本申请提供一种人脸检测方法
【技术实现步骤摘要】
一种人脸检测方法、装置、设备及存储介质
[0001]本申请涉及图像处理
,尤其涉及一种人脸检测方法
、
装置
、
设备及存储介质
。
技术介绍
[0002]随着计算机视觉的发展,人脸识别技术趋于成熟,人脸检测是人脸识别技术中首要步骤,其性能直接影响人脸识别的性能
。
随着智能监控系统建设的完善,基于监控视频图像的人脸检测技术正在飞速发展
。
然而在监控场景中,由于光照变化
、
拍摄距离与角度的原因,图像中的人脸较小,目标分辨率较低,图像的细节损失严重,从而使得人脸检测精度较低
。
技术实现思路
[0003]本申请实施例提供一种人脸检测方法
、
装置
、
设备及存储介质,以解决现有人脸检测方法中检测精度较低的问题
。
[0004]为了解决上述技术问题,本申请是这样实现的:
[0005]第一方面,本申请实施例提供了一种人脸检测方法,该方法包括
:
[0006]获取第一图像;
[0007]对所述第一图像进行人体检测,得到人体边框图像;
[0008]提取所述人体边框图像的第一上下文信息;
[0009]基于所述第一上下文信息,对所述人体边框图像进行人脸检测,得到人脸检测结果
。
[0010]可选地,所述对所述第一图像进行人体检测,得到人体边框图像,包括:
[0011]对所述第一图像进行多尺度人体特征提取和人体边框分类回归,得到人体边框图像
。
[0012]可选地,所述基于所述第一上下文信息,对所述人体边框图像进行人脸检测,得到人脸检测结果,包括:
[0013]基于第一上下文信息和所述人脸检测的过程中提取的第二上下文信息,对所述人体边框图像进行多尺度特征提取和人脸边框分类回归,得到人脸检测结果;
[0014]所述第二上下文信息为人脸的部分区域的上下文信息
。
[0015]可选地,所述第二上下文信息基于不同扩张率的空洞卷积得到
。
[0016]可选地,所述提取所述人体边框图的第一上下文信息,包括:
[0017]对所述人体边框图进行全局平均池化,得到所述第一上下文信息
。
[0018]第二方面,本申请实施例还提供一种人脸检测装置,该装置包括:
[0019]第一获取模块,用于获取第一图像;
[0020]第一检测模块,用于对所述第一图像进行人体检测,得到人体边框图像;
[0021]第一提取模块,用于提取所述人体边框图像的第一上下文信息;
[0022]第二检测模块,用于基于所述第一上下文信息,对所述人体边框图像进行人脸检测,得到人脸检测结果
。
[0023]可选地,所述第一检测模块,包括
[0024]第一检测单元,用于对所述第一图像进行多尺度人体特征提取和人体边框分类回归,得到人体边框图像
。
[0025]可选地,所述第二检测模块,包括:
[0026]第二检测单元,用于基于所述第一上下文信息和所述人脸检测的过程中提取的第二上下文信息,对所述人体边框图像进行多尺度特征提取和人脸边框分类回归,得到人脸检测结果;
[0027]所述第二上下文信息为人脸的部分区域的上下文信息
。
[0028]可选地,所述第二上下文信息基于不同扩张率的空洞卷积得到
。
[0029]可选地,所述第一提取模块,包括:
[0030]第一提取单元,用于对所述人体边框图进行全局平均池化,得到所述第一上下文信息
。
[0031]第三方面,本申请实施例还提供一种人脸检测设备,该设备包括收发机和处理器,所述收发机,用于:
[0032]获取第一图像;
[0033]所述处理器,用于:
[0034]对所述第一图像进行人体检测,得到人体边框图像;
[0035]提取所述人体边框图像的第一上下文信息;
[0036]基于所述第一上下文信息,对所述人体边框图像进行人脸检测,得到人脸检测结果
。
[0037]可选地,所述处理器,具体用于
:
[0038]对所述第一图像进行多尺度人体特征提取和人体边框分类回归,得到人体边框图像
。
[0039]可选地,所述处理器,具体用于:
[0040]基于第一上下文信息和所述人脸检测的过程中提取的第二上下文信息,对所述人体边框图像进行多尺度特征提取和人脸边框分类回归,得到人脸检测结果;
[0041]所述第二上下文信息为人脸的部分区域的上下文信息
。
[0042]可选地,所述第二上下文信息基于不同扩张率的空洞卷积得到
。
[0043]可选地,所述处理器,具体用于:
[0044]对所述人体边框图进行全局平均池化,得到所述第一上下文信息
。
[0045]第四方面,本申请实施例还提供一种电子设备,包括处理器
、
存储器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,所述计算机程序被所述处理器执行时实现上述的人脸检测方法的步骤
。
[0046]第五方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的人脸检测方法的步骤
。
[0047]本申请实施例的人脸检测方法,包括获取第一图像;对所述第一图像进行人体检
测,得到人体边框图像;提取所述人体边框图像的第一上下文信息;基于所述第一上下文信息,对所述人体边框图像进行人脸检测,得到人脸检测结果
。
该方法将人脸检测过程作为人体检测到人脸检测的过渡过程,能够有效过滤背景特征,减少背景影响,使得人脸检测技术更专注于人脸特征提取,并以人体边框图像的第一上下文信息为引导,进一步进行人脸检测,得到人脸检测的结果,有利于提高人脸检测的精度
。
附图说明
[0048]为了更清楚地说明本申请实施例的技术方案,下面将对本申请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性的前提下,还可以根据这些附图获得其他的附图
。
[0049]图1是本申请实施例提供的人脸检测方法的流程图;
[0050]图2是本申请实施例提供的人脸检测方法的示意图之一;
[0051]图3是本申请实施例提供的人脸检测方法的示意图之二;
[0052]图4是本申请一实施例提供的人脸检测装置的结构图;
[0053]图5是本申请一实施例提供的人脸检测设备的结构图
。
具体实施方式
[0054]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
...
【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,所述方法包括:获取第一图像;对所述第一图像进行人体检测,得到人体边框图像;提取所述人体边框图像的第一上下文信息;基于所述第一上下文信息,对所述人体边框图像进行人脸检测,得到人脸检测结果
。2.
根据权利要求1所述的人脸检测方法,其特征在于,所述对所述第一图像进行人体检测,得到人体边框图像,包括:对所述第一图像进行多尺度人体特征提取和人体边框分类回归,得到人体边框图像
。3.
根据权利要求1所述的人脸检测方法,其特征在于,所述基于所述第一上下文信息,对所述人体边框图像进行人脸检测,得到人脸检测结果,包括:基于所述第一上下文信息和所述人脸检测的过程中提取的第二上下文信息,对所述人体边框图像进行多尺度特征提取和人脸边框分类回归,得到人脸检测结果;所述第二上下文信息为人脸的部分区域的上下文信息
。4.
根据权利要求3所述的人脸检测方法,其特征在于,所述第二上下文信息基于不同扩张率的空洞卷积得到
。5.
根据权利要求1所述的人脸检测方法,其特征在于,所述提取所述人体边框图的第一上下文信息,包括:对所述人体边框图进行全局平均池化,得到所述第一上下文信息
。6.
一种人脸检测装置,其特征在于,所述装置包括:第一获取模块,用于获取第...
【专利技术属性】
技术研发人员:魏雅雪,
申请(专利权)人:中国移动通信集团有限公司,
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。