本申请提供一种融合人脸图像检测方法、装置、设备及存储介质，包括：对待检测的RGB图像进行预处理，将预处理后的图像分解为颜色通道对应的第一图像、第二图像和第三图像，提取上述图像中的高频信息，将合并后的高频信息图像和RGB图像输入至训练好的双流卷积神经网络中，得到RGB图像是否为融合人脸图像的检测结果；其中，在双流卷积神经网络中还包括自增强处理和/或互增强处理。本申请中双流卷积神经网络通过在卷积处理后增加自增强处理，在Stage处理后增加互增强处理，对输入的特征及特征交互进行增强，能够提高融合人脸图像检测结果的精确度，提高检测性能。提高检测性能。提高检测性能。
【技术实现步骤摘要】
一种融合人脸图像检测方法、装置、设备及存储介质
[0001]本申请涉及人脸识别
，尤其涉及一种融合人脸图像检测方法、装置、设备及存储介质。
技术介绍
[0002]在当前复杂的社会现状、治安水平参差不齐的大环境下，如何快速、精准的确定人员身份，不仅是相关政要机关，如公安部、边检出入境、火车站、高铁站等重要场所，也是在各行各业从事相关需要人员身份核验的工作人员所关心的重要课题之一。以往身份核验的场景中一般采用人为核验的方式进行，而人为核验往往存在以下问题：1、准确性低，核验人员只通过肉眼比对人脸与照片的一致性，实际核验效果因人而异，难以做到标准化，误差大；2、易形成个人主观意见，大多依靠自己的经验或主观判断，容易出现误判；3、比对速度慢，耗费人力，效率低下，且实际大多数核验场景与边检核验比对通行、人证票核验通行等多种行业业务操作有交集，难以与多种业务进行资源整合；4、准确性难以统计、验证，核验结果也难以复核。
[0003]在目前现有的人脸图像检测技术中，基于纹理检测融合的方法，虽然实现简单，但由于纹理只是一种物体表面的特性，仅仅利用纹理特征无法获得高层次的图像内容；基于深度卷积神经网络的方法，虽然性能普遍比基于纹理的方法好，但是需要较大的数据集，样本数量不足会影响控制精确度；基于混合特征的方法往往会增加算法的复杂度。
[0004]因此，如何提高人脸图像识别结果的精确度，成为需要解决的问题。
[0005]在
技术介绍
中公开的上述信息仅用于加强对本申请的背景的理解，因此其可能包含没有形成为本领域普通技术人员所知晓的现有技术的信息。
技术实现思路
[0006]本申请提供一种融合人脸图像检测方法、装置、设备及存储介质，用以解决现有技术存在的问题。
[0007]第一方面，本申请提供一种融合人脸图像检测方法，包括以下步骤：
[0008]S11、对获取的待检测的RGB图像进行预处理，得到第一人脸图像；
[0009]S12、将所述第一人脸图像分解为R、G、B三个颜色通道对应的第一图像、第二图像和第三图像，并提取所述第一图像、第二图像和第三图像中对应的第一高频信息、第二高频信息以及第三高频信息，得到第一高频信息图像、第二高频信息图像以及第三高频信息图像；
[0010]S13、将所述第一高频信息图像、第二高频信息图像和第三高频信息图像合并，得到第四高频信息图像；
[0011]S14、将所述第四高频信息图像和所述RGB图像输入至训练好的双流卷积神经网络中，得到RGB图像是否为融合人脸图像的检测结果；
[0012]其中，在所述双流卷积神经网络中的卷积处理之后，且在所述卷积处理的下一次
处理之前，还包括自增强处理，所述自增强处理用于对输入的特征进行增强；和/或，
[0013]在所述双流卷积神经网络中的Stage处理之后，且在所述Stage处理的下一次处理之前，还包括互增强处理，所述互增强处理用于加强输入的特征交互。
[0014]在一些实施例中，所述自增强处理包括：
[0015]a1、分别利用全局平均池化、全局最大池化对第一输入进行压缩处理，得到对应的第一全局空间特征和第二全局空间特征，所述第一输入为所述卷积处理之后得到的卷积结果；
[0016]a2、对所述第一全局空间特征、第二全局空间特征进行卷积处理，得到对应的第一注意力预测图和第二注意力预测图；
[0017]a3、根据所述第一注意力预测图和第二注意力预测图，得到通道注意力图；
[0018]a4、根据所述第一输入和所述通道注意力图，计算得到增强后的第一输出特征图。
[0019]在一些实施例中，所述互增强处理包括：
[0020]b1、将获取的第二输入和第三输入连接，得到第一特征图，所述第二输入、第三输入分别对应为所述Stage处理之后得到的频率流特征图和RGB流特征图；
[0021]b2、对所述第一特征图进行平均池化和最大池化处理，得到特征描述符；
[0022]b3、对所述特征描述符进行卷积处理，得到空间注意力特征；
[0023]b4、根据所述空间注意力特征、所述第二输入和第三输入，得到增强后的第二输出特征图。
[0024]在一些实施例中，所述S11，包括：
[0025]检测RGB图像中的眼睛坐标，根据所述眼睛坐标对所述RGB图像中的人脸区域进行分割处理和归一化处理，得到第一人脸图像。
[0026]在一些实施例中，所述S12，包括：
[0027]S121、将所述第一人脸图像分解为R、G、B三个颜色通道对应的第一图像、第二图像和第三图像；
