人脸检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种人脸检测方法、装置、电子设备及存储介质，能够通过胶囊网络，以胶囊的形式处理图像数据，相比于卷积神经网络所处理的特征更加精细，能够在后续获得较高的检测精度。并且整个机器学习模型的结构与YOLO V1和YOLOphem等模型的结构相比，层数更少、在处理图像数据时的计算量更小、精度更高，从而降低了机器学习模型的结构复杂度，提高了电子设备通过图像数据进行人脸检测的精度。通过图像数据进行人脸检测的精度。通过图像数据进行人脸检测的精度。

【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


[0001]本申请涉及图像处理
，尤其涉及一种人脸检测方法、装置、电子设备及存储介质。

技术介绍

[0002]对图像数据中包括的人脸进行检测及后续识别，是计算机视觉研究中的热门领域。各行各业都在日常处理业务时，需要采集人脸、人脸识别等来保证业务的安全有效运行。
[0003]相技术中，当电子设备获取包括人脸的图像数据后，将图像数据送入到由卷积神经网络实现的机器学习模型中，由机器学习模型对图像数据进行处理后，电子设备最终根据机器学习模型输出的检测结果，确定图像数据中人脸的具体位置，从而根据图像数据中相应位置的人脸进行后续处理。
[0004]但是，采用相关技术进行人脸检测时的处理速度和效率较低，而如何更为有效、精确地进行人脸检测，是本领域需要解决的技术问题。

技术实现思路

[0005]本申请提供一种人脸检测方法、装置、电子设备及存储介质，用于解决人脸检测时处理速度和效率较低的问题。
[0006]本申请第一方面提供一种人脸检测方法，包括：获取图像数据；将所述图像数据输本文档来自技高网...

【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：获取图像数据；将所述图像数据输入机器学习模型；所述机器学习模型包括：特征提取网络、胶囊网络和特征集合网络，其中，所述特征提取网络、所述胶囊网络和所述特征结合网络依次连接，所述特征提取网络用于提取所述图像数据的特征，所述胶囊网络用于根据所述特征提取网络输出的特征，以胶囊为单位提取所述图像数据的特征，所述胶囊包括所述特征提取网络中的多个神经元，所述特征结合网络用于根据所述卷积胶囊网络提取的特征确定输出数据，所述输出数据用于指示所述图像数据中的人脸信息；根据所述机器学习模型的输出数据，确定所述图像数据中的人脸信息。2.根据权利要求1所述的方法，其特征在于，所述特征提取网络包括：依次连接的多个卷积层；所述胶囊网络包括：依次连接的主胶囊层和多个卷积胶囊层。3.根据权利要求2所述的方法，其特征在于，所述特征结合网络包括：依次连接的多个全连接层。4.根据权利要求2所述的方法，其特征在于，所述特征结合网络包括：多个卷积胶囊层。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述胶囊网络通过动态路由算法，将前一个卷积胶囊层输出的数据中类型相同的胶囊合并处理处理后，输出到下一个卷积胶囊层。6.根据权利要求2所述的方法，其特征在于，所述胶囊网络还包括：至少一个穿透层；所述穿透层设置在所述多个卷积胶囊层中第一卷积胶囊层的输出端与第二卷积胶囊层的输出端之间；...

【专利技术属性】
技术研发人员：陈靖雯，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：