一种图像检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种图像检测方法、装置、电子设备及存储介质，涉及图像处理技术领域。其中，该方法包括：获取待检测图像；利用联合模型对待检测图像进行人脸识别及人脸角度检测，获联合模型输出的待检测图像是否含有人脸以及人脸角度；联合模型由多张训练图像及每张训练图像对应的标签训练获得，标签包括人脸标签和角度标签。装置用于执行上述方法。本发明专利技术实施例通过将待检测图像输入到联合模型中进行人脸识别和人脸角度检测，由于联合模型是由多张经过人脸标注和角度标注的训练图像训练获得，因此，该联合模型能够对待检测图像中是否包含人脸以及人脸的旋转角度进行识别，无需先进行图像旋转再进行人脸识别，其能够大大提高检测效率和准确率。

An image detection method, device, electronic equipment and storage medium

【技术实现步骤摘要】
一种图像检测方法、装置、电子设备及存储介质
本专利技术涉及图像处理
，具体而言，涉及一种图像检测方法、装置、电子设备及存储介质。
技术介绍
目前，人们在进行图像拍摄时，图片中的人脸往往不是成0度拍摄的，其可以横着拍、竖着拍，或者反着拍，因此，图像可能呈90度、180度或270度。传统的人脸检测系统在对一张图像进行人脸识别时，若原图中没有检测出人脸，则将原图进行90度、180度和270度的旋转，然后依次进行人脸检测，从而导致整个检测过程中检测效率很低，且由于检测系统对图像进行旋转后，其图像中的人脸也有一定的敏感度，导致人脸检测准确率下降。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种图像检测方法、装置、电子设备及存储介质，能够通过将待检测图像输入到经过多张被标注有人脸标签和角度标签的训练图像训练获得的联合模型中，对该待检测图像进行人脸识别以及角度检测，达到检测效率高且准确率高的效果。根据本专利技术实施例的一个方面，提供一种电子设备，可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行一个或多个以下操作：获取待检测图像；利用联合模型对所述待检测图像进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，所述检测结果包括所述待检测图像是否含有人脸以及人脸角度；所述联合模型由多张训练图像及每张训练图像对应的标签训练获得，所述标签包括人脸标签和角度标签。本专利技术实施例通过将待检测图像输入到联合模型中进行人脸识别和人脸角度检测，由于联合模型是由多张经过人脸标注和角度标注的训练图像训练获得，因此，该联合模型能够对待检测图像中是否包含人脸以及人脸的旋转角度进行识别，无需先进行图像旋转再进行人脸识别，其能够大大提高检测效率和准确率。在一些实施例中，所述标签还包括人脸标注框坐标，所述方法，还包括：获取多张训练图像，所述多张训练图像包括人脸图像和非人脸图像，并分别对每张训练图像进行标注，获得每张训练图像对应的人脸标签、角度标签和人脸标注框坐标；将所述训练图像作为输入，所述训练图像对应的人脸标签、角度标签和人脸标注框坐标作为输出对神经网络进行训练，获得所述联合模型。本专利技术实施例通过对训练图像进行是否有人脸、旋转角度以及人脸标注框坐标进行预先标注，然后再利用标注好的训练图像进行模型训练，获得联合模型，其中该联合模型能够同时检测出输入的图像中是否含有人脸、人脸的旋转角度以及人脸标注框坐标，大大提高了人脸检测的效率和准确率。在一些实施例中，所述根据所述待检测图像利用联合模型进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，包括：将所述待检测图像输入所述联合模型中进行人脸识别和人脸角度检测，获得所述待检测图像中是否有人脸、人脸角度以及人脸标注框坐标。本专利技术实施例通过联合模型能够同时对待检测图像中是否包含人脸、人脸的旋转角度以及人脸标注框的坐标，，大大提高了人脸检测的效率和准确率。在一些实施例中，所述根据所述待检测图像利用联合模型进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，包括：判断所述待检测图像中是否包含人脸；若包含，则获取该人脸对应的人脸角度以及人脸标注框坐标，所述人脸标注框坐标包括所述人脸标注框的左上角坐标和右下角坐标。本专利技术实施例在利用联合模型对输入的待检测图像进行人脸识别，先判断输入的图像中是否包含有人脸，如果有人脸，则进行人脸角度以及人脸坐标检测，获得对应的人脸角度和人脸标注框坐标，如果检测到没有人脸，则直接输出结果，从而能够进一步提高检测的效率。在一些实施例中，所述检测结果还包括所述待检测图像中的正脸图像；相应地，所述根据所述待检测图像利用联合模型进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，还包括：根据所述人脸角度和所述人脸标注框坐标进行图像旋转，获得对应的正脸图像。本专利技术实施例当检测到待检测图像中的人脸角度以及人脸标注框坐标后，可以根据人脸角度以及人脸标注框坐标对待检测图像进行图像旋转，获得正脸图像，便于用户查看。在一些实施例中，所述检测结果还包括所述待检测图像中的正脸标注框坐标；相应地，所述根据所述待检测图像利用联合模型进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，还包括：根据所述人脸角度和所述人脸标注框坐标进行坐标映射，获得对应的正脸标注框坐标。本专利技术实施例当检测到待检测图像中的人脸角度以及人脸标注框坐标后，可以根据人脸角度以及人脸标注框坐标对待检测图像进行坐标映射，获得正脸图像的正脸标注框坐标，以供用户使用。在一些实施例中，所述将所述训练图像作为输入，所述训练图像对应的人脸标签、角度标签和人脸标注框坐标作为输出对神经网络进行训练，获得所述联合模型，包括：将一张训练图像输入所述神经网络，所述神经网络输出该训练图像对应的人脸预测值、角度预测值和人脸标注框预测坐标；根据所述训练图像对应的人脸预测值和人脸标签计算获得人脸标签损失值，根据角度预测值和角度标签计算获得角度标签损失值，根据人脸标注框预测坐标和人脸标注框坐标计算获得人脸标注框坐标损失值；根据所述人脸标签损失值、所述角度标签损失值和所述人脸标注框坐标损失值计算所述训练图像对应的总损失值；基于所述总损失值对所述神经网络中的参数进行优化，获得优化后神经网络；获取新的训练图像继续训练所述优化后神经网络，直至满足训练结束条件，得到所述联合模型。本专利技术实施例将每张训练图像对应的人脸标签损失值、角度标签损失值以及人脸标注框坐标损失值之和作为总损失值，通过总损失值对神经网络中的参数进行优化，获得最终的联合模型，从而能够大大提高联合模型预测的准确性。另一方面，本专利技术实施例提供一种图像检测装置，包括：获取模块，用于获取待检测图像；检测模块，用于利用联合模型对所述待检测图像进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，所述检测结果包括所述待检测图像是否含有人脸以及人脸角度；所述联合模型由多张训练图像及每张训练图像对应的标签训练获得，所述标签包括人脸标签和角度标签。在一些实施例中，所述标签还包括人脸标注框坐标，所述装置，还包括：模型训练模块，用于获取多张训练图像，所述多张训练图像包括人脸图像和非人脸图像，并分别对每张训练图像进行标注，获得每张训练图像对应的人脸标签、角度标签和人脸标注框坐标；将所述训练图像作为输入，所述训练图像对应的人脸标签、角度标签和人脸标注框坐标作为输出对神经网络进行训练，获得所述联合模型。在一些实施例中，所述检测模块，具体用于：将所述待检测图像输入所述联合模型中进行人脸识别和人脸角度检测，获得所述待检测图像种是否有人脸、人脸角度以及人脸标注框坐标。在一些实施例中，所述检本文档来自技高网...