[0028]S122、通过傅里叶变换，得到所述第一图像、第二图像和第三图像相应的第一频谱图、第二频谱图和第三频谱图；
[0029]S123、过滤所述第一频谱图、第二频谱图和第三频谱图中的低频信息，得到第一高频信息频谱图、第二高频信息频谱图以及第三高频信息频谱图；
[0030]S124、利用傅里叶逆变换，将所述第一高频信息频谱图、第二高频信息频谱图和第三高频信息频谱图转换成RGB颜色空间，得到第一高频信息图像、第二高频信息图像以及第三高频信息图像。
[0031]在一些实施例中，所述S13中合并的方式为：
[0032]将所述第一高频信息图像、第二高频信息图像和第三高频信息图像沿对应的所述R、G、B三个颜色通道的方向进行拼接处理，得到第四高频信息图像。
[0033]在一些实施例中，所述双流卷积神经网络的训练过程包括：
[0034]S21、将若干RGB样本图像转换成对应的高频信息图像；
[0035]S22、将所述高频信息图像和所述RGB样本图像输入至双流网络中进行训练，得到训练好的双流卷积神经网络；
[0036]其中，所述双流卷积神经网络用于聚合RGB图像信息和高频图像信息。
[0037]第二方面，本申请提供一种融合人脸图像检测装置，包括：
[0038]预处理模块，用于对获取的待检测的RGB图像进行预处理，得到第一人脸图像；
[0039]提取模块，用于将所述第一人脸图像分解为R、G、B三个颜色通道对应的第一图像、第二图像和第三图像，并提取所述第一图像、第二图像和第三图像中对应的第一高频信息、第二高频信息以及第三高频信息，得到第一高频信息图像、第二高频信息图像以及第三高频信息图像；
[0040]合并模块，用于将所述第一高频信息图像、第二高频信息图像和第三高频信息图像合并，得到第四高频信息图像；
[0041]检测模块，用于将所述第四高频信息图像和所述RGB图像输入至训练好的双流卷积神经网络中，得到RGB图像是否为融合人脸图像的检测结果；
[0042]其中，在所述双流卷积神经网络中的卷积处理之后，且在所述卷积处理的下一次处理之前，还包括自增强处理，所述自增强处理用于对输入的特征进行增强；和/或，
[0043]在所述双流卷积神经网络中的Stage处理之后，且在所述Sta本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种融合人脸图像检测方法，其特征在于，包括以下步骤：S11、对获取的待检测的RGB图像进行预处理，得到第一人脸图像；S12、将所述第一人脸图像分解为R、G、B三个颜色通道对应的第一图像、第二图像和第三图像，并提取所述第一图像、第二图像和第三图像中对应的第一高频信息、第二高频信息以及第三高频信息，得到第一高频信息图像、第二高频信息图像以及第三高频信息图像；S13、将所述第一高频信息图像、第二高频信息图像和第三高频信息图像合并，得到第四高频信息图像；S14、将所述第四高频信息图像和所述RGB图像输入至训练好的双流卷积神经网络中，得到RGB图像是否为融合人脸图像的检测结果；其中，在所述双流卷积神经网络中的卷积处理之后，且在所述卷积处理的下一次处理之前，还包括自增强处理，所述自增强处理用于对输入的特征进行增强；和/或，在所述双流卷积神经网络中的Stage处理之后，且在所述Stage处理的下一次处理之前，还包括互增强处理，所述互增强处理用于加强输入的特征交互。2.根据权利要求1所述的融合人脸图像检测方法，其特征在于，所述自增强处理包括：a1、分别利用全局平均池化、全局最大池化对第一输入进行压缩处理，得到对应的第一全局空间特征和第二全局空间特征，所述第一输入为所述卷积处理之后得到的卷积结果；a2、对所述第一全局空间特征、第二全局空间特征进行卷积处理，得到对应的第一注意力预测图和第二注意力预测图；a3、根据所述第一注意力预测图和第二注意力预测图，得到通道注意力图；a4、根据所述第一输入和所述通道注意力图，计算得到增强后的第一输出特征图。3.根据权利要求1所述的融合人脸图像检测方法，其特征在于，所述互增强处理包括：b1、将获取的第二输入和第三输入连接，得到第一特征图，所述第二输入、第三输入分别对应为所述Stage处理之后得到的频率流特征图和RGB流特征图；b2、对所述第一特征图进行平均池化和最大池化处理，得到特征描述符；b3、对所述特征描述符进行卷积处理，得到空间注意力特征；b4、根据所述空间注意力特征、所述第二输入和第三输入，得到增强后的第二输出特征图。4.根据权利要求1
‑
3任一项所述的融合人脸图像检测方法，其特征在于，所述S11，包括：检测RGB图像中的眼睛坐标，根据所述眼睛坐标对所述RGB图像中的人脸区域进行分割处理和归一化处理，得到第一人脸图像。5.根据权利要求1所述的融合人脸图像检测方法，其特征在于，所述S12，包括：S121、将所述第一人脸图像分解为R、G、B三个颜色通道对应的第一图像、第二图像和第三图像；S122、通过傅里叶变换，得到所述第一图像、...
【专利技术属性】
技术研发人员：贾成昆，刘永超，杨睿蝶，王呈泽，
申请(专利权)人：湖南交通工程学院，
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。