人脸图像检测模型训练方法、人脸图像检测方法及装置制造方法及图纸

本公开涉及一种人脸图像检测模型训练方法、人脸图像检测方法及装置。该训练方法包括：获取人脸区域数据集；针对人脸区域图片，提取人脸关键点、平均分成多个第一子区域并且根据人脸五官分成多个第二子区域；针对人脸关键点、第一子区域和第二子区域，选择亮度特征和灰度特征中的一种或两种进行提取；根据人脸关键点，对提取的亮度特征和灰度特征进行重组，形成重组特征；利用重组特征对人脸图像检测模型进行训练。通过本公开的方案，可以在少量数据中获得多样化的亮度特征和灰度特征，并且通过对这些特征进行重组来对人脸图像检测模型进行训练，可以训练出能够对人脸图像进行更准确且更全面地阴阳脸检测的人脸图像检测模型。确且更全面地阴阳脸检测的人脸图像检测模型。确且更全面地阴阳脸检测的人脸图像检测模型。

【技术实现步骤摘要】
人脸图像检测模型训练方法、人脸图像检测方法及装置


[0001]本公开一般地涉及图像处理
更具体地，本公开涉及人脸图像检测模型训练方法、人脸图像检测方法及装置。

技术介绍

[0002]目前，人脸图像检测应用的领域越来越广泛，人脸图像可以以图片、照片等载体呈现，出于对图像是否存在阴阳脸问题的考虑，在应用这些人脸图像时，需要谨慎，而在应用之前对人脸图像进行检测以判断人脸图像是否存在阴阳脸是必要的。
[0003]在传统的人脸图像检测方法中，为了检测出人脸图像是否存在阴阳脸，需要大量训练数据对人脸检测神经网络进行训练，且人工筛选阴阳脸和正常脸的工作量同样非常巨大，并且由于阴阳脸数据少又容易导致解空间过大，无法保证模型学习到正确的特征。

技术实现思路

[0004]为了至少部分地解决
技术介绍
中提到的技术问题，本公开的方案提供了一种人脸图像检测模型训练方法、人脸图像检测方法及装置。
[0005]根据本公开的第一方面，本公开提供一种人脸图像检测模型训练方法，其中，所述方法包括：获取人脸区域数据集；针对所述人脸区域数据集中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸图像检测模型训练方法，其中，所述方法包括：获取人脸区域数据集；针对所述人脸区域数据集中的人脸区域图片，提取人脸关键点、平均分成多个第一子区域并且根据人脸五官分成多个第二子区域；针对所述人脸关键点、所述第一子区域和所述第二子区域，选择亮度特征和灰度特征中的一种或两种进行提取；根据人脸关键点，对提取的所述亮度特征和所述灰度特征进行重组，形成重组特征；利用所述重组特征对所述人脸图像检测模型进行训练。2.根据权利要求1所述的人脸图像检测模型训练方法，其中，所述针对所述人脸区域数据集中的人脸区域图片提取人脸关键点、平均分成多个第一子区域并且根据人脸五官分成多个第二子区域包括：根据人脸关键点检测算法，提取所述人脸区域图片中的所述人脸关键点；以网格矩阵的方式将所述人脸区域图片平均分成多个第一子区域；根据人脸五官分割算法，将所述人脸区域图片分成多个第二子区域。3.根据权利要求1所述的人脸图像检测模型训练方法，其中，所述针对所述人脸关键点、所述第一子区域和所述第二子区域，选择亮度特征和灰度特征中的一种或两种进行提取包括：针对所述人脸关键点，提取第一亮度特征和第一灰度特征；针对所述多个第一子区域，提取第二亮度特征；针对所述多个第二子区域，提取第二灰度特征。4.根据权利要求3所述的人脸图像检测模型训练方法，其中，所述根据人脸关键点，对提取的所述亮度特征和所述灰度特征进行重组，形成重组特征包括：确定每个人脸关键点在对应的所述第一子区域中的第二亮度特征作为关键点亮度特征，并且确定每个人脸关键点在对应的所述第二子区域中的第二灰度特征作为关键点灰度特征；将每个关键点的所述第一亮度特征与所述关键点亮度特征进行组合，形成亮度组合特征，并且将每个人脸关键点的所述第一灰度特征与所述关键点灰度特征进行组合，形成灰度组合特征；将所述亮度组合特征和所述灰度组合特征进行组合，形成重组特征。5.根据权利要求3或4所述的人脸图像检测模型训练方法，其中，所述第一亮度特征包括在HSV模式下获得的亮度值，所述第一灰度特征...

【专利技术属性】
技术研发人员：张松华，林汉权，罗生根，
申请(专利权)人：稿定厦门科技有限公司，
类型：发明
国别省市：