人脸检测模型训练方法和装置制造方法及图纸

本申请涉及机器视觉领域，尤其涉及一种人脸检测模型训练方法和装置。一种人脸检测模型训练方法，所述方法包括：根据第一图像中标注的人脸关键点确定人脸关键点矩形框；根据所述人脸关键点矩形框以及预设的人脸矩形框，在所述第一图像中确定出目标正样本和目标负样本；根据所述目标正样本和所述目标负样本对人脸检测模型进行训练。本发明专利技术实施例在模型训练过程中，结合人脸关键点，尽可能得将包含人脸信息更多的图像区域作为目标正样本供人脸检测模型进行训练，以提高分类精度，降低误检概率。降低误检概率。降低误检概率。

【技术实现步骤摘要】
人脸检测模型训练方法和装置


[0001]本申请涉及机器视觉领域，尤其涉及一种人脸检测模型训练方法和装置。

技术介绍

[0002]在通过人脸检测模型执行人脸检测算法时，输出结果的准确度会与输入图像中的干扰因素相关。输入图像中的人物姿态、表情、肤色、亮度、遮挡、尺度变换等因素都会对识别结果造成影响。若要克服这些干扰因素所带来的影响，就需要更换算力更高的模型对这些干扰因素进行训练。
[0003]但是，由于终端设备性能要求以及硬件设备等客观条件的限制，部署于终端设备上的人脸检测模型往往需要使用轻量化的网络结构，很难在不增加计算量的前提下提高人脸检测的准确度。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种人脸检测模型训练方法和装置。基于标签分配策略为输入图像分配标签时，在通过人脸矩形框生成正样本的同时，还使用人脸关键点信息生成集中包含人脸信息的正样本，并以人脸关键点信息作为评价标准对生成的正样本进行筛选，以解决现有技术中无法准确获取人脸信息进行模型训练的问题。
[0005]第一方面，本专利技术实施例提供了一种人脸检测模型训练方法，所述方法包括：
[0006]根据第一图像中标注的人脸关键点确定人脸关键点矩形框；
[0007]根据所述人脸关键点矩形框以及预设的人脸矩形框，在所述第一图像中确定出目标正样本和目标负样本；
[0008]根据所述目标正样本和所述目标负样本对人脸检测模型进行训练。
[0009]可选的，所述根据所述人脸关键点矩形框以及预设的人脸矩形框，在所述第一图像中确定出目标正样本和目标负样本，包括：
[0010]确定所述人脸关键点矩形框的第一中心点，以及所述人脸矩形框的第二中心点；
[0011]根据所述第一中心点确定出所述第一图像的第一正样本和第一负样本，根据所述第二中心点确定出所述第一图像的第二正样本和第二负样本；
[0012]根据所述第一正样本和所述第二正样本确定出所述目标正样本，根据所述目标正样本确定出所述目标负样本。
[0013]可选的，所述根据所述第一中心点确定出所述第一图像的第一正样本和第一负样本，包括：
[0014]根据所述第一中心点在所述第一图像中的位置坐标，从所述第一图像的若干预设栅格中确定出所述第一中心点所位于的第一栅格；
[0015]确定为所述第一栅格预设的各预设锚框；
[0016]将所述各预设锚框中，与人脸矩形框间交集并集比IOU比例高于第一IOU阈值的至少一个锚框确定为第一锚框；
[0017]将所述第一锚框所对应的图像区域确定为所述第一正样本，将除所述第一锚框之外的其他锚框所对应的图像区域确定为所述第一负样本。
[0018]可选的，所述根据所述第一正样本和所述第二正样本确定出所述目标正样本，包括：
[0019]根据所述第一正样本和所述第二正样本对应的图像区域，在所述第一图像上确定出若干第二锚框；
[0020]将各所述第二锚框中，与人脸矩形框间IOU比例高于第二IOU阈值的至少一个锚框确定为第三锚框；
[0021]根据各所述第三锚框中包含所述人脸关键点的数量，从所述第三锚框中确定出第四锚框；
[0022]将所述第四锚框所对应的图像区域确定为所述目标正样本，将除所述第四锚框之外的其他锚框所对应的图像区域确定为所述目标负样本。
[0023]可选的，所述根据各所述第三锚框中包含所述人脸关键点的数量，从所述第三锚框中确定出第四锚框，包括：
[0024]根据第四锚框的需求数量，将全部所述第三锚框中，包含所述人脸关键点数量更多的第三锚框确定为所述第四锚框；
[0025]对于任意两个所包含人脸关键点数量相同的第三锚框，将IOU比例更高的第三锚框确定为所述第四锚框。
[0026]可选的，所述根据所述第一正样本和所述第二正样本确定出所述目标正样本，所述方法还包括：
[0027]将所述第一正样本和所述第二正样本共同确定为所述目标正样本。
[0028]可选的，所述根据所述目标正样本和所述目标负样本对人脸检测模型进行训练，包括：
[0029]当所述人脸检测模型包含特征金字塔FPN+PAN结构时，对FPN网络中的各网络层设置辅助检测头；
