本发明专利技术公开了一种人脸检测方法、装置及电子设备，通过人脸检测模型分别提取待检测的彩色图像和待检测的深度图像的特征，并分别对彩色图像的特征和深度图像的特征进行分析，得到彩色图像的分类向量和位置向量以及深度图像的分类向量和位置向量，并对彩色图像和深度图像的分类向量进行融合，对彩色图像和深度图像的位置向量进行融合，从而输出最终的分类向量和位置向量，并通过分类向量和阈值的关系，确定候选人脸框，再基于候选人脸框确定表征检测结果的目标人脸框。由此，本实施例中充分利用彩色图像和深度图像本身的特征进行人脸检测，并将各自的检测结果进行融合，由此不仅提高了数据处理效率，而且提升了人脸检测的准确度。而且提升了人脸检测的准确度。而且提升了人脸检测的准确度。
【技术实现步骤摘要】
一种人脸检测方法、装置及电子设备
[0001]本专利技术涉及图像处理领域，尤其涉及一种人脸检测方法、装置及电子设备。
技术介绍
[0002]人脸检测是人脸识别过程中非常重要的步骤，其目的是在输入的图像或者图像组中找到人脸最小包围框的位置坐标，将位置坐标传递给下一个流程，为后续的检测和识别工作打好基础。
[0003]现有技术中人脸检测的方法包括多种，为了提升人脸检测的准确度，有人提出了通过彩色图像和深度图像联合用于人脸检测，但是通常是将卷积神经网络对彩色图像和深度图像进行处理时得到的中间结果进行融合，但是中间结果的通道数较大，因此需要融合的参数很多，那么会导致数据的处理效率下降，并且，彩色图像的特征和深度图像的特征的通道含义不同，直接将二者融合，很难达到提升检测准确度的目的。
技术实现思路
[0004]有鉴于此，本专利技术实施例公开了一种人脸检测方法、装置及电子设备，不仅提升了处理效率，而且提升了人脸检测的准确度。
[0005]本专利技术公开了一种人脸检测方法，包括：
[0006]将待检测的彩色图像、深度图像和预设的锚点框输入到预先训练的人脸检测模型中；
[0007]所述人脸检测模型用于分别提取彩色图像和深度图像的特征，并基于预设的锚点框和彩色图像的特征输出第一分类向量和第一位置向量，基于预设的锚点框和深度图像的特征输出第二分类向量和第二位置向量，将所述第一分类向量和所述第二分类向量进行融合、将第一位置向量和第二位置向量进行融合，得到第三分类向量和第三位置向量；所述第三分类向量和第三位置向量具有一一对应关系，所述锚点框分别与彩色图像的特征和深度图像的特征具有一一对应关系；
[0008]将预设的阈值和所述第三分类向量进行比较，筛选出大于预设阈值的第三分类向量，并基于所述第三分类向量和所述第三位置向量的映射关系，确定候选人脸框
[0009]基于候选人脸框确定表征检测结果的目标人脸框。
[0010]可选的，所述待检测的彩色图像和深度图像是通过对原始的彩色图像和深度图像进行预处理后得到的，预处理的过程包括：
[0011]分别将彩色图像的任何一个通道进行归一化处理；
[0012]将深度图像进行归一化处理。
[0013]可选的，所述人脸检测模型的训练过程包括：
[0014]获取训练样本；所述训练样本包括预先配准的彩色图像和深度图像；
[0015]将所述训练样本输入到待训练的人脸检测模型中；
[0016]通过人脸检测模型从彩色图像和深度图像中分别提取特征，对从彩色图像中提取
到的特征进行分析，得到彩色图像的第三分类向量和第三位置向量，对从深度图像中提取的特征进行分析，得到深度图像的第四分类向量和第四位置向量，采用预设的分类参数将第三分类向量和第四分类向量进行融合，采用预设的回归参数将第三位置向量和第四位置向量进行融合，分别通过预设的分类损失和回归损失更新分类参数和回归参数。
[0017]可选的，从彩色图像和深度图像中分别提取特征，包括：
[0018]从彩色图像中提取不同尺度的特征，并将不同尺度的特征进行融合；
[0019]从深度图像中提取不同尺度的特征，并将不同尺度的特征进行融合；
[0020]所述尺度与预设锚点框的步长一致。
[0021]可选的，所述预设的锚点框的生成过程包括：
[0022]确定锚点框的步长、每层锚点框的缩放比例和锚点框的长、宽比例；
[0023]沿参考图像的横向和纵向两个方向遍历每一种锚点步长，确定每个锚点框的中心坐标；
[0024]沿参考图像的横向和纵向两个方向遍历每一种锚点步长对应的每一种缩放比例；
[0025]沿参考图像的横向和纵向两个方向遍历每一种缩放比例对应的每一种锚点框的长、宽比；
[0026]所述参考图像与所述待检测的彩色图像和待检测的深度图像的尺度是相同的。
[0027]本专利技术实施例公开了一种人脸检测装置，包括：
[0028]输入单元，用于将待检测的彩色图像、深度图像和预设的锚点框输入到预先训练的人脸检测模型中；
[0029]所述人脸检测模型用于分别提取彩色图像和深度图像的特征，并基于预设的锚点框和彩色图像的特征输出第一分类向量和第一位置向量，基于预设的锚点框和深度图像的特征输出第二分类向量和第二位置向量，将所述第一分类向量和所述第二分类向量进行融合、将第一位置向量和第二位置向量进行融合，得到第三分类向量和第三位置向量；所述第三分类向量和第三位置向量具有一一对应关系，所述锚点框分别与彩色图像的特征和深度图像的特征具有一一对应关系；
