人脸属性检测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了人脸属性检测方法、装置、计算机设备及存储介质，方法包括：获取待检测人脸图像数据；将待检测人脸图像数据输入至人脸检测模型进行人脸检测，以得到人脸检测结果，所述人脸检测模型包括主任务分支网络和次任务分支网络，所述次任务分支网络包括第一次任务分支网络和第二次任务分支网络，所述人脸检测结果包括人脸三维角度结果、人脸关键点结果以及人脸口罩佩戴结果；输出人脸检测结果。本发明专利技术降低了来回拷贝内存的压力，减少了推理和获取结果的时间，避免不必要的计算复杂度，提高了网络的计算效率，同时能够使人脸检测结果更加精准。果更加精准。果更加精准。

【技术实现步骤摘要】
人脸属性检测方法、装置、计算机设备及存储介质


[0001]本专利技术涉及人脸检测
，更具体地说是人脸属性检测方法、装置、计算机设备及存储介质。

技术介绍

[0002]对于嵌入式设备而言，其硬件性能有限。采用嵌入式设备进行人脸的关键点、三维角度以及戴口罩检测时，需要将待检测的图片数据分别输入到分段式布置的关键点神经网络、三维角度神经以及戴口罩检测神经网络中进行检测，这不仅会加大网络的推理时间，效率低下，而且整体会加大设备的性能消耗，则对于嵌入式设备而言是不友好的。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，提供人脸属性检测方法、装置、计算机设备及存储介质，旨在提升人脸属性检测效率，以及避免对嵌入式设备造成巨大的性能消耗。
[0004]为实现上述目的，本专利技术采用以下技术方案：
[0005]第一方面，人脸属性检测方法，包括：
[0006]获取待检测人脸图像数据；
[0007]将待检测人脸图像数据输入至人脸检测模型进行人脸检测，以得到人脸检测结果，所述人脸检测模型包括主任务分支网络和次任务分支网络，所述次任务分支网络包括第一次任务分支网络和第二次任务分支网络，所述人脸检测结果包括人脸三维角度结果、人脸关键点结果以及人脸口罩佩戴结果；
[0008]输出人脸检测结果。
[0009]其进一步技术方案为：所述将待检测人脸图像数据输入至人脸检测模型进行人脸检测，以得到人脸检测结果，所述人脸检测模型包括主任务分支网络和次任务分支网络，所述次任务分支网络包括第一次任务分支网络和第二次任务分支网络，所述人脸检测结果包括人脸三维角度结果、人脸关键点结果以及人脸口罩佩戴结果，包括：
[0010]对待检测人脸图像数据进行特征提取处理，以得到人脸特征图；
[0011]将人脸特征图输入至主任务分支网络进行处理，以得到含有人脸关键点信息的关键点特征图；
[0012]将人脸特征图输入至次任务分支网络进行处理，以得到含有三维角度和口罩佩戴信息的混合特征图；
[0013]将混合特征图输入至第一次任务分支网络进行处理，以得到含有人脸三维角度的三维角度特征图；
[0014]将混合特征图输入至第二次任务分支网络进行处理，以得到含有人脸口罩佩戴情况的口罩佩戴特征图；
[0015]将关键点特征图融合至三维角度特征图中，以得到融合特征图；
[0016]对关键点特征图、口罩佩戴特征图和融合特征图分别进行特征结果提取，以分别
得到人脸关键点结果、人脸口罩佩戴结果以及人脸三维角度结果。
[0017]其进一步技术方案为：所述人脸关键点结果包括左眼、右眼、鼻子、左嘴角和右嘴角的坐标信息。
[0018]其进一步技术方案为：所述人脸三维角度结果包括俯仰角、偏航角和翻滚角信息。
[0019]其进一步技术方案为：所述人脸口罩佩戴结果包括佩戴口罩或者未佩戴口罩信息。
[0020]其进一步技术方案为：所述主任务分支网络采用Wingloss损伤函数进行收敛，所述第一次任务分支网络采用L1loss损伤函数进行收敛，所述第二次任务分支网络采用CrossEntropyLoss损伤函数进行收敛。
[0021]第二方面，人脸属性检测装置，包括获取单元、模型检测单元、结果输出单元；
[0022]所述获取单元，用于获取待检测人脸图像数据；
[0023]所述模型检测单元，用于将待检测人脸图像数据输入至人脸检测模型进行人脸检测，以得到人脸检测结果，所述人脸检测模型包括主任务分支网络和次任务分支网络，所述次任务分支网络包括第一次任务分支网络和第二次任务分支网络，所述人脸检测结果包括人脸三维角度结果、人脸关键点结果以及人脸口罩佩戴结果；
[0024]所述结果输出单元，用于输出人脸检测结果。
[0025]其进一步技术方案为：所述模型检测单元包括特征提取模块、主任务分支处理模块、次任务分支处理模块、第一次任务分支处理模块、第二次任务分支处理模块、融合模块以及特征结果提取模块；
[0026]所述特征提取模块，用于对待检测人脸图像数据进行特征提取处理，以得到人脸特征图；
[0027]所述主任务分支处理模块，用于将人脸特征图输入至主任务分支网络进行处理，以得到含有人脸关键点信息的关键点特征图；