【技术保护点】
1.一种图像检测方法，其特征在于，包括：/n获取待检测图像；/n利用联合模型对所述待检测图像进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，所述检测结果包括所述待检测图像是否含有人脸以及人脸角度；所述联合模型由多张训练图像及每张训练图像对应的标签训练获得，所述标签包括人脸标签和角度标签。/n

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：
获取待检测图像；
利用联合模型对所述待检测图像进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，所述检测结果包括所述待检测图像是否含有人脸以及人脸角度；所述联合模型由多张训练图像及每张训练图像对应的标签训练获得，所述标签包括人脸标签和角度标签。


2.根据权利要求1所述的方法，其特征在于，所述标签还包括人脸标注框坐标，所述方法，还包括：
获取多张训练图像，所述多张训练图像包括人脸图像和非人脸图像，并分别对每张训练图像进行标注，获得每张训练图像对应的人脸标签、角度标签和人脸标注框坐标；
将所述训练图像作为输入，所述训练图像对应的人脸标签、角度标签和人脸标注框坐标作为输出对神经网络进行训练，获得所述联合模型。


3.根据权利要求2所述的方法，其特征在于，所述根据所述待检测图像利用联合模型进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，包括：
将所述待检测图像输入所述联合模型中进行人脸识别和人脸角度检测，获得所述待检测图像中是否包含人脸、人脸角度以及人脸标注框坐标。


4.根据权利要求2所述的方法，其特征在于，所述根据所述待检测图像利用联合模型进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，包括：
判断所述待检测图像中是否包含人脸；
若包含，则获取该人脸对应的人脸角度以及人脸标注框坐标，所述人脸标注框坐标包括所述人脸标注框的左上角坐标和右下角坐标。


5.根据权利要求3或4所述的方法，其特征在于，所述检测结果还包括所述待检测图像中的正脸图像；相应地，所述根据所述待检测图像利用联合模型进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，还包括：
根据所述人脸角度和所述人脸标注框坐标进行图像旋转，获得对应的正脸图像。


6.根据权利要求3或4所述的方法，其特征在于，所述检测结果还包括所述待检测图像中的正脸标注框坐标；相应地，所述根据所述待检测图像利用联合模型进行人脸识别及人脸角度检测，获得所述联合模型输出的检测结果，还包括：
根据所述人脸角度和所述人脸标注框坐标进行坐标映射，获得对应的正脸标注框坐标。


7.根据权利要求2所述的方法，其特征在于，所述将所述训练图像作为输入，所述训练图像对应的人脸标签、角度标签和人脸标注框坐标作为输出对神经网络进行训练，获得所述联合模型，包括：
将一张训练图像输入所述神经网络，所述神经网络输出该训练图像对应的人脸预测值、角度预测值和人脸标注框预测坐标；
根据所述训练图像对应的人脸预测值和人脸标签计算获得人脸标签损失值，根据角度预测值和角度标签计算获得角度标签损失值，根据人脸标注框预测坐标和人脸标注框坐标计算获得人脸标注框坐标损失值；
根据所述人脸标签损失值、所述角度标签损失值和所述人脸标注框坐标损失值计算所述训练图像对应的总损失值；
基于所述总损失值对所述神经网络中的参数进行优化，获得优化后神经网络；
获取新的训练图像继续训练所述优化后神经网络，直至满足训练结束条件，得到所述联合模型。


8.一种图像检测装置，其特征在于，包括：
获...

【专利技术属性】
技术研发人员：张修宝，李剑，沈海峰，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11