测的方式，有助于提高人脸检测的准确性。

【技术实现步骤摘要】
用于检测人脸的方法和装置
本申请实施例涉及计算机
，具体涉及人脸检测领域，尤其涉及用于检测人脸的方法和装置。
技术介绍
人脸检测(FaceDetection)是人脸识别系统中的一个关键环节。当前，人脸检测受到越来越多的研究者的关注与重视。人脸检测技术在基于内容的检索、数字视频处理、视频检测等方面有着重要的应用价值。
技术实现思路
本申请实施例提出了用于检测人脸的方法和装置。第一方面，本申请实施例提供了一种用于检测人脸的方法，该方法包括：获取待检测图像；使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。在一些实施例中，针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果，包括：针对图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果，其中，第一卷积神经网络用于从图像区域中提取特征向量，第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。在一些实施例中，第一卷积神经网络是通过如下步骤训练得到的：获取多个图像区域以及多个图像区域中的每个图像区域对应的特征向量；利用机器学习算法，将多个图像区域中的每个图像区域作为输入，将多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。在一些实施例中，第二卷积神经网络是通过如下步骤训练得到的：获取多个特征向量以及多个特征向量中的每个特征向量对应的人脸检测结果；利用机器学习算法，将多个特征向量中的每个特征向量作为输入，将多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。在一些实施例中，上述方法还包括：确定所得到的人脸检测结果的准确率；响应于确定出准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数。在一些实施例中，单次移动距离是基于矩形框的边长以及预设的移动次数确定的。第二方面，本申请实施例提供了一种用于检测人脸的装置，该装置包括：获取单元，配置用于获取待检测图像；第一确定单元，配置用于使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；生成单元，配置用于针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。在一些实施例中，生成单元包括：生成模块，配置用于针对图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果，其中，第一卷积神经网络用于从图像区域中提取特征向量，第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。在一些实施例中，第一卷积神经网络是通过如下步骤训练得到的：获取多个图像区域以及多个图像区域中的每个图像区域对应的特征向量；利用机器学习算法，将多个图像区域中的每个图像区域作为输入，将多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。在一些实施例中，第二卷积神经网络是通过如下步骤训练得到的：获取多个特征向量以及多个特征向量中的每个特征向量对应的人脸检测结果；利用机器学习算法，将多个特征向量中的每个特征向量作为输入，将多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。在一些实施例中，上述装置还包括：第二确定单元，配置用于确定所得到的人脸检测结果的准确率；执行单元，配置用于响应于确定出准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数。在一些实施例中，单次移动距离是基于矩形框的边长以及预设的移动次数确定的。第三方面，本申请实施例提供了一种用于检测人脸的服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述用于检测人脸的方法中任一实施例的方法。第四方面，本申请实施例提供了一种用于检测人脸的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述用于检测人脸的方法中任一实施例的方法。本申请实施例提供的用于检测人脸的方法和装置，通过获取待检测图像，然后使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的，最后针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果，从而通过目标矩形框的边长确定单次移动距离，使得人脸检测更灵活，丰富了人脸检测的方式，有助于提高人脸检测的准确性。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于检测人脸的方法的一个实施例的流程图；图3是根据本申请的用于检测人脸的方法的一个应用场景的示意图；图4是根据本申请的用于检测人脸的方法的又一个实施例的流程图；图5是根据本申请的用于检测人脸的装置的一个实施例的结构示意图；图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于检测人脸的方法或用于检测人脸的装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送待检测图像等。终端设备101、102、103上可以安装有各种具有图像处理功能的客户端应用，例如美颜软件、图像处理软件、网页浏览器应用、购物类应用、搜索类应用、社交平台软件等。终端设备101、102、103可以是具有显示屏并且支持图像处理的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的图像进行处理的后台图像处理服务器。后台图像处理服务器可以对本文档来自技高网...

【技术保护点】
1.一种用于检测人脸的方法，包括：获取待检测图像；使用目标矩形框在所述待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；针对所述图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

【技术特征摘要】
1.一种用于检测人脸的方法，包括：获取待检测图像；使用目标矩形框在所述待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；针对所述图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。2.根据权利要求1所述的方法，其中，所述针对所述图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果，包括：针对所述图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果，其中，所述第一卷积神经网络用于从图像区域中提取特征向量，所述第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。3.根据权利要求2所述的方法，其中，所述第一卷积神经网络是通过如下步骤训练得到的：获取多个图像区域以及所述多个图像区域中的每个图像区域对应的特征向量；利用机器学习算法，将所述多个图像区域中的每个图像区域作为输入，将所述多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。4.根据权利要求2所述的方法，其中，所述第二卷积神经网络是通过如下步骤训练得到的：获取多个特征向量以及所述多个特征向量中的每个特征向量对应的人脸检测结果；利用机器学习算法，将所述多个特征向量中的每个特征向量作为输入，将所述多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。5.根据权利要求2所述的方法，其中，所述方法还包括：确定所得到的人脸检测结果的准确率；响应于确定出所述准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整所述第一卷积神经网络的参数，调整所述第二卷积神经网络的参数。6.根据权利要求1-5之一所述的方法，其中，单次移动距离是基于所述矩形框的边长以及预设的移动次数确定的。7.一种用于检测人脸的装置，包括：获取单元，配置用于获取待检测图像；第一确定单元，配置用于使用目标矩形框在所述待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框...

【专利技术属性】
技术研发人员：汤旭，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11