锚点框确定方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及人脸检测领域，具体是一种锚点框确定方法、装置、计算机设备和存储介质。该方法包括：接收终端发送的标注有真实人脸框的人脸图像集以及锚点框属性范围，根据锚点框属性范围确定当前种群，获取当前种群中的每个当前粒子的当前位置和当前移动速度；根据每个当前粒子对应的锚点框与真实人脸框之间的交并比，计算每个当前粒子的适应度值；根据粒子优化算法以及当前粒子的适应度值对当前种群进行优化，则根据优化后的当前种群中每个优化后的粒子的位置得到锚点框的尺寸；通过锚点框对应的特征图像的像素点确定锚点框的中心点位置，并根据锚点框的中心点位置以及锚点框的尺寸确定锚点框。采用本方法能够提高锚点框确定效率。

Anchor frame determination method, device, computer equipment and storage medium

The application relates to the field of face detection, in particular to an anchor frame determination method, a device, a computer device and a storage medium. The method includes: the face image set marked with the real face frame and the attribute range of the anchor frame sent by the receiving terminal, determining the current population according to the attribute range of the anchor frame, obtaining the current position and the current moving speed of each current particle in the current population, and calculating the current particle's Fitness value; according to the particle optimization algorithm and the fitness value of the current particle, the current population is optimized, and the size of the anchor box is obtained according to the position of each optimized particle in the current population after optimization; the center position of the anchor box is determined by the pixel of the feature image corresponding to the anchor box, and the center position of the anchor box and the size of the anchor box are determined Anchor box. This method can improve the efficiency of anchor frame determination.