[0030]将所述目标正样本和所述目标负样本输入所述辅助检测头，获取辅助检测头预测结果；
[0031]根据所述辅助检测头预测结果监督所述人脸检测模型的分类任务。
[0032]第二方面，本专利技术实施例提供了一种人脸检测模型训练装置，包括：
[0033]第一确定模块，根据第一图像中标注的人脸关键点确定人脸关键点矩形框；
[0034]第二确定模块，根据所述人脸关键点矩形框以及预设的人脸矩形框，在所述第一图像中确定出目标正样本和目标负样本；
[0035]训练模块，根据所述目标正样本和所述目标负样本对人脸检测模型进行训练。
[0036]第三方面，本专利技术实施例提供了一种电子设备，包括：
[0037]至少一个处理器；以及
[0038]与所述处理器通信连接的至少一个存储器，其中：
[0039]所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如第一方面任一所述的方法。
[0040]第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储
介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行第一方面任一所述的方法。
[0041]通过上述方案，尽可能得将包含人脸信息更多的图像区域作为目标正样本供人脸检测模型进行训练，以提高分类精度，降低误检概率。
【附图说明】
[0042]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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它的附图。
[0043]图1为本专利技术实施例提供的一种人脸检测模型训练方法的流程图；
[0044]图2为本专利技术实施例提供的一种第一图像的示意图；
[0045]图3为本专利技术实施例提供的另一种第一图像的示意图；
[0046]图4为本专利技术实施例提供的一种人脸检测模型训练装置的结构示意图；
[0047]图5为本专利技术实施例提供的一种电子设备的结构示意图。
【具体实施方式】
[0048]为了更好的理解本专利技术的技术方案，下面结合附图对本专利技术实施例进行详细描述。
[0049]应当明确，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0050]人脸检测算法是目标检测中的一种。将一张图像输入到人脸检测模型中时，人脸检测模型会通过执行分类任务确定输入的图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸检测模型训练方法，其特征在于，所述方法包括：根据第一图像中标注的人脸关键点确定人脸关键点矩形框；根据所述人脸关键点矩形框以及预设的人脸矩形框，在所述第一图像中确定出目标正样本和目标负样本；根据所述目标正样本和所述目标负样本对人脸检测模型进行训练。2.根据权利要求1所述的方法，其特征在于，所述根据所述人脸关键点矩形框以及预设的人脸矩形框，在所述第一图像中确定出目标正样本和目标负样本，包括：确定所述人脸关键点矩形框的第一中心点，以及所述人脸矩形框的第二中心点；根据所述第一中心点确定出所述第一图像的第一正样本和第一负样本，根据所述第二中心点确定出所述第一图像的第二正样本和第二负样本；根据所述第一正样本和所述第二正样本确定出所述目标正样本，根据所述目标正样本确定出所述目标负样本。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一中心点确定出所述第一图像的第一正样本和第一负样本，包括：根据所述第一中心点在所述第一图像中的位置坐标，从所述第一图像的若干预设栅格中确定出所述第一中心点所位于的第一栅格；确定为所述第一栅格预设的各预设锚框；将所述各预设锚框中，与人脸矩形框间交集并集比IOU比例高于第一IOU阈值的至少一个锚框确定为第一锚框；将所述第一锚框所对应的图像区域确定为所述第一正样本，将除所述第一锚框之外的其他锚框所对应的图像区域确定为所述第一负样本。4.根据权利要求2所述的方法，其特征在于，所述根据所述第一正样本和所述第二正样本确定出所述目标正样本，包括：根据所述第一正样本和所述第二正样本对应的图像区域，在所述第一图像上确定出若干第二锚框；将各所述第二锚框中，与人脸矩形框间IOU比例高于第二IOU阈值的至少一个锚框确定为第三锚框；根据各所述第三锚框中包含所述人脸关键点的数量，从所述第三锚框中确定出第四锚框；将所述第四锚框所对应的图像区域确定为所述目标正样本，将除所述...

【专利技术属性】
技术研发人员：石铭宽，刘千顺，
申请(专利权)人：展讯通信天津有限公司，
类型：发明
国别省市：