一种人脸检测方法和存储介质技术

本发明专利技术提供了一种人脸检测方法和存储介质，所述方法先通过判断当前图像与上一识别图像的相似度，决定是否将上一图像的检测结果作为当前图像的检测结果，若否，则进一步判断是否采用上一识别图像的缩放参数值作为当前图像的缩放参数初始值，而后开始当前图像的人脸识别，并在识别结束后更新缩放参数值。上述方案可以有效减少图像传入人脸检测模型的次数，提升人脸检测效率。

A face detection method and storage medium

The invention provides a face detection method and a storage medium. The method first determines whether to use the detection result of the previous image as the detection result of the current image by judging the similarity between the current image and the previous recognition image. If not, it further determines whether to use the scaling parameter value of the previous recognition image as the initial value of the scaling parameter of the current image, and then starts when Face recognition of the front image, and update the scaling parameter value after recognition. The above scheme can effectively reduce the number of times the image is introduced into the face detection model and improve the efficiency of face detection.

【技术实现步骤摘要】
一种人脸检测方法和存储介质
本专利技术涉及图像识别领域，特别涉及一种人脸检测方法和存储介质。
技术介绍
目前市面上的MTCNN人脸检测的速度都比较慢，主要是因为图像金字塔转换阶段轮询次数太多，且无法自适应找出图片中最小人脸尺寸(Minsize)。在人脸识别过程中，对于图像的识别分析处理在GPU中进行(即模型的运算在GPU中进行)，对于识别结果的后处理在CPU中进行，这样就造成PNet、RNet、ONet三层模型间需要反反复复地将数据从内存拷贝到显存，又从显存拷贝到内存，数据读取效率比较低。同时，在实际应用场景中，很多从图像采集设备(如摄像头)获取到的图片都是静止的状态，前后采集的图片相似度极高，但在进行模型训练时依然需要一张张地将图片输入到模型中，费时费力。
技术实现思路
为此，需要提供一种人脸检测的技术方案，用以解决现有的人脸检测方法无法快速自适应找出图像的最小人脸尺寸，导致人脸检测效率低的问题。为实现上述目的，专利技术人提供了一种人脸检测方法，所述方法包括以下步骤：接收第一图像，计算所述第一图像与第二图像的相似度，所述第二图像为所述第一图像的上一帧图像；若所述相似度大小大于第一预设比例，则将第二图像的人脸检测结果作为第一图像的人脸检测结果并输出；若所述相似度大小不大于第一预设比例，则判断所述相似度大小是否大于第二预设比例，若是则将第二图像对应的缩放参数值作为当前第一图像的缩放参数初始值，否则将预设缩放参数值作为当前第一图像的缩放参数初始值；根据缩放参数初始值对第一图像进行缩放，得到若干缩放处理图像；将各缩放处理图像传输至人脸检测模型，根据各缩放处理图像的人脸检测结果确定第一图像对应的最优缩放参数值，并将当前第一图像的缩放参数初始值更新为所述最优缩放参数值；根据最优缩放参数值输出第一图像对应的人脸检测结果。进一步地，“将各缩放处理图像均传输至人脸检测模型”包括：将各缩放处理图像拼接成预设尺寸图像，并记录各缩放处理图像在所述预设尺寸图像上的位置信息；将预设尺寸图像以及各缩放处理图像在所述预设尺寸图像上的位置信息传输至人脸检测模型。进一步地，“根据各缩放处理图像的人脸检测结果确定第一图像对应的最优缩放参数值”包括：将人脸检测结果分数最高的各缩放处理图像对应的缩放参数值确定为第一图像的最优缩放参数值；所述脸检测结果分数根据缩放处理图像识别出的人脸数量确定且呈正相关关系。进一步地，第一图像的人脸检测结果包括第一图像对应的最优缩放参数值和各人脸在第一图像上的位置信息。进一步地，所述人脸检测模型包括PNet模型、RNet模型和ONet模型，PNet模型的输出数据直接传输至RNet模型，RNet模型的输出数据直接传输至ONet模型。专利技术人还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：接收第一图像，计算所述第一图像与第二图像的相似度，所述第二图像为所述第一图像的上一帧图像；若所述相似度大小大于第一预设比例，则将第二图像的人脸检测结果作为第一图像的人脸检测结果并输出；若所述相似度大小不大于第一预设比例，则判断所述相似度大小是否大于第二预设比例，若是则将第二图像对应的缩放参数值作为当前第一图像的缩放参数初始值，否则将预设缩放参数值作为当前第一图像的缩放参数初始值；根据缩放参数初始值对第一图像进行缩放，得到若干缩放处理图像；将各缩放处理图像传输至人脸检测模型，根据各缩放处理图像的人脸检测结果确定第一图像对应的最优缩放参数值，并将当前第一图像的缩放参数初始值更新为所述最优缩放参数值；根据最优缩放参数值输出第一图像对应的人脸检测结果。进一步地，所述计算机程序被处理器执行时实现步骤“将各缩放处理图像均传输至人脸检测模型”包括：将各缩放处理图像拼接成预设尺寸图像，并记录各缩放处理图像在所述预设尺寸图像上的位置信息；将预设尺寸图像以及各缩放处理图像在所述预设尺寸图像上的位置信息传输至人脸检测模型。进一步地，所述计算机程序被处理器执行时实现步骤“根据各缩放处理图像的人脸检测结果确定第一图像对应的最优缩放参数值”包括：将人脸检测结果分数最高的各缩放处理图像对应的缩放参数值确定为第一图像的最优缩放参数值；所述脸检测结果分数根据缩放处理图像识别出的人脸数量确定且呈正相关关系。进一步地，第一图像的人脸检测结果包括第一图像对应的最优缩放参数值和各人脸在第一图像上的位置信息。进一步地，所述人脸检测模型包括PNet模型、RNet模型和ONet模型，PNet模型的输出数据直接传输至RNet模型，RNet模型的输出数据直接传输至ONet模型。上述技术方案所述的人脸检测方法和存储介质，所述方法先通过判断当前图像与上一识别图像的相似度，决定是否将上一图像的检测结果作为当前图像的检测结果，若否，则进一步判断是否采用上一识别图像的缩放参数值作为当前图像的缩放参数初始值，而后开始当前图像的人脸识别，并在识别结束后更新缩放参数值。上述方案可以有效减少图像传入人脸检测模型的次数，提升人脸检测效率。附图说明图1为本专利技术一实施例涉及的图像金字塔的示意图；图2为本专利技术一实施例涉及的人脸检测方法的流程图；具体实施方式为详细说明技术方案的
技术实现思路
、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。请参阅图2，为本专利技术一实施例涉及的人脸检测方法的示意图。所述方法包括以下步骤：首先进入步骤S201接收第一图像，计算所述第一图像与第二图像的相似度。所述第二图像为所述第一图像的上一帧图像，第一图像和第二图像上至少包含有一个人脸信息。具体的，可以通过计算第一图像和第二图像的欧氏距离，来判断第一图像和第二图像的相似度，欧氏距离越小图像相似度越大。欧式距离算法的核心是：设图像矩阵有n个元素(n个像素点)，用n个元素值(x1，x2，...，xn)组成该图像的特征组(像素点矩阵中所有的像素点)，特征组形成了n维空间(欧式距离就是针对多维空间的)，特征组中的特征码(每一个像素点)构成了每一维的数值，就是x1(第一个像素点)对应一维，x2(第二个像素点)对应二维，...，xn(第n个像素点)对应n维。在n维空间下，两个图像矩阵各形成了一个点，然后利用数学上的欧式距离公式计算这两个点之间的距离，距离最小者就是最匹配的图像。欧式距离计算公式入下：假设点A＝(x1,x2,...,xn)点B＝(y1,y2,...,yn)AB^2＝(x1-y1)^2+(x2-y2)^2+...+(xn-yn)^2AB就是所求的A，B两个多维空间中的点之间的距离。而后进入步骤S202判断所述相似度是否大于第一预设比例，若所述相似度大小大于第一预设比例，则进入步骤S209将第二图像的人脸检测结果作为第一图像的人脸检测结果并输出。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，所述方法包括以下步骤：/n接收第一图像，计算所述第一图像与第二图像的相似度，所述第二图像为所述第一图像的上一帧图像；/n若所述相似度大小大于第一预设比例，则将第二图像的人脸检测结果作为第一图像的人脸检测结果并输出；/n若所述相似度大小不大于第一预设比例，则判断所述相似度大小是否大于第二预设比例，若是则将第二图像对应的缩放参数值作为当前第一图像的缩放参数初始值，否则将预设缩放参数值作为当前第一图像的缩放参数初始值；/n根据缩放参数初始值对第一图像进行缩放，得到若干缩放处理图像；/n将各缩放处理图像传输至人脸检测模型，根据各缩放处理图像的人脸检测结果确定第一图像对应的最优缩放参数值，并将当前第一图像的缩放参数初始值更新为所述最优缩放参数值；/n根据最优缩放参数值输出第一图像对应的人脸检测结果。/n

