人脸提取方法、装置及存储介质制造方法及图纸

本申请涉及一种人脸提取方法、装置及存储介质，属于图像处理技术领域，该方法包括：将目标图像切分为第一尺寸的子图像；将第一尺寸的子图像输入人脸提取模型中的第一级子网络，得到第一提取结果；在第i提取结果符合人脸识别标准时，从目标图像中确定第i提取结果指示的第i+1尺寸的子图像，并将第i+1尺寸的子图像输入人脸提取模型中的第i+1级子网络，得到第i+1提取结果；根据第n级子网络输出的第n提取结果确定目标人脸区域，目标人脸区域是目标图像中用于进行人脸识别的区域；可以解决提取出的人脸无法进行人脸识别，浪费设备资源的问题；由于可以剔除目标图像中不符合人脸识别标准的人脸区域，因此可以节省设备资源。

【技术实现步骤摘要】
人脸提取方法、装置及存储介质
本申请涉及人脸提取方法、装置及存储介质，属于图像处理

技术介绍
人脸识别是一种基于人的脸部特征信息进行身份识别的技术。在现有的人脸识别技术中，进行人脸识别之前需要对图像中的人脸进行检测，从而提取图像中的人脸；之后，对提取出的人脸进行人脸识别。然而，图像中的人脸往往存在角度过偏，此时，虽然提取出了图像中的人脸，但是在对该人脸进行识别时可能也无法得到识别结果，这样，会浪费设备资源的问题。
技术实现思路
本申请提供了一种人脸提取方法、装置及存储介质，可以解决未对图像中的人脸进行筛选，导致部分人脸无法进行人脸识别，浪费设备资源的问题。本申请提供如下技术方案：第一方面，提供了一种人脸提取方法，所述方法包括：将目标图像切分为第一尺寸的子图像；将所述第一尺寸的子图像输入人脸提取模型中的第一级子网络，得到第一提取结果；在第i提取结果符合人脸识别标准时，从所述目标图像中确定所述第i提取结果指示的第i+1尺寸的子图像，并将所述第i+1尺寸的子图像输入所述人脸提取模型中的第i+1级子网络，得到第i+1提取结果；其中，所述人脸提取模型包括n级子网络，所述i依次取1至n-1的整数；根据第n级子网络输出的第n提取结果确定目标人脸区域，所述目标人脸区域是所述目标图像中用于进行人脸识别的区域。可选地，所述n级子网络中的每级子网络的提取结果包括人脸预测结果、人脸角度评分结果和人脸位置结果，所述方法还包括：在得到第i提取结果后，检测所述人脸预测结果指示的人脸预测值是否大于人脸阈值；在所述人脸预测值大于所述人脸阈值时，检测所述人脸角度评分结果指示的角度评分预测值是否大于角度评分阈值；在所述角度评分预测值大于所述角度评分阈值时，将所述人脸位置结果指示的人脸区域确定为所述目标图像中符合人脸识别标准的区域。可选地，所述将所述人脸位置结果指示的人脸区域确定为所述目标图像中符合人脸识别标准的区域之后，还包括：将所述人脸位置结果指示的人脸区域进行非极大值抑制NMS去重处理，得到第i提取结果指示的最终提取区域，所述最终提取区域为用于供下一级子网络进行处理的所述第i+1尺寸的子图像中的区域；或者，所述最终提取区域为所述目标人脸区域。可选地，所述将所述第一尺寸的子图像输入人脸提取模型中的第一级子网络之前，还包括：获取训练集，所述训练集包括至少一组样本数据，每组样本数据包括样本图像和所述样本图像的标注信息；对于每组样本数据，将所述样本数据中的样本图像按照不同尺寸进行划分，得到n种尺寸的子图像；将所述n种尺寸的子图像中的第j尺寸的子图像输入预设的神经网络模型中的第j级子网络，得到所述第j级子网络的训练结果；所述神经网络模型包括n级子网络，每种尺寸的子图像对应一级子网络，所述j依次取1至n的整数；将每级子网络的训练结果与所述样本数据中的标注信息进行比较，得到预测损失；根据所述n级子网络的预测损失对所述神经网络模型进行迭代训练，得到所述人脸提取模型。可选地，所述标注信息包括所述样本图像是否是人脸图像的实际标记、人脸区域的实际坐标、人脸关键点的实际坐标、人脸角度实际信息和角度实际评分信息；相应地，所述训练结果包括是否是人脸图像的训练结果、人脸区域的训练坐标、人脸关键点的训练坐标、人脸角度训练结果、角度训练评分结果。