人脸检测方法、装置、电子设备和人脸检测模型制造方法及图纸

本发明专利技术提供了一种人脸检测方法、装置、电子设备和人脸检测模型，属于图像检测技术领域。本发明专利技术提供的人脸检测方法、装置、电子设备和人脸检测模型，通过特征提取网络提取待检测图像的特征图，将特征图输入多任务分支网络。多任务分支网络包括并行的第一分类分支网络和第二分类分支网络，第一分类分支网络用于确定特征图中是否包含人脸，第二分类分支网络用于确定特征图中的人脸是否为活体人脸。结合第一分类分支网络输出的第一分类结果和第二分类分支网络输出的第二分类结果，确定待检测图像的人脸检测结果。因此，通过并行的第一分类分支网络和第二分类分支网络，可以同时进行人脸检测和活体检测，提高检测过程的整体效率。

Face Detection Method, Device, Electronic Equipment and Face Detection Model

The invention provides a face detection method, device, electronic equipment and face detection model, which belongs to the field of image detection technology. The face detection method, device, electronic equipment and face detection model provided by the invention extract the feature map of the image to be detected through the feature extraction network, and input the feature map into the multi-task branch network. Multitask branching network includes parallel first and second classification branching networks. The first classification branching network is used to determine whether face is included in the feature map, and the second classification branching network is used to determine whether the face in the feature map is a living face. Combining the first classification result from the first classification branch network and the second classification result from the second classification branch network, the face detection result of the image to be detected is determined. Therefore, through parallel first and second classification branch networks, face detection and living detection can be carried out simultaneously, and the overall efficiency of the detection process can be improved.

【技术实现步骤摘要】
人脸检测方法、装置、电子设备和人脸检测模型
本专利技术属于图像检测
，尤其是涉及一种人脸检测方法、装置、电子设备和人脸检测模型。
技术介绍
随着电子设备的日益智能化，人脸检测(FaceDetection)技术不仅广泛应用于安全访问和设备解锁等场景中，而且也应用于安防领域中的人脸闸机、城市安防系统等场景。在人脸检测技术的实际应用过程中，往往存在一些“假”人脸，比如海报、雕塑、卡通人脸等，这些“假”人脸不是所需要的人脸。因此人们希望在检测过程中过滤掉“假”人脸，例如，在刷脸支付过程中就需要避免“假”人脸的攻击。现有技术中解决“假”人脸干扰或攻击的问题，一般采用活体检测技术，活体检测步骤通常在人脸检测步骤之后执行，基于人脸检测步骤输出的检测结果进行活体检测。但是，如果人脸检测步骤输出大量的“假”人脸，会增加活体检测步骤的负担，进而影响整个检测过程的效率。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种人脸检测方法、装置、电子设备和人脸检测模型，可以同时进行人脸检测和活体检测，提高检测过程的整体效率。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供本文档来自技高网...

【技术保护点】
1.一种人脸检测方法，其特征在于，包括：通过特征提取网络提取待检测图像的特征图；将所述特征图输入多任务分支网络，至少得到第一分类结果和第二分类结果；所述多任务分支网络至少包括并行的第一分类分支网络和第二分类分支网络；所述第一分类分支网络用于确定所述特征图中是否包含人脸，输出第一分类结果；所述第二分类分支网络用于确定所述特征图中的人脸是否为活体人脸，输出第二分类结果；结合所述第一分类结果和所述第二分类结果，确定所述待检测图像的人脸检测结果。

【技术特征摘要】
1.一种人脸检测方法，其特征在于，包括：通过特征提取网络提取待检测图像的特征图；将所述特征图输入多任务分支网络，至少得到第一分类结果和第二分类结果；所述多任务分支网络至少包括并行的第一分类分支网络和第二分类分支网络；所述第一分类分支网络用于确定所述特征图中是否包含人脸，输出第一分类结果；所述第二分类分支网络用于确定所述特征图中的人脸是否为活体人脸，输出第二分类结果；结合所述第一分类结果和所述第二分类结果，确定所述待检测图像的人脸检测结果。2.根据权利要求1所述的方法，其特征在于，所述多任务分支网络还包括与所述第一分类分支网络和所述第二分类分支网络并行的回归分支网络；所述回归分支网络用于确定所述特征图中人脸的位置，输出包围所述人脸的人脸框的坐标；将所述特征图输入多任务分支网络，至少得到第一分类结果和第二分类结果的步骤，包括：将所述特征图输入多任务分支网络，得到第一分类分支网络输出的第一分类结果、第二分类分支网络输出的第二分类结果和回归分支网络输出的人脸框的坐标；结合所述第一分类结果和所述第二分类结果，确定所述待检测图像的人脸检测结果的步骤，包括：结合所述第一分类结果、第二分类结果和人脸框的坐标，确定所述待检测图像的人脸检测结果。3.根据权利要求1所述的方法，其特征在于，所述特征提取网络包括残差网络和特征融合网络，所述残差网络和所述特征融合网络均采用金字塔网络结构；通过特征提取网络提取待检测图像的特征图的步骤，包括：将所述待检测图像输入所述残差网络，得到所述残差网络输出的多个尺度的特征响应图；将所述多个尺度的特征响应图输入所述特征融合网络，得到所述特征融合网络输出的多个尺度的特征图；所述特征融合网络包括多个网络层，每个所述网络层对应输入一种尺度的特征响应图，输出对应尺度的特征图。4.根据权利要求1～3中任一项所述的方法，其特征在于，所述通过特征提取网络提取待检测图像的特征图的步骤之前，所述方法还包括：获取训练图像样本集；所述训练图像样本集包括多张训练图像；采用所述训练样本集对所述特征提取网络和所述多任务分支网络进行训练。5.根据权利要求4所述的方法，其特征在于，所述训练图像携带有预先设置的第一分类标签、第二分类标签和回归标签；所述多任务分支网络包括第一分类分支网络、第二分类分支网络和回归分支网络；采用所述训练样本集对所述特征提取网络和所述多任务分支网络进行训练的步骤，包括：从所述训练图像样本集中随机选取训练图像，通过所述特征提取网络提取所述训练图像的特征图；将所述训练图像的特征图输入所述多任务分支网络；通过所述第一分类分支网络对所述训练图像的特征图进行分类处理；基于所述第一分类分支网络输出的第一分类处理结果和所述第一分类标签确定第一分类损失值；通过所述第二分类分支网络对所述训练图像的特征图进行分类处理；基于所述第二分类分支网络输出的第二分类处理结果和所述第二分类标签确定第二分类损失值；通过所述回归分支网络对所述训练图像的特征图进行回归处理；基于所述回归分支网络输出的回归处理结果和所述回归标签确定回归损失值；基于所述第一分类损失值、第二分类损失值和回归损失值对所述特征提取网络和所...

【专利技术属性】
技术研发人员：李帮怀，俞刚，袁野，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京,11