【技术特征摘要】
1.一种人脸检测方法，其特征在于，所述方法包括以下步骤：
接收第一图像，计算所述第一图像与第二图像的相似度，所述第二图像为所述第一图像的上一帧图像；
若所述相似度大小大于第一预设比例，则将第二图像的人脸检测结果作为第一图像的人脸检测结果并输出；
若所述相似度大小不大于第一预设比例，则判断所述相似度大小是否大于第二预设比例，若是则将第二图像对应的缩放参数值作为当前第一图像的缩放参数初始值，否则将预设缩放参数值作为当前第一图像的缩放参数初始值；
根据缩放参数初始值对第一图像进行缩放，得到若干缩放处理图像；
将各缩放处理图像传输至人脸检测模型，根据各缩放处理图像的人脸检测结果确定第一图像对应的最优缩放参数值，并将当前第一图像的缩放参数初始值更新为所述最优缩放参数值；
根据最优缩放参数值输出第一图像对应的人脸检测结果。


2.如权利要求1所述的人脸检测方法，其特征在于，“将各缩放处理图像均传输至人脸检测模型”包括：
将各缩放处理图像拼接成预设尺寸图像，并记录各缩放处理图像在所述预设尺寸图像上的位置信息；
将预设尺寸图像以及各缩放处理图像在所述预设尺寸图像上的位置信息传输至人脸检测模型。


3.如权利要求1所述的人脸检测方法，其特征在于，“根据各缩放处理图像的人脸检测结果确定第一图像对应的最优缩放参数值”包括：
将人脸检测结果分数最高的各缩放处理图像对应的缩放参数值确定为第一图像的最优缩放参数值；所述脸检测结果分数根据缩放处理图像识别出的人脸数量确定且呈正相关关系。


4.如权利要求1至3任一项所述的人脸检测方法，其特征在于，第一图像的人脸检测结果包括第一图像对应的最优缩放参数值和各人脸在第一图像上的位置信息。


5.如权利要求1所述的人脸检测方法，其特征在于，所述人脸检测模型包括PNet模型、RNet模型和ONet模型，PNet模型的输出数据直接传输至RNet模型，RNet模型的输出数据直接传输至ONet模型。


6.一种存储介质，所述存储介质存储...

【专利技术属性】
技术研发人员：陈时钦，张昊，吴丽，
申请(专利权)人：福州瑞芯微电子股份有限公司，
类型：发明
国别省市：福建;35