人脸检测方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请提供了一种人脸检测方法、装置、电子设备及计算机可读存储介质，所述方法包括：获取目标对象的待检测人脸图像；将所述待检测人脸图像输入预训练人脸检测卷积神经网络模型的第一子网络进行第一特征的提取；将第一特征输入人脸检测卷积神经网络模型的第二子网络进行角度预测，得到待检测人脸图像中人脸在平面旋转的角度；将第一特征输入人脸检测卷积神经网络模型的第三子网络进行处理得到第三特征，并根据第二子网络进行角度预测提取出的第二特征及第三特征，得到待检测人脸图像中人脸的位置。本申请实施例在人脸检测的同时，还能预测出待检测人脸图像中人脸在平面旋转的角度，有利于减少资源开销。有利于减少资源开销。有利于减少资源开销。

【技术实现步骤摘要】
人脸检测方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及人工智能
，尤其涉及一种人脸检测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]近年来，作为几大尖端技术之一的人工智能获得了迅速的发展，其研究成果已广泛应用于社会生活的方方面面，常见的例如人脸检测技术，在人脸识别、数据库人脸特征信息存储以及人脸搜索等场景中不乏见到其身影。人脸识别过程中，成像系统的解码器不一样会造成人脸图像在解码的过程中在平面发生旋转，而成像设备采集的人脸图像也并非都是竖直方向的，对于在平面发生旋转和非竖直方向的人脸会对人脸识别的准确率造成一定影响。为了提高针对此类情况的人脸识别准确率，现有技术通常是额外训练一个网络模型对人脸的角度信息进行预测，以便后续的人脸矫正工作，但这无形中却增加了资源开销。

技术实现思路

[0003]针对上述问题，本申请提供了一种人脸检测方法、装置、电子设备及计算机可读存储介质，在人脸检测的同时，还能预测出待检测人脸图像中人脸在平面旋转的角度信息，有利于减少资源开销。
[0004]为实现上述目的，本申请实施例第一方面提供了一种人脸检测方法，该方法包括：
[0005]获取目标对象的待检测人脸图像；
[0006]将所述待检测人脸图像输入预训练人脸检测卷积神经网络模型的第一子网络进行第一特征的提取；
[0007]将所述第一特征输入所述人脸检测卷积神经网络模型的第二子网络进行角度预测，得到所述待检测人脸图像中人脸在平面旋转的角度；
[0008]将所述第一特征输入所述人脸检测卷积神经网络模型的第三子网络进行处理得到第三特征，并根据所述第二子网络进行角度预测提取出的第二特征及所述第三特征，得到所述待检测人脸图像中人脸的位置。
[0009]作为一种可选的实施方式，所述将所述第一特征输入所述人脸检测卷积神经网络模型的第二子网络进行角度预测，得到所述待检测人脸图像中人脸在平面旋转的角度，包括：
[0010]利用多个卷积层接对所述第一特征进行卷积处理，得到所述第二特征；
[0011]利用全连接层对所述第二特征进行分类处理，以定位出所述待检测人脸图像中人脸两个瞳孔的位置；
[0012]基于该两个瞳孔的位置，计算该两个瞳孔的连线与水平线的夹角，以得到所述待检测人脸图像中人脸在平面旋转的角度。
[0013]作为一种可选的实施方式，所述根据所述第二子网络进行角度预测提取出的第二特征及所述第三特征，得到所述待检测人脸图像中人脸的位置，包括：
[0014]将所述第二特征与所述第三特征进行融合，得到包含有角度信息的第四特征；
[0015]利用所述第四特征进行人脸检测，得到所述待检测人脸图像中人脸的位置。
[0016]作为一种可选的实施方式，所述利用所述第四特征进行人脸检测，得到所述待检测人脸图像中人脸的位置，包括：
[0017]利用多个残差块对所述第四特征进行处理，输出人脸边界框的第一点坐标、第二点坐标及人脸边界框的高度；
[0018]基于所述第一点坐标、所述第二点坐标及所述高度得到所述待检测人脸图像中人脸的位置。
[0019]作为一种可选的实施方式，在所述基于所述第一点坐标、所述第二点坐标及所述高度得到所述待检测人脸图像中人脸的位置之后，所述方法还包括：
[0020]利用所述第一点坐标、所述第二点坐标、所述高度及所述待检测人脸图像中人脸在平面旋转的角度进行仿射变换，以矫正所述待检测人脸图像中的人脸。
[0021]作为一种可选的实施方式，所述人脸检测卷积神经网络模型的训练过程，包括：
[0022]对用于训练的人脸图像进行首次标注，得到初始人脸检测训练数据集；
[0023]对所述初始人脸检测训练数据集中的人脸图像进行再标注，得到目标人脸检测训练数据集；
[0024]利用所述初始人脸检测训练数据集对预设卷积神经网络的第三卷积块进行训练，得到所述第三子网络；
[0025]利用所述目标人脸检测训练数据集对预设卷积神经网络的第二卷积块进行训练，得到所述第二子网络；
[0026]再将所述目标人脸检测训练数据集输入预设卷积神经网络进行整体训练，得到所述人脸检测卷积神经网络模型。
[0027]本申请实施例第二方面提供了一种人脸检测装置，该装置包括：
[0028]图像获取模块，用于获取目标对象的待检测人脸图像；
[0029]第一特征提取模块，用于将所述待检测人脸图像输入预训练人脸检测卷积神经网络模型的第一子网络进行第一特征的提取；
[0030]角度预测模块，用于将所述第一特征输入所述人脸检测卷积神经网络模型的第二子网络进行角度预测，得到所述待检测人脸图像中人脸在平面旋转的角度；
[0031]位置预测模块，用于将所述第一特征输入所述人脸检测卷积神经网络模型的第三子网络进行处理得到第三特征，并根据所述第二子网络进行角度预测提取出的第二特征及所述第三特征，得到所述待检测人脸图像中人脸的位置。
[0032]本申请实施例第三方面提供了一种电子设备，所述电子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的人脸检测方法中的步骤。
[0033]本申请实施例第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的人脸检测方法中的步骤。
[0034]本申请的上述方案至少包括以下有益效果：通过获取目标对象的待检测人脸图像；将所述待检测人脸图像输入预训练人脸检测卷积神经网络模型的第一子网络进行第一
特征的提取；将第一特征输入人脸检测卷积神经网络模型的第二子网络进行角度预测，得到待检测人脸图像中人脸在平面旋转的角度；将第一特征输入人脸检测卷积神经网络模型的第三子网络进行处理得到第三特征，并根据第二子网络进行角度预测提取出的第二特征及第三特征，得到待检测人脸图像中人脸的位置。由于本申请提供的人脸检测卷积神经网络模型在对待检测人脸图像检测时，首先采用第一子网络(共享卷积层)进行共享特征提取得到第一特征，参数复用率高，在第一子网络后接两个分支，一个分支(第二子网络)用于对待检测人脸图像中的人脸进行角度预测，另一个分支(第三子网络)通过结合第二子网络的输出来预测待检测人脸图像中的人脸位置，由于在预测人脸位置的特征中融合了人脸角度特征，在检测出待检测人脸图像中的人脸位置时，还提供了人脸在平面旋转的角度，有利于减少另外单独训练网络模型预测人脸在平面旋转的角度所带来的资源开销。
附图说明
[0035]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本申请实施例本文档来自技高网...