可选地，所述对于每组样本数据，将所述样本数据中的样本图像按照不同尺寸进行划分，包括：对所述样本图像进行不同比例的缩放，得到不同比例的缩放图像；对于每种比例的缩放图像按照不同尺寸进行划分，得到每种比例的缩放图像对应的不同尺寸的子图像。可选地，所述将目标图像切分为第一尺寸的子图像之前，还包括：对待进行人脸提取的图像进行不同比例的缩放，得到不同比例的目标图像。第二方面，提供了一种人脸提取装置，所述装置包括：图像划分模块，用于将目标图像切分为第一尺寸的子图像；第一提取模块，用于将所述第一尺寸的子图像输入人脸提取模型中的第一级子网络，得到第一提取结果；第i+1提取模块，用于在第i提取结果符合人脸识别标准时，从所述目标图像中确定所述第i提取结果指示的第i+1尺寸的子图像，并将所述第i+1尺寸的子图像输入所述人脸提取模型中的第i+1级子网络，得到第i+1提取结果；其中，所述人脸提取模型包括n级子网络，所述i依次取1至n-1的整数；区域确定模块，用于根据第n级子网络输出的第n提取结果确定目标人脸区域，所述目标人脸区域是所述目标图像中用于进行人脸识别的区域。第三方面，提供一种人脸提取装置，所述装置包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的人脸提取方法。第四方面，提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的人脸提取方法。本申请的有益效果在于：通过将目标图像切分为第一尺寸的子图像；将第一尺寸的子图像输入人脸提取模型中的第一级子网络，得到第一提取结果；在第i提取结果符合人脸识别标准时，从目标图像中确定第i提取结果指示的第i+1尺寸的子图像，并将第i+1尺寸的子图像输入人脸提取模型中的第i+1级子网络，得到第i+1提取结果；根据第n级子网络输出的第n提取结果确定目标人脸区域；可以解决未对图像中的人脸进行筛选，导致部分人脸无法进行人脸识别，浪费设备资源的问题；由于通过人脸提取模型可以检测出目标图像中不符合人脸识别标准的人脸区域，将这部分人脸区域剔除，因此，可以节省设备资源。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，并可依照说明书的内容予以实施，以下以本申请的较佳实施例并配合附图详细说明如后。附图说明图1是本申请一个实施例提供的人脸提取方法的流程图；图2是本申请一个实施例提供的提取符合人脸识别标准的人脸区域的方法的流程图；图3是本申请另一个实施例提供的人脸提取方法的流程图；图4是本申请一个实施例提供的人脸提取装置的框图；图5是本申请一个实施例提供的人脸提取装置的框图。具体实施方式下面结合附图和实施例，对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。首先，对本申请涉及的若干名词进行解释。多任务卷积神经网络(Multi-taskconvolutionalneuralnetwork，MTCNN)：是一种将多任务级联卷积神经网络用于人脸检测和对齐的神经网络模型。MTCNN的工作原理包括：对图像进行不同尺度的变换；然后将不同尺度的图像输入提取网络(ProposalNetwork，PNet)；将PNet的输出结果输入提炼网络(RefineNetwork，RNet)；最后，将RNet的输出结果输入输出网络(OutputNetwork，ONet)，得到人脸检测结果。其中，PNet的基本构造为全连接网络。PNet用于生成候选窗和边框回归向量(boundingboxregressionvectors)，并使用Boundingboxregression的方法来校正候选窗，使用非极大值抑制(Non-MaximumSuppression，NMS)合并重叠的候选框。RNet用于改善候选窗口，将通过P-Net的候选窗输入R-Net中，删除错误的候选窗，继续使用Boundingboxre本文档来自技高网...