[0030]第一确定单元，用于将预设的阈值和所述第三分类向量进行比较，筛选出大于预设阈值的第三分类向量，并基于所述第三分类向量和所述第三位置向量的映射关系，确定候选人脸框；
[0031]第二确定单元，用于基于候选人脸框确定表征检测结果的目标人脸框。
[0032]可选的，还包括：
[0033]第一归一化处理子单元，用于分别将彩色图像的任何一个通道进行归一化处理；
[0034]第二归一化处理子单元，用于将深度图像进行归一化处理。
[0035]可选的，还包括：
[0036]人脸检测模型训练单元，用于：
[0037]获取训练样本；所述训练样本包括预先配准的彩色图像和深度图像；
[0038]将所述训练样本输入到待训练的人脸检测模型中；
[0039]通过人脸检测模型用于从彩色图像和深度图像中分别提取特征，对从彩色图像中提取到的特征进行分析，得到彩色图像的第四分类向量和第四位置向量，对从深度图像中提取的特征进行分析，得到深度图像的第五分类向量和第五位置向量，采用预设的分类参
数将第四分类向量和第五分类向量进行融合，采用预设的回归参数将第四位置向量和第五位置向量进行融合，分别通过预设的分类损失和回归损失更新分类参数和回归参数。
[0040]可选的，人脸检测模型训练单元，还包括：
[0041]第一特征提取单元，用于从彩色图像中提取不同尺度的特征，并将彩色图像对应的不同尺度的特征进行融合；
[0042]第二特征提取单元，用于从深度图像中提取不同尺度的特征，并将所述深度图像对应的不同尺度的特征进行融合；
[0043]所述尺度与预设锚点框的步长一致。
[0044]本专利技术实施例公开了一种电子设备，包括：
[0045]存储器和处理器；
[0046]所述存储器用于存储程序，所述处理器用于处理所述存储器中的程序时，执行上述所述的人脸检测方法。
[0047]本专利技术实施例公开了一种人脸检测方法、装置及电子设备，该方法包括：通过人脸检测模型分别提取待检测的彩色图像和待检测的深度图像的特征，并分别对彩色图像的特征和深度图像的特征进行分析，得到彩色图像的分类向量和位置向量以及深度图像的分类向量和位置向量，并对彩色图像和深度图像的分类向量进行融合，对彩色图像和深度图像的位置向量进本文档来自技高网...
【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，包括：将待检测的彩色图像、待检测的深度图像和预设的锚点框输入到预先训练的人脸检测模型中；所述人脸检测模型用于分别提取待检测的彩色图像和待检测的深度图像的特征，并基于预设的锚点框和待检测的彩色图像的特征输出第一分类向量和第一位置向量，基于预设的锚点框和待检测的深度图像的特征输出第二分类向量和第二位置向量，将所述第一分类向量和所述第二分类向量进行融合、将第一位置向量和第二位置向量进行融合，得到第三分类向量和第三位置向量；所述第三分类向量和第三位置向量具有一一对应关系，所述锚点框分别与彩色图像的特征和深度图像的特征具有一一对应关系；将预设的阈值和所述第三分类向量进行比较，筛选出大于预设阈值的第三分类向量，并基于所述第三分类向量和所述第三位置向量的映射关系，确定候选人脸框；基于候选人脸框确定表征检测结果的目标人脸框。2.根据权利要求1所述的方法，其特征在于，所述待检测的彩色图像和深度图像是通过对原始的彩色图像和深度图像进行预处理后得到的，预处理的过程包括：分别将彩色图像的任何一个通道进行归一化处理；将深度图像进行归一化处理。3.根据权利要求1所述的方法，其特征在于，所述人脸检测模型的训练过程包括：获取训练样本；所述训练样本包括预先配准的彩色图像和深度图像；将所述训练样本输入到待训练的人脸检测模型中；通过人脸检测模型从彩色图像和深度图像中分别提取特征，对从彩色图像中提取到的特征进行分析，得到彩色图像的第三分类向量和第三位置向量，对从深度图像中提取的特征进行分析，得到深度图像的第四分类向量和第四位置向量，采用预设的分类参数将第三分类向量和第四分类向量进行融合，采用预设的回归参数将第三位置向量和第四位置向量进行融合，分别通过预设的分类损失和回归损失更新分类参数和回归参数。4.根据权利要求3所述的方法，其特征在于，从彩色图像和深度图像中分别提取特征，包括：从彩色图像中提取不同尺度的特征，并将不同尺度的特征进行融合；从深度图像中提取不同尺度的特征，并将不同尺度的特征进行融合；所述尺度与预设锚点框的步长一致。5.根据权利要求1所述的方法，其特征在于，所述预设的锚点框的生成过程包括：确定锚点框的步长、每层锚点框的缩放比例和锚点框的长、宽比例；沿参考图像的横向和纵向两个方向遍历每一种锚点步长，确定每个锚点框的中心坐标；沿参考图像的横向和纵向两个方向遍历每一种锚点步长对应的每一种缩放比例；沿参考图像的横向和纵向两个方向遍历每一种缩放比例对应的每一种锚点...
【专利技术属性】
技术研发人员：封洁轩，李骊，
申请(专利权)人：北京华捷艾米科技有限公司，
类型：发明
国别省市：
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。