人脸检测方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了人脸检测方法、装置、电子设备及存储介质，该方法通过生成人脸检测图像的特征图，特征图包括多个尺度的原始特征图和与各原始特征图对应的融合特征图；根据原始特征图确定人脸位置偏移；根据人脸位置偏移对各融合特征图进行可变卷积，得到各融合特征图的可变卷积特征图；基于可变卷积特征图确定人脸检测结果。本申请的有益效果在于，本申请基于可变卷积，根据多尺度原始特征图得出的人脸位置偏移对融合特征图像中的人脸特征表达能力进行改善，显著提高了人脸检测的准确度，提升了人脸检测模型的性能，且计算方法简单、计算量小、计算效率高，极大的扩展了人脸检测的应用场景，尤其适用于多目标人脸检测。

【技术实现步骤摘要】
人脸检测方法、装置、电子设备及存储介质
本申请涉及图像识别领域，具体涉及人脸检测方法、装置、电子设备及存储介质。
技术介绍
人脸检测是指在图片中定位出人脸的位置和大小，是人脸识别、人脸属性(年龄、性别等)等人脸智能分析的基础。近年来深度学习在该领域取得了长足的进步，其大致可分为三类：级联的方法、两阶段的方法、单阶段的方法。其中，级联的方法一般会使用多个模型，是一个逐步过滤非人脸样本并求精人脸位置的方法，但是其速度不稳定，对于有多个人脸的图片速度较慢。两阶段的方法是在第一阶段生成候选区域，然后在第二阶段对候选区域进行分类和回归，其检测准确率较高，但两阶段的方法存在着速度慢的严重缺陷。单阶段的方法是直接通过分类和回归定位人脸位置，中科院电子所提出了选择性细化网络(SelectiveRefinementNetwork)方法，通过在小尺度人脸上过滤易分类的负样本，改善正负样本数量的均衡性，在大尺度人脸上迭代求精人脸的位置，改善大尺度人脸的定位精度，该方法速度较快，但检测准确率还有待进一步提高。
技术实现思路
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：/n生成人脸检测图像的特征图，所述特征图包括多个尺度的原始特征图和与各原始特征图对应的融合特征图；/n根据所述原始特征图确定人脸位置偏移；/n根据所述人脸位置偏移对各融合特征图进行可变卷积，得到各融合特征图的可变卷积特征图；/n基于所述可变卷积特征图确定人脸检测结果。/n

【技术特征摘要】
1.一种人脸检测方法，其特征在于，包括：
生成人脸检测图像的特征图，所述特征图包括多个尺度的原始特征图和与各原始特征图对应的融合特征图；
根据所述原始特征图确定人脸位置偏移；
根据所述人脸位置偏移对各融合特征图进行可变卷积，得到各融合特征图的可变卷积特征图；
基于所述可变卷积特征图确定人脸检测结果。


2.根据权利要求1所述的方法，其特征在于，所述生成人脸检测图像的特征图包括：
以自底向上和下采样的方式生成人脸检测图像的原始特征图；
以自顶向下和下采样的方式生成与各原始特征图对应的融合特征图。


3.根据权利要求2所述的方法，其特征在于，所述以自顶向下和上采样的方式生成与各原始特征图对应的融合特征图包括：
根据目标融合特征图对应的原始特征图的通道数量，以及目标融合特征图的上层融合特征图的通道数量，确定目标融合特征图的权重。


4.根据权利要求1所述的方法，其特征在于，所述根据所述原始特征图确定人脸位置偏移包括：
对各原始特征图分别进行锚点框回归；
根据各原始特征图的锚点框回归结果，以及各锚点框回归结果对应的锚点框确定所述人脸位置偏移。


5.根据权利要求1所述的方法，其特征在于，所述基于所述可变卷积特征图确定人脸检测结果包括：
对各原始特征图分别进行锚点框分类和锚点框回归；
根据第一类原始特征图的锚点框分类结果，对与所述第一类原始特征图对应的第一类融合特征图进行锚点框分类；
根据第二类原始特征图的锚点框回归结果，对与所述第二类原始特征图对应的第二类融合特征图进行锚点框回归；
根据第一类原始特征图的锚点框回归结果、第一类融合特征图的锚点框分类...

【专利技术属性】
技术研发人员：孟欢欢，柴振华，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11