一种人脸图像的检测方法及装置、终端设备和存储介质制造方法及图纸

本申请公开了一种人脸图像的检测方法及装置、终端设备和存储介质，检测方法包括：获取待处理近红外图像和待处理深度图像，并对待处理近红外图像进行归一化处理得到待检测近红外图像；基于待检测近红外图像得到目标人脸的人脸关键点信息，并利用人脸关键点信息及预设人脸遮挡模型获取待检测近红外图像的人脸遮挡预测结果；根据人脸关键点信息得到待处理深度图像的平均深度值集合；利用人脸遮挡预测结果和/或平均深度值集合确定人脸检测结果，人脸检测结果为目标人脸被遮挡或未被遮挡。通过上述方法，基于两个维度所确定的目标检测结果能够更为准确地指示目标人脸图像是否被遮挡，由此提升对人脸图像进行检测的准确度。由此提升对人脸图像进行检测的准确度。由此提升对人脸图像进行检测的准确度。

【技术实现步骤摘要】
一种人脸图像的检测方法及装置、终端设备和存储介质


[0001]本申请涉及图像处理
，尤其涉及一种人脸图像的检测方法及装置、终端设备和存储介质。

技术介绍

[0002]随着图像处理技术的应用范围越来越广，在人脸识别
中，人脸遮挡判断是重要的一个环节，通过人脸遮挡判断可以有效的保证人脸识别模块图像的质量，从而提升了准确率和用户体验。目前，能够通过子空间回归方法将不同类别的人脸划分为不同的子空间，遮挡是一个独立的子空间，那么有遮挡的人脸图像是不含遮挡的人脸与遮挡的叠加，就可以把有遮挡人脸图像识别问题视作将无遮挡的人脸图像和遮挡各自回归到它们所属的子空间的问题。然而，由于每个人的人脸之间存在较大差异，且一幅人脸图像所包含的特征通常极为丰富，因此通过子空间回归方法的难以构建准确的遮挡子空间，因此，如何更为准确地对遮挡的人脸图像进行检测成为一个亟需解决的问题。

技术实现思路

[0003]本申请实施例提供了一种人脸图像的检测方法及装置、终端设备和存储介质，基于两个维度所确定的目标检测结果能够更为准确地指示目标人脸是否被遮挡，由此提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸图像的检测方法，其特征在于，包括：获取对齐的待处理近红外图像和待处理深度图像，并对所述待处理近红外图像进行归一化处理得到待检测近红外图像；基于所述待检测近红外图像得到所述待检测近红外图像中目标人脸的人脸关键点信息；将所述人脸关键点信息输入预设人脸遮挡模型，获取所述目标人脸的人脸遮挡预测结果；根据对齐关系，利用所述人脸关键点信息得到所述待处理深度图像的平均深度值集合；其中，所述平均深度值集合包括左眼区域的平均深度值、右眼区域的平均深度值、鼻子区域的平均深度值以及嘴巴区域的平均深度值；利用所述人脸遮挡预测结果和/或所述平均深度值集合确定人脸检测结果；其中，所述人脸检测结果为所述目标人脸被遮挡或未被遮挡。2.根据权利要求1所述的检测方法，其特征在于，所述基于所述待检测近红外图像得到所述待检测近红外图像中目标人脸的人脸关键点信息，包括：通过所述待检测近红外图像和预设人脸检测模型获取所述待检测近红外图像中目标人脸的人脸框信息；将所述人脸框信息映射至所述待检测近红外图像中，得到所述待检测近红外图像的人脸ROI区域；根据所述人脸ROI区域和预设人脸关键点模型获取所述目标人脸的人脸关键点信息。3.根据权利要求2所述的检测方法，其特征在于，所述将所述人脸关键点信息输入预设人脸遮挡模型，获取所述目标人脸的人脸遮挡预测结果，包括：对所述人脸关键点信息进行集成处理，得到目标近红外图像；将所述目标近红外图像输入预设人脸遮挡模型获取所述待检测近红外图像中目标人脸的人脸遮挡预测结果。4.根据权利要求3所述的检测方法，其特征在于，所述预设人脸检测模型包括第一卷积层、第一批归一化层、第一激活层以及第一输出层，所述第一输出层包括第一分类层以及第一回归层，所述第一分类层的目标损失函数为交叉熵损失函数，所述第一回归层的目标损失函数为Smooth L1损失函数；所述预设人脸关键点模型包括第二卷积层、第二批归一化层、第二激活层以及第二输出层，所述第二输出层为第二回归层，所述第二回归层的目标损失函数为所述Smooth L1损失函数；所述预设人脸遮挡模型包括第三卷积层、第三批归一化层、第三激活层以及第三输出层，所述第三输出层为第二分类层，所述第二分类层的目标损失函数为交叉熵损失函数。5.根据权利要求4所述的检测方法，其特征在于，所述对所述人脸关键点信息进行集成处理，得到目标近红外图像，包括：基于所述人脸关键点信息，对所述人脸ROI区域进行抠图处理，得到所述人脸ROI区域的待处理区域集合；调整所述待处理...

【专利技术属性】
技术研发人员：辛冠希，陈训教，钱贝贝，
申请(专利权)人：奥比中光科技集团股份有限公司，
类型：发明
国别省市：