【技术实现步骤摘要】
人脸检测方法、装置、终端设备及计算机可读存储介质
本申请属于终端
，尤其涉及一种人脸检测方法、装置、终端设备及计算机可读存储介质。
技术介绍
人脸检测是人脸识别、人脸属性识别、人脸表情识别、口罩佩戴识别等应用的基础。目前，一般是通过在性能较好的服务器端部署较深较复杂的神经网络模型来进行人脸检测。而随着机器人等终端设备的发展，在机器人等终端设备进行人脸检测逐渐成为发展趋势。但由于机器人等终端设备的性能限制，在机器人等终端设备中进行人脸检测时，往往需要降低所部署的神经网络模型的深度和/或复杂度等，导致在机器人等终端设备中所进行的人脸检测往往只能检测出短距离内的大人脸，而对于长距离的小人脸则存在检出率较低的问题，无法满足机器人等终端设备的人脸检测需求。
技术实现思路
本申请实施例提供了一种人脸检测方法、装置、终端设备及计算机可读存储介质，可以有效解决终端设备所进行的人脸检测对小人脸存在检出率较低的问题。第一方面，本申请实施例提供了一种人脸检测方法，应用于终端设备，所述人脸检测方法，可以包括：
【技术保护点】
1.一种人脸检测方法，其特征在于，应用于终端设备，所述人脸检测方法包括：/n获取待检测的目标图像；/n将所述目标图像输入至训练完成的人脸检测模型进行处理，得到所述人脸检测模型输出的人脸检测结果；其中，所述人脸检测模型为利用第一预设分辨率的第一训练图像训练得到的神经网络模型，所述第一预设分辨率小于640*640，所述神经网络模型为基于retinaface网络结构的神经网络模型，所述retinaface网络结构包括第一网络结构、第二网络结构和第三网络结构，所述第一网络结构、所述第二网络结构和所述第三网络结构的主干网络均为轻量级神经网络，所述第一网络结构对应的检测框为128*12...
【技术特征摘要】
1.一种人脸检测方法，其特征在于，应用于终端设备，所述人脸检测方法包括：
获取待检测的目标图像；
将所述目标图像输入至训练完成的人脸检测模型进行处理，得到所述人脸检测模型输出的人脸检测结果；其中，所述人脸检测模型为利用第一预设分辨率的第一训练图像训练得到的神经网络模型，所述第一预设分辨率小于640*640，所述神经网络模型为基于retinaface网络结构的神经网络模型，所述retinaface网络结构包括第一网络结构、第二网络结构和第三网络结构，所述第一网络结构、所述第二网络结构和所述第三网络结构的主干网络均为轻量级神经网络，所述第一网络结构对应的检测框为128*128至256*256，所述第二网络结构对应的检测框为32*32至64*64，所述第三网络结构对应的检测框为10*10至20*20。
2.如权利要求1所述的人脸检测方法，其特征在于，所述第一预设分辨率为320*320。
3.如权利要求1所述的人脸检测方法，其特征在于，所述人脸检测模型通过下述步骤训练得到：
获取所述第一预设分辨率的第一训练图像和第二预设分辨率的第二训练图像，所述第二预设分辨率高于所述第一预设分辨率；
利用所述第一训练图像对初始人脸检测模型进行训练，得到训练完成的初始人脸检测模型；
利用所述第二训练图像对所述训练完成的初始人脸检测模型进行训练，得到训练完成的所述人脸检测模型。
4.如权利要求1所述的人脸检测方法，其特征在于，所述轻量级神经网络为mobilenet网络或fmobileface网络。
5.如权利要求1至4中任一项所述的人脸检测方法，其特征在于，所述将所述目标图像输入至训练完成的人脸检测模型进行处理，得到所述人脸检测模型输出的人脸检测结果，包括：
将所述目标图像输入至训练完成的人脸检测模型进行处理，得到所述人脸检测模型输出的初始检测结果；
将所述初始检测结果输入至训练完成的人脸校准模型进行处理，得到所述人脸校准模型输出的校准结果；
当所述校准结果为所述初始检测结果包含人脸时，将所述初始检测结果确定为所述人脸检测模型输出的人脸检测结果；
当所...
【专利技术属性】
技术研发人员：曾钰胜，刘业鹏，庞建新，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。