人脸特征确定方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种人脸特征确定方法、装置、存储介质及电子设备，应用于GPU，该方法包括：获取具有RGB格式的目标图像；根据目标图像，确定资源使用信息，资源使用信息包括进行目标图像处理的资源复用关系以及进行目标图像处理所需的固定资源；根据资源使用信息，对目标图像进行人脸检测和关键点检测，确定目标图像中的人脸特征信息，人脸特征信息包括：人脸特征向量和人脸特征向量对应的目标位置。整个人脸特征确定过程主要在GPU中完成，因此，能够减小GPU与CPU间的切换和交互，提高运行效率。

Face feature determination methods, devices, storage media and electronic equipment

The present disclosure relates to a face feature determination method, device, storage medium and electronic device, which is applied to GPU. The method includes: obtaining target image with RGB format; determining resource use information according to target image, resource use information including resource reuse relation for target image processing and fixed resources required for target image processing; and using resources Information, face detection and key point detection are carried out on the target image to determine the face feature information in the target image. The face feature information includes: the target position corresponding to the face feature vector and the face feature vector. The whole process of facial feature determination is mainly completed in GPU, so it can reduce the switching and interaction between GPU and CPU, and improve the operation efficiency.

【技术实现步骤摘要】
人脸特征确定方法、装置、存储介质及电子设备
本公开涉及电子
，具体地，涉及一种人脸特征确定方法、装置、存储介质及电子设备。
技术介绍
作为一种重要的生物特征识别技术，人脸识别技术被广泛应用于金融、国家安全、司法、教育等领域。基于深度学习的人脸识别系统部署一般配备有较高的硬件配置，特别是GPU(英文：GraphicsProcessingUnit，中文：图形处理器)，以保证能够满足在实际应用中对实时性的要求。现有技术中，服务器端能够实现完整的人脸检测、关键点检测和人脸特征提取，但通常各个处理子模块是相互独立的，仅将网络模型传播部分放到GPU执行，因此会增加GPU与CPU(英文：CentralProcessingUnit，中文：中央处理器)之间交互，同时需要GPU与CPU之间要进行切换，降低了GPU的利用率。
技术实现思路
本公开的目的是提供一种能够提高GPU利用率，降低GPU资源的占用的人脸特征确定方法、装置、存储介质及电子设备。根据本公开实施例的第一方面，提供一种人脸特征确定方法，应用于GPU，所述方法包括：...

【技术保护点】
1.一种人脸特征确定方法，其特征在于，应用于GPU，所述方法包括：/n获取具有RGB格式的目标图像；/n根据所述目标图像，确定资源使用信息，所述资源使用信息包括进行所述目标图像处理的资源复用关系以及进行所述目标图像处理所需的固定资源；/n根据所述资源使用信息，对所述目标图像进行人脸检测和关键点检测，确定所述目标图像中的人脸特征信息，所述人脸特征信息包括：人脸特征向量和所述人脸特征向量对应的目标位置。/n

【技术特征摘要】
1.一种人脸特征确定方法，其特征在于，应用于GPU，所述方法包括：
获取具有RGB格式的目标图像；
根据所述目标图像，确定资源使用信息，所述资源使用信息包括进行所述目标图像处理的资源复用关系以及进行所述目标图像处理所需的固定资源；
根据所述资源使用信息，对所述目标图像进行人脸检测和关键点检测，确定所述目标图像中的人脸特征信息，所述人脸特征信息包括：人脸特征向量和所述人脸特征向量对应的目标位置。


2.根据权利要求1所述的方法，其特征在于，所述获取具有RGB格式的目标图像，包括：
当待处理图像为非RGB格式时，对所述待处理图像进行格式转换，生成RGB格式的所述待处理图像，作为待处理标准图像；
当所述待处理标准图像存储在本地数据库或者远程数据库时，将所述待处理标准图像拷贝至所述GPU上；
当所述待处理标准图像存储在所述GPU时，将所述待处理标准图像作为所述目标图像。


3.根据权利要求2所述的方法，其特征在于，所述根据所述目标图像，确定资源使用信息，包括：
根据所述目标图像，确定所述固定资源，其中，所述固定资源包括：所述目标图像所占用的资源、进行所述目标图像处理的网络模型的权重所占用的资源，所述网络模型中包括人脸检测网络、用于关键点确定的回归网络和进行人脸特征精确提取的识别网络；
根据所述目标图像所占用的资源，确定所述网络模型的资源信息，所述网络模型的资源信息包括：所述网络模型的不同层的资源需求量以及所述网络模型的不同层所使用的资源节点以及所释放的资源节点；
根据所述网络模型的资源信息，确定所述资源复用关系。


4.根据权利要求3所述的方法，其特征在于，所述根据所述资源使用信息，对所述目标图像进行人脸检测和关键点检测，确定所述目标图像中的人脸特征信息，包括：
对所述目标图像进行所述人脸检测和所述关键点检测，利用所述人脸检测网络和所述回归网络确定所述目标图像中的目标人脸框和关键点位置；
根据所述目标人脸框和所述关键点位置，利用所述识别网络通过归一化处理确定所述人脸特征信息。


5.根据权利要求4所述的方法，其特征在于，所述人脸检测网络包括用于确定人脸框的确定网络和用于对人脸框进行精确分类的分类网络；所述对所述目标图像进行所述人脸检测和所述关键点检测，利用所述人脸检测网络和所述回归网络确定所述目标图像中的目标人脸框和关键点位置，包括：
将根据所述目标图像建立的图像金字塔拼接成超平面集；
对所述图像金字塔拼接成的超平面集进行归一化处理；
根据归一化处理后的所述超平面集，通过所述确定网络确定所述目标人脸框的位置；
根据所述目标人脸框的位置，利用非极大值抑制法，对所述归一化处理后的超平面集中的各层人脸图像进行处理，通过所述分类网络确定所述目标人脸框；
将所述目标人脸框通过图像放缩处理以及所述归一化处理，再分批次输入所述回归网络，确定所述关键点位置。


6.根据权利要求4所述的方法，其特征在于，所述根据所述目标人脸框和所述关键点位置，利用所述识别网络通过归一化处理确定所述人脸特征，包括：
根据所述目标人脸框和所述关键点位置，通过水平校正，确定具有预设规格的目标人脸图像；
将所述目标人脸图像进行归一化处理后，分批次输入所述识别网络中，确定所述目标图像中的所述人脸特征向量和所述人脸特征向量对应的目标位置。


7.一种人脸特征确定装置，其特征在于，应用于GPU，所述装置包括：
图像获取模块，获取...

【专利技术属性】
技术研发人员：薛向东，高晓虎，杨少春，
申请(专利权)人：东华软件股份公司，
类型：发明
国别省市：北京;11