一种人脸检测方法、装置、设备、存储介质和计算机程序产品制造方法及图纸

本申请公开了一种人脸检测方法、装置、设备、存储介质和计算机程序产品，其中，所述方法包括：在第n个数据帧上进行人脸框定位，1≤n≤M，M为数据帧总数；在定位到的人脸框上识别关键点；根据识别到的关键点预测下一个数据帧上的人脸框的位置；接收到所述下一个数据帧后，将预测位置的人脸框作为定位到的人脸框，继续在定位到的人脸框上识别关键点，直至在最后一个数据帧上定位到人脸框。个数据帧上定位到人脸框。个数据帧上定位到人脸框。

【技术实现步骤摘要】
一种人脸检测方法、装置、设备、存储介质和计算机程序产品


[0001]本申请涉及图像检测领域，特别是涉及一种人脸检测方法、装置、设备、存储介质和计算机程序产品。

技术介绍

[0002]目前在计算机视觉(ComputerVision，CV)领域应用最广泛，同时能带来商业价值的算法莫过于人脸相关算法，如人脸检测、关键点定位和人脸识别等。
[0003]人脸检测的目的是定位图像中的人脸区域，排除非人脸区域。由于受到人脸尺寸小、分辨率低、光线变化、目标遮挡等因素影响，人脸检测算法通常复杂、运算量大，运算时间长。