【技术保护点】
1.一种人脸提取方法，其特征在于，所述方法包括：将目标图像切分为第一尺寸的子图像；将所述第一尺寸的子图像输入人脸提取模型中的第一级子网络，得到第一提取结果；在第i提取结果符合人脸识别标准时，从所述目标图像中确定所述第i提取结果指示的第i+1尺寸的子图像，并将所述第i+1尺寸的子图像输入所述人脸提取模型中的第i+1级子网络，得到第i+1提取结果；其中，所述人脸提取模型包括n级子网络，所述i依次取1至n‑1的整数；根据第n级子网络输出的第n提取结果确定目标人脸区域，所述目标人脸区域是所述目标图像中用于进行人脸识别的区域。

【技术特征摘要】
1.一种人脸提取方法，其特征在于，所述方法包括：将目标图像切分为第一尺寸的子图像；将所述第一尺寸的子图像输入人脸提取模型中的第一级子网络，得到第一提取结果；在第i提取结果符合人脸识别标准时，从所述目标图像中确定所述第i提取结果指示的第i+1尺寸的子图像，并将所述第i+1尺寸的子图像输入所述人脸提取模型中的第i+1级子网络，得到第i+1提取结果；其中，所述人脸提取模型包括n级子网络，所述i依次取1至n-1的整数；根据第n级子网络输出的第n提取结果确定目标人脸区域，所述目标人脸区域是所述目标图像中用于进行人脸识别的区域。2.根据权利要求1所述的方法，其特征在于，所述n级子网络中的每级子网络的提取结果包括人脸预测结果、人脸角度评分结果和人脸位置结果，所述方法还包括：在得到第i提取结果后，检测所述人脸预测结果指示的人脸预测值是否大于人脸阈值；在所述人脸预测值大于所述人脸阈值时，检测所述人脸角度评分结果指示的角度评分预测值是否大于角度评分阈值；在所述角度评分预测值大于所述角度评分阈值时，将所述人脸位置结果指示的人脸区域确定为所述目标图像中符合人脸识别标准的区域。3.根据权利要求2所述的方法，其特征在于，所述将所述人脸位置结果指示的人脸区域确定为所述目标图像中符合人脸识别标准的区域之后，还包括：将所述人脸位置结果指示的人脸区域进行非极大值抑制NMS去重处理，得到第i提取结果指示的最终提取区域，所述最终提取区域为用于供下一级子网络进行处理的所述第i+1尺寸的子图像中的区域；或者，所述最终提取区域为所述目标人脸区域。4.根据权利要求1至3任一所述的方法，其特征在于，所述将所述第一尺寸的子图像输入人脸提取模型中的第一级子网络之前，还包括：获取训练集，所述训练集包括至少一组样本数据，每组样本数据包括样本图像和所述样本图像的标注信息；对于每组样本数据，将所述样本数据中的样本图像按照不同尺寸进行划分，得到n种尺寸的子图像；将所述n种尺寸的子图像中的第j尺寸的子图像输入预设的神经网络模型中的第j级子网络，得到所述第j级子网络的训练结果；所述神经网络模型包括n级子网络，每种尺寸的子图像对应一级子网络，所述j...

【专利技术属性】
技术研发人员：高毓声，肖潇，晋兆龙，
申请(专利权)人：苏州市科远软件技术开发有限公司，苏州科达科技股份有限公司，
类型：发明
国别省市：江苏,32