一种人脸检测方法技术

本申请公开了一种人脸检测方法

【技术实现步骤摘要】
一种人脸检测方法、系统以及相关装置


[0001]本申请涉及人脸识别
，特别是涉及一种人脸检测方法
、
系统以及相关装置
。

技术介绍

[0002]随着智能化水平的不断提高，日常生活中越来越多需求的实现依赖于智能设备对人脸的检测
。
然而，在实际应用中，由于人物处于实时运动的复杂状态
、
且智能设备存在处理能力有限等问题，导致智能设备对人脸进行检测的效率和准确性较低
。
有鉴于此，如何提出一种算力资源消耗较少且检测的准确性较高的人脸检测方法成为亟待解决的问题
。

技术实现思路

[0003]本申请主要解决的技术问题是提供一种人脸检测方法
、
系统以及相关装置，能够提高人脸检测的效率和准确性
。
[0004]为解决上述技术问题，本申请采用的一个技术方案是：提供一种人脸检测方法，包括：获取待检测图像；对所述待检测图像进行人脸检测，获得所述待检测图像的大尺度人脸检测结果和小尺度检测结果；其中，所述小尺度人脸检测结果中包含的小尺度候选人脸占所述待检测图像的比值小于第一数值，所述大尺度人脸检测结果中包含的大尺度候选人脸占所述待检测图像的比值大于第二数值；基于所述小尺度人脸检测结果和所述大尺度人脸检测结果，获得所述待检测图像中的目标人脸
。
[0005]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种人脸检测系统，包括：获取模块，用于获取待检测图像；检测模块，用于对所述待检测图像进行人脸检测，获得所述待检测图像的大尺度人脸检测结果和小尺度人脸检测结果；其中，所述小尺度人脸检测结果中包含的人脸检测区域占所述待检测图像的比值小于第一数值，所述大尺度人脸检测结果中包含的人脸检测区域占所述待检测图像的比值大于第一数值；处理模块，用于基于所述小尺度人脸检测结果和所述大尺度人脸检测结果，获得所述待检测图像中的目标人脸
。
[0006]为解决上述技术问题，本申请采用的又一个技术方案是：提供一种电子设备，包括：相互耦接的存储器和处理器，所述存储器存储有程序数据，所述处理器调用所述程序数据以执行上述技术方案中提到的所述的人脸检测方法
。
[0007]为解决上述技术问题，本申请采用的又一个技术方案是：提供一种计算机可读存储介质，其上存储有程序数据，所述程序数据被处理器执行时实现上述技术方案中提到的所述人脸检测方法
。
[0008]本申请的有益效果是：区别于现有技术的情况，本申请提出的一种人脸检测方法通过分别获得对待检测图像的大尺度人脸检测结果和小尺度人脸检测结果，再根据大尺度人脸检测结果和小尺度人脸检测结果得到待检测图像中的目标人脸；即针对待测图像中不同尺度的人脸分别进行检测，从而降低了直接对待检测图像进行人脸检测的复杂度，在提
高检测效率的同时，也提高了检测的准确性
。
附图说明
[0009]为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，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
。
其中：
[0010]图1是本申请人脸检测方法一实施方式的流程示意图；
[0011]图2是步骤
S102
对应一实施方式的流程示意图；
[0012]图3是本申请检测模型一实施方式的示意图；
[0013]图4是步骤
S202
对应一实施方式的流程示意图；
[0014]图5是步骤
S203
对应一实施方式的流程示意图；
[0015]图6是本申请检测模型训练方法对应一实施方式的流程示意图；
[0016]图7是本申请人脸检测系统一实施方式的结构示意图；
[0017]图8是本申请电子设备一实施方式的结构示意图；
[0018]图9是本申请计算机可读存储介质一实施方式的结构示意图
。
具体实施方式
[0019]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例
。
基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0020]请参阅图1，图1是本申请人脸检测方法一实施方式的流程示意图，该方法包括：
[0021]S101
：获取待检测图像
。
[0022]在一实施方式中，步骤
S101
包括：获取需要进行人脸检测的待检测图像
。
[0023]在一实施场景中，上述待检测图像可以是摄像设备实时采集到的图像，且该待检测图像中包含至少一个人物的面部区域
。
或者，上述待检测图像也可以为通过网络或其他方式获得的包含人物的面部区域的图像
。
[0024]S102
：对待检测图像进行人脸检测，获得待检测图像的大尺度人脸检测结果和小尺度人脸检测结果
。
其中，小尺度人脸检测结果中包含的人脸检测区域占待检测图像的比值小于第一数值，大尺度人脸检测结果中包含的人脸检测区域占待检测图像的比值大于或等于第二数值
。
[0025]在一实施方式中，根据尺度大小，将图像中的人脸区域划分为大尺度人脸和小尺度人脸
。
即获取人脸区域的面积与其所在图像面积的比值；或者，获取人脸区域的分辨率与其所在图像的分辨率的比值
。
响应于该比值小于第一数值，则对应的人脸区域为小尺度人脸；响应于该比值大于或等于第二数值，则对应的人脸区域为大尺度人脸
。
其中，第一数值可以与第二数值相同；例如，都为
1/5。
[0026]可选地，第二数值也可以略小于第一数值，例如，第一数值为
1/5
，第二数值为
1/6。
当第二数值略小于第一数值时，若上述比值小于第一数值且大于或等于第二数值，则该比
值对应的人脸区域为临界尺度，即对应的人脸区域既可以作为大尺度人脸也可以作为小尺度人脸
。
[0027]进一步地，步骤
S102
包括：对待检测图像分别进行大尺度人脸检测和小尺度人脸检测，以得到对应的大尺度人脸检测结果和小尺度人脸检测结果
。
[0028]在一实施场景中，将得到的待检测图像输入至训练后的检测模型中，以使得检测模型中的大尺度人脸检测子模型对该待检测图像进行大尺度人脸检测，得到对应的大尺度人脸检测结果；以及，使得检测模型中的小尺度人脸检测子模型对该待检测图像进行小尺度人脸检测，得到对应的小尺度人脸检测结果，具体实施过程在后续实施方式中进行详细说明...