【技术保护点】

【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：获取目标对象的待检测人脸图像；将所述待检测人脸图像输入预训练人脸检测卷积神经网络模型的第一子网络进行第一特征的提取；将所述第一特征输入所述人脸检测卷积神经网络模型的第二子网络进行角度预测，得到所述待检测人脸图像中人脸在平面旋转的角度；将所述第一特征输入所述人脸检测卷积神经网络模型的第三子网络进行处理得到第三特征，并根据所述第二子网络进行角度预测提取出的第二特征及所述第三特征，得到所述待检测人脸图像中人脸的位置。2.根据权利要求1所述的方法，其特征在于，所述将所述第一特征输入所述人脸检测卷积神经网络模型的第二子网络进行角度预测，得到所述待检测人脸图像中人脸在平面旋转的角度，包括：利用多个卷积层接对所述第一特征进行卷积处理，得到所述第二特征；利用全连接层对所述第二特征进行分类处理，以定位出所述待检测人脸图像中人脸两个瞳孔的位置；基于该两个瞳孔的位置，计算该两个瞳孔的连线与水平线的夹角，以得到所述待检测人脸图像中人脸在平面旋转的角度。3.根据权利要求1所述的方法，其特征在于，所述根据所述第二子网络进行角度预测提取出的第二特征及所述第三特征，得到所述待检测人脸图像中人脸的位置，包括：将所述第二特征与所述第三特征进行融合，得到包含有角度信息的第四特征；利用所述第四特征进行人脸检测，得到所述待检测人脸图像中人脸的位置。4.根据权利要求3所述的方法，其特征在于，所述利用所述第四特征进行人脸检测，得到所述待检测人脸图像中人脸的位置，包括：利用多个残差块对所述第四特征进行处理，输出人脸边界框的第一点坐标、第二点坐标及人脸边界框的高度；基于所述第一点坐标、所述第二点坐标及所述高度得到所述待检测人脸图像中人脸的位置。5.根据权利要求1至4任一项所述的方法，其特征在于，所述人脸检测卷积神经网络模型的训练过程，包括：对用于训练的人脸图像进行首次标注，得到初始人脸检测训练数据集；对所述初始人脸检测训练数据集中的人脸图像进行再标注，得到目标人脸检测训练数据集；利用所述初始人脸检测训练数据集对预设卷积神经网络的第三卷积块...

【专利技术属性】
技术研发人员：黄德威，胡文泽，
申请(专利权)人：深圳云天励飞技术有限公司，
类型：发明
国别省市：