技术实现思路

[0004]本申请提供了一种人脸检测方法、装置、设备、存储介质和计算机程序产品，能够减小人脸检测的复杂度。
[0005]根据本申请的一个方面，提供了一种人脸检测方法，包括：
[0006]在第n个数据帧上进行人脸框定位，1≤n≤M，M为数据帧总数；
[0007]在定位到的人脸框上识别关键点；
[0008]根据识别到的关键点预测下一个数据帧上的人脸框的位置；
[0009]接收到所述下一个数据帧后，将预测位置的人脸框作为定位到的人脸框，继续在定位到的人脸框上识别关键点，直至在最后一个数据帧上定位到人脸框。
[0010]可选地，所述方法还包括：
[0011]根据识别到的关键点预测下一个数据帧上的人脸框的位置后，计算预测位置的人脸框的置信度，如果置信度大于或等于预设阈值，在接收到所述下一个数据帧后，将预测位置的人脸框作为定位到的人脸框。<br/>[0012]可选地，所述方法还包括：
[0013]如果置信度小于预设阈值，则在定位到的人脸框上重新识别关键点，并根据重新识别到的关键点预测下一个数据帧上的人脸框的位置。
[0014]可选地，所述根据识别到的关键点预测下一个数据帧上的人脸框的位置，包括：
[0015]根据识别到的关键点训练学习模型；
[0016]利用所述学习模型在下一个数据帧上预测人脸图像；
[0017]根据预测的人脸图像的路径确定人脸框的位置。
[0018]可选地，所述关键点包括以下任意一种或多种：
[0019]眉毛、眼睛、鼻子、嘴巴和脸部轮廓。
[0020]根据本申请的另一个方面，提供了一种人脸检测装置，包括：
[0021]定位模块，设置为在第n个数据帧上进行人脸框定位，1≤n≤M，M为数据帧总数；
[0022]识别模块，设置为在定位到的人脸框上识别关键点；
[0023]预测模块，设置为根据识别到的关键点预测下一个数据帧上的人脸框的位置；
[0024]检测模块，设置为接收到所述下一个数据帧后，将预测位置的人脸框作为定位到的人脸框，继续在定位到的人脸框上识别关键点，直至在最后一个数据帧上定位到人脸框。
[0025]根据本申请的另一个方面，提供了一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如前任一项所述的方法。
[0026]根据本申请的另一个方面，提供了一种计算机可读存储介质，优选为非易失性可读存储介质，其内存储有计算机程序，所述计算机程序在由处理器执行时实现如前任一项所述的方法。
[0027]根据本申请的另一个方面，提供了一种计算机程序产品，包括计算机可读代码，当所述计算机可读代码由计算机设备执行时，导致所述计算机设备执行如前任一项所述的方法。
[0028]本申请的人脸检测方法，在第n个数据帧上进行人脸框定位，在定位到的人脸框上识别关键点，通过该关键点预测下一个数据帧上的人脸框位置，代替了在下一个数据帧上使用人脸检测算法定位人脸框，由于关键点运算涉及的数据量小，本申请将人脸检测和关键点定位两者结合，减小了人脸检测算法的调用，降低了计算复杂度。
[0029]根据下文结合附图对本申请的具体实施例的详细描述，本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
附图说明
[0030]后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：
[0031]图1是根据本申请一个实施例的人脸检测方法流程示意图；
[0032]图2是根据本申请另一个实施例的人脸检测方法流程示意图；
[0033]图3是根据本申请一个实施例的人脸检测装置结构示意图；
[0034]图4是根据本申请一个实施例的计算设备组成模块图；
[0035]图5是根据本申请一个实施例的计算机可读存储介质组成图。
具体实施方式
[0036]根据下文结合附图对本申请的具体实施例的详细描述，本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
[0037]本申请实施例提供了一种人脸检测方法，如图1所示，所述方法包括：
[0038]S101在第n个数据帧上进行人脸框定位；
[0039]在当前数据帧上进行人脸框定位可以采用已有的人脸检测算法；
[0040]1≤n≤M，M为数据帧总数；
[0041]S102在定位到的人脸框上识别关键点；
[0042]所述关键点包括以下任意一种或多种：
[0043]眉毛、眼睛、鼻子、嘴巴和脸部轮廓；
[0044]在人脸框上识别关键点可以采用已有的关键点定位算法；
[0045]S103根据识别到的关键点预测下一个数据帧上的人脸框的位置；
[0046]本申请实施例可以在每个数据帧上进行人脸框定位，也可以每间隔K个数据帧上进行人脸框定位；如果在每个数据帧上进行人脸框定位，所述下一个数据帧为当前数据帧+1；如果在每间隔K个数据帧上进行人脸框定位，所述下一个数据帧为当前数据帧+K；
[0047]S104接收到所述下一个数据帧后，将预测位置的人脸框作为定位到的人脸框；
[0048]S105判断所述下一个数据帧是否为最后一个数据帧，如果是，执行步骤S106；如果不是，返回步骤S102，继续在定位到的人脸框上识别关键点；
[0049]S106流程结束。
[0050]本申请的人脸检测方法，在第n个数据帧上进行人脸框定位，在定位到的人脸框上识别关键点，通过该关键点预测下一个数据帧上的人脸框位置，代替了在下一个数据帧上使用人脸检测算法定位人脸框，由于关键点运算涉及的数据量小，本申请将人脸检测和关键点定位两者结合，减小了人脸检测算法的调用，降低了计算复杂度。
[0051]本申请实施例还提供了一种人脸检测方法，如图2所示，所述方法包括：
[0052]S201在第n个数据帧上进行人脸框定位；
[0053]在当前数据帧上进行人脸框定位可以采用已有的人脸检测算法；
[0054]1≤n≤M，M为数据帧总数；
[0055]S202在定位到的人脸框上识别关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸检测方法，包括：在第n个数据帧上进行人脸框定位，1≤n≤M，M为数据帧总数；在定位到的人脸框上识别关键点；根据识别到的关键点预测下一个数据帧上的人脸框的位置；接收到所述下一个数据帧后，将预测位置的人脸框作为定位到的人脸框，继续在定位到的人脸框上识别关键点，直至在最后一个数据帧上定位到人脸框。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据识别到的关键点预测下一个数据帧上的人脸框的位置后，计算预测位置的人脸框的置信度，如果置信度大于或等于预设阈值，在接收到所述下一个数据帧后，将预测位置的人脸框作为定位到的人脸框。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：如果置信度小于预设阈值，则在定位到的人脸框上重新识别关键点，并根据重新识别到的关键点预测下一个数据帧上的人脸框的位置。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据识别到的关键点预测下一个数据帧上的人脸框的位置，包括：根据识别到的关键点训练学习模型；利用所述学习模型在下一个数据帧上预测人脸图像；根据预测的人脸图像的路径确定人脸框的位置。5.根据权利要求1至4中任一项所述的方法，其...

【专利技术属性】
技术研发人员：潘学鹏，井绪海，夏溧，
申请(专利权)人：北京中关村科金技术有限公司，
类型：发明
国别省市：