【技术实现步骤摘要】
锚点框确定方法、装置、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种锚点框确定方法、装置、计算机设备和存储介质。
技术介绍
随着图像识别技术的发展，出现了人脸检测技术，人脸检测是人脸识别、人脸关键点检测、人脸追踪、人脸表情识别等任务的基础，一直备受研究者和产业界关注。自从深度学习性能获得突破后，人脸检测算法的性能也带来飞跃式发展，目前人脸检测算法主要是基于通用目标检测框架而设计，比如FasterR-CNN和SSD，而这两种框架都用到锚点框。锚点框给预测框提供了一种参考,使得网络的输出的范围大大缩小，同时降低了预测难度。即锚点框是将通用目标检测算法应用到人脸检测过程中可以调整的重要超参数，锚点框的质量将直接决定着人脸检测模型的精度。然而，目前人脸检测中的锚点框大多是直接延续通用目标检测算法中的设计原则，即特征图上每个像素点都会设置4-9个不同大小和形状的锚点框。有部分人脸检测算法根据卷积神经网络的有效感受视野尺寸设计了锚点框的尺寸，并统一设置为正方形框，在特征图上每个像素点仅设置一个锚点框。然而这种手工设计的锚点框在模型训练和测试前很难度量其质量，调整这些超参数将非常耗时。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高锚点框确定效率的锚点框确定方法、装置、计算机设备和存储介质。一种人脸检测中锚点框确定方法，所述方法包括：接收终端发送的标注有真实人脸框的人脸图像集以及锚点框属性范围，根据所述锚点框属性范围确定当前种群，所述当前种群包括多个粒子，并获取所述当前种群中的每个粒子的位置和移动速度；根据每个粒子对应的锚点框与真实人脸框之间的交并比，计算每个所述粒子的适应度值；遍历所述当前种群得到当前粒子，并根据所述当前种群中适应度值最大的粒子的位置、所述当前种群中任意一个随机粒子的位置，对所述当前粒子的移动速度进行更新；根据更新后的移动速度确定所述当前粒子对应的更新粒子，并通过所述更新粒子对所述当前种群中的适应度值最大的粒子和/或适应度值最小的粒子进行替代得到优化后的当前种群；更新所述当前种群对应的迭代次数，并判断所述迭代次数是否达到最大迭代次数，若是，则根据优化后的所述当前种群中每个优化后的粒子的位置得到锚点框的尺寸；通过所述锚点框对应的特征图像的像素点确定锚点框的中心点位置，并根据所述锚点框的中心点位置以及所述锚点框的尺寸确定锚点框。在其中一个实施例中，所述根据每个粒子对应的锚点框与真实人脸框之间的交并比，计算每个所述粒子的适应度值，包括：根据所述人脸图像集得到真实人脸框集合；遍历真实人脸框集合得到当前真实人脸框，并计算所述当前真实人脸框与所述粒子对应的锚点框的交并比；选取交并比最大的一个作为与所述当前真实人脸框对应的交并比；获取所述真实人脸框集合中所有的所述当前真实人脸框对应的交并比的平均值作为所述粒子的适应度值。在其中一个实施例中，所述通过所述更新粒子对所述当前种群中的适应度值最大的粒子和/或适应度值最小的粒子进行替代得到优化后的当前种群，包括：计算所述更新粒子对应的适应度值；当所述更新粒子对应的适应度值大于适应度值最大的粒子的适应度值，则通过所述更新粒子替换所述适应度值最大的粒子；当所述更新粒子对应的适应度值大于适应度值最小的粒子的适应度值，则通过所述更新粒子替换所述适应度值最小的粒子。在其中一个实施例中，所述根据所述当前种群中适应度值最大的粒子的位置、所述当前种群中一个随机粒子的位置对所述当前粒子的移动速度进行更新，包括：根据以下公式对所述当前粒子的移动速度进行更新：其中，表示第i个粒子的更新后的移动速度向量在d维度下的数值，即更新后的当前粒子的移动速度；表示第i个粒子的移动速度向量在d维度下的数值，即当前粒子的移动速度；表示第i个粒子的位置向量在d维度下的数值，即当前粒子的位置；表示从当前种群中随机选择的一个粒子的位置在d维度的数值，即所述当前种群中一个随机粒子的位置；表示所有粒子中最佳位置在d维度的数值，即所述当前种群中适应度值最大的粒子的位置；ω表示惯性因子常数；c1和c2表示加移动速度因子常数；rand1和rand2表示两个不同的在[0,1]范围内服从均匀分布的随机数。在其中一个实施例中，所述根据优化后的所述当前种群中每个优化后的粒子的位置得到锚点框的尺寸，包括：根据优化后的粒子的位置得到锚点框的尺度和高宽比；根据以下公式以及所述尺度和高宽比计算得到锚点框的高和宽：其中，wk表示第k个特征图上的锚点框的宽，hk表示第k个特征图上锚点框的高，Sk表示锚点框在第k个特征图上的尺度，rk表示锚点框在第k个特征图上的高宽比，每一种特征图对应一个尺度的锚点框。在其中一个实施例中，所述通过所述锚点框对应的特征图像的像素点确定锚点框的中心点位置，包括：根据以下公式确定锚点框的中心点位置：其中，(y1，y2)表示锚点框中心点坐标，|fk|表示第k个特征图的尺寸，(a，b)表示第k个特征图像素点的坐标值。一种人脸检测中锚点框确定装置，所述装置包括：种群确定模块，用于接收终端发送的标注有真实人脸框的人脸图像集以及锚点框属性范围，根据所述锚点框属性范围确定当前种群，所述当前种群包括多个粒子，并获取所述当前种群中的每个粒子的位置和移动速度；适应度值计算模块，用于根据每个粒子对应的锚点框与真实人脸框之间的交并比，计算每个所述粒子的适应度值；更新模块，用于遍历所述当前种群得到当前粒子，并根据所述当前种群中适应度值最大的粒子的位置、所述当前种群中任意一个随机粒子的位置，对所述当前粒子的移动速度进行更新；优化模块，用于根据更新后的移动速度确定所述当前粒子对应的更新粒子，并通过所述更新粒子对所述当前种群中的适应度值最大的粒子和/或适应度值最小的粒子进行替代得到优化后的当前种群；高宽确定模块，用于更新所述当前种群对应的迭代次数，并判断所述迭代次数是否达到最大迭代次数，若是，则根据优化后的所述当前种群中每个优化后的粒子的位置得到锚点框的尺寸；锚点框确定模块，用于通过所述锚点框对应的特征图像的像素点确定锚点框的中心点位置，并根据所述锚点框的中心点位置以及所述锚点框的尺寸确定锚点框。在其中一个实施例中，所述适应度值计算模块包括：集合获取单元，用于根据所述人脸图像集得到真实人脸框集合；交并比计算单元，用于遍历真实人脸框集合得到当前真实人脸框，并计算所述当前真实人脸框与所述粒子对应的锚点框的交并比；选取单元，用于选取交并比最大的一个作为与所述当前真实人脸框对应的交并比；适应度值输出单元，用于获取所述真实人脸框集合中所有的所述当前真实人脸框对应的交并比的平均值作为所述粒子的适应度值。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程本文档来自技高网...