【技术保护点】

【技术特征摘要】
1.
一种人脸检测方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行人脸检测，获得所述待检测图像的大尺度人脸检测结果和小尺度人脸检测结果；其中，所述小尺度人脸检测结果中包含的小尺度候选人脸占所述待检测图像的比值小于第一数值，所述大尺度人脸检测结果中包含的大尺度候选人脸占所述待检测图像的比值大于或等于第二数值；基于所述小尺度人脸检测结果和所述大尺度人脸检测结果，获得所述待检测图像中的目标人脸
。2.
根据权利要求1所述的方法，其特征在于，所述对所述待检测图像进行人脸检测，获得所述待检测图像的大尺度人脸检测结果和小尺度人脸检测结果，包括：将所述待检测图像输入至共享子模型中，得到所述待检测图像的初始特征；将所述初始特征输入至大尺度人脸检测子模型中，得到所述大尺度人脸检测结果；以及，将所述初始特征输入至小尺度人脸检测子模型中，得到所述小尺度人脸检测结果；其中，所述共享子模型
、
所述大尺度人脸检测子模型和所述大尺度人脸检测子模型组成检测模型，所述检测模型基于多个训练样本训练得到，所述训练样本至少包含标注的人脸区域
。3.
根据权利要求2所述的方法，其特征在于，所述大尺度人脸检测子模型包括第一特征提取网络和大尺度人脸检测网络，所述将所述初始特征输入至大尺度人脸检测子模型中，得到所述大尺度人脸检测结果，包括：将所述初始特征输入至所述第一特征提取网络，得到多个维度下的大尺度人脸特征；将当前维度以及下一维度分别对应的所述大尺度人脸特征进行特征融合，得到多个融合特征；将每个所述融合特征输入至所述大尺度人脸检测网络，得到每个所述融合特征对应的大尺度人脸参考结果；其中，所述大尺度人脸参考结果包括检测到的大尺度候选人脸以及所述大尺度候选人脸的第一置信度；基于所有所述融合特征对应的所述大尺度人脸参考结果，得到所述大尺度人脸检测结果
。4.
根据权利要求3所述的方法，其特征在于，所述大尺度人脸检测子模型还包括关键点检测网络，所述将当前维度以及下一维度分别对应的所述大尺度人脸特征进行特征融合，得到多个融合特征之后，包括：将每个所述融合特征输入至所述关键点检测网络，得到至少部分预测关键点以及所述预测关键点的可见性信息；其中，所述大尺度人脸参考结果还包括所述预测关键点和所述可见性信息
。5.
根据权利要求2所述的方法，其特征在于，所述小尺度人脸检测子模型包括人形检测网络
、
人脸特征提取网络和小尺度人脸...

【专利技术属性】
技术研发人员：吴子扬，黄启东，孙建伟，王海坤，周正友，吴江照，胡国平，
申请(专利权)人：合肥智能语音创新发展有限公司，
类型：发明
国别省市：