[0028]所述次任务分支处理模块，用于将人脸特征图输入至次任务分支网络进行处理，以得到含有三维角度和口罩佩戴信息的混合特征图；
[0029]所述第一次任务分支处理模块，用于将混合特征图输入至第一次任务分支网络进行处理，以得到含有人脸三维角度的三维角度特征图；
[0030]所述第二次任务分支处理模块，用于将混合特征图输入至第二次任务分支网络进行处理，以得到含有人脸口罩佩戴情况的口罩佩戴特征图；
[0031]所述融合模块，用于将关键点特征图融合至三维角度特征图中，以得到融合特征图；
[0032]所述特征结果提取模块，用于对关键点特征图、口罩佩戴特征图和融合特征图分别进行特征结果提取，以分别得到人脸关键点结果、人脸口罩佩戴结果以及人脸三维角度结果。
[0033]一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的人脸属性检测方法。
[0034]一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如上述的人脸属性检测
方法。
[0035]本专利技术与现有技术相比的有益效果是：本专利技术通过在人脸检测模型中，能够完成人脸三维角度结果、人脸关键点结果以及人脸口罩佩戴结果的检测，降低了来回拷贝内存的压力，减少了推理和获取结果的时间，并且，在检测过程中，分别设计有主任务分支网络和次任务分支网络，利于合理分配有限的网络计算资源，避免不必要的计算复杂度，从而提高网络的计算效率，同时也能避免网络任务的相互干扰，另外，通过融合的方式将不同分支网络的特征信息进行结合，又能使得最后得到人脸检测结果更加精准。
[0036]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术技术手段，可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的特征及优点能够更明显易懂，以下特举较佳实施例，详细说明如下。
附图说明
[0037]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1为本专利技术具体实施例提供的人脸属性检测方法的流程图一；
[0039]图2为本专利技术具体实施例提供的人脸属性检测方法的流程图二；
[0040]图3为本专利技术具体实施例提供的人脸属性检测装置的示意性框图一；
[0041]图4为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.人脸属性检测方法，其特征在于，包括：获取待检测人脸图像数据；将待检测人脸图像数据输入至人脸检测模型进行人脸检测，以得到人脸检测结果，所述人脸检测模型包括主任务分支网络和次任务分支网络，所述次任务分支网络包括第一次任务分支网络和第二次任务分支网络，所述人脸检测结果包括人脸三维角度结果、人脸关键点结果以及人脸口罩佩戴结果；输出人脸检测结果。2.根据权利要求1所述的人脸属性检测方法，其特征在于，所述将待检测人脸图像数据输入至人脸检测模型进行人脸检测，以得到人脸检测结果，所述人脸检测模型包括主任务分支网络和次任务分支网络，所述次任务分支网络包括第一次任务分支网络和第二次任务分支网络，所述人脸检测结果包括人脸三维角度结果、人脸关键点结果以及人脸口罩佩戴结果，包括：对待检测人脸图像数据进行特征提取处理，以得到人脸特征图；将人脸特征图输入至主任务分支网络进行处理，以得到含有人脸关键点信息的关键点特征图；将人脸特征图输入至次任务分支网络进行处理，以得到含有三维角度和口罩佩戴信息的混合特征图；将混合特征图输入至第一次任务分支网络进行处理，以得到含有人脸三维角度的三维角度特征图；将混合特征图输入至第二次任务分支网络进行处理，以得到含有人脸口罩佩戴情况的口罩佩戴特征图；将关键点特征图融合至三维角度特征图中，以得到融合特征图；对关键点特征图、口罩佩戴特征图和融合特征图分别进行特征结果提取，以分别得到人脸关键点结果、人脸口罩佩戴结果以及人脸三维角度结果。3.根据权利要求1所述的人脸属性检测方法，其特征在于，所述人脸关键点结果包括左眼、右眼、鼻子、左嘴角和右嘴角的坐标信息。4.根据权利要求1所述的人脸属性检测方法，其特征在于，所述人脸三维角度结果包括俯仰角、偏航角和翻滚角信息。5.根据权利要求1所述的人脸属性检测方法，其特征在于，所述人脸口罩佩戴结果包括佩戴口罩或者未佩戴口罩信息。6.根据权利要求1所述的人脸属性检测方法，其特征在于，所述主任务分支网络采用Wingloss损伤函数进行收敛，所述第一次任务分支网络采用L1loss损伤函数进行收敛，所述第二次任务分支网络采用CrossEntr opyLoss损伤函数进行收敛。7...

【专利技术属性】
技术研发人员：吴汉俊，魏玉蓉，苏云强，
申请(专利权)人：深圳市景阳科技股份有限公司，
类型：发明
国别省市：