【技术保护点】
1.一种人脸检测中锚点框确定方法，所述方法包括：/n接收终端发送的标注有真实人脸框的人脸图像集以及锚点框属性范围，根据所述锚点框属性范围确定当前种群，所述当前种群包括多个粒子，并获取所述当前种群中的每个粒子的位置和移动速度；/n根据每个粒子对应的锚点框与真实人脸框之间的交并比，计算每个所述粒子的适应度值；/n遍历所述当前种群得到当前粒子，并根据所述当前种群中适应度值最大的粒子的位置、所述当前种群中任意一个随机粒子的位置，对所述当前粒子的移动速度进行更新；/n根据更新后的移动速度确定所述当前粒子对应的更新粒子，并通过所述更新粒子对所述当前种群中的适应度值最大的粒子和/或适应度值最小的粒子进行替代得到优化后的当前种群；/n更新所述当前种群对应的迭代次数，并判断所述迭代次数是否达到最大迭代次数，若是，则根据优化后的所述当前种群中每个优化后的粒子的位置得到锚点框的尺寸；/n通过所述锚点框对应的特征图像的像素点确定锚点框的中心点位置，并根据所述锚点框的中心点位置以及所述锚点框的尺寸确定锚点框。/n

【技术特征摘要】
1.一种人脸检测中锚点框确定方法，所述方法包括：
接收终端发送的标注有真实人脸框的人脸图像集以及锚点框属性范围，根据所述锚点框属性范围确定当前种群，所述当前种群包括多个粒子，并获取所述当前种群中的每个粒子的位置和移动速度；
根据每个粒子对应的锚点框与真实人脸框之间的交并比，计算每个所述粒子的适应度值；
遍历所述当前种群得到当前粒子，并根据所述当前种群中适应度值最大的粒子的位置、所述当前种群中任意一个随机粒子的位置，对所述当前粒子的移动速度进行更新；
根据更新后的移动速度确定所述当前粒子对应的更新粒子，并通过所述更新粒子对所述当前种群中的适应度值最大的粒子和/或适应度值最小的粒子进行替代得到优化后的当前种群；
更新所述当前种群对应的迭代次数，并判断所述迭代次数是否达到最大迭代次数，若是，则根据优化后的所述当前种群中每个优化后的粒子的位置得到锚点框的尺寸；
通过所述锚点框对应的特征图像的像素点确定锚点框的中心点位置，并根据所述锚点框的中心点位置以及所述锚点框的尺寸确定锚点框。


2.根据权利要求1所述的方法，其特征在于，所述根据每个粒子对应的锚点框与真实人脸框之间的交并比，计算每个所述粒子的适应度值，包括：
根据所述人脸图像集得到真实人脸框集合；
遍历真实人脸框集合得到当前真实人脸框，并计算所述当前真实人脸框与所述粒子对应的锚点框的交并比；
选取交并比最大的一个作为与所述当前真实人脸框对应的交并比；
获取所述真实人脸框集合中所有的所述当前真实人脸框对应的交并比的平均值作为所述粒子的适应度值。


3.根据权利要求1所述的方法，其特征在于，所述通过所述更新粒子对所述当前种群中的适应度值最大的粒子和/或适应度值最小的粒子进行替代得到优化后的当前种群，包括：
计算所述更新粒子对应的适应度值；
当所述更新粒子对应的适应度值大于适应度值最大的粒子的适应度值，则通过所述更新粒子替换所述适应度值最大的粒子；
当所述更新粒子对应的适应度值大于适应度值最小的粒子的适应度值，则通过所述更新粒子替换所述适应度值最小的粒子。


4.根据权利要求1所述的方法，其特征在于，所述根据所述当前种群中适应度值最大的粒子的位置、所述当前种群中任意一个随机粒子的位置，对所述当前粒子的移动速度进行更新，包括：
根据以下公式对所述当前粒子的移动速度进行更新：



其中，表示第i个粒子的更新后的移动速度向量在d维度下的数值，即更新后的当前粒子的移动速度；表示第i个粒子的移动速度向量在d维度下的数值，即当前粒子的移动速度；表示第i个粒子的位置向量在d维度下的数值，即当前粒子的位置；表示从当前种群中随机选择的一个粒子的位置在d维度的数值，即所述当前种群中一个随机粒子的位置；表示所有粒子中最佳位置在d维度的数值，即所述当前种群中适应度值最大的粒子的位置；ω表示惯性因子常数；c1和c2表示加移动速度因子常数；rand1和rand2表示两个不同的在[0,1]范围内服从均匀分布的随机数。


5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：周康明，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31