人脸检测方法、装置、设备及计算机可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110210457A(43)申请公布日2019.09.06(21)申请号201910530857.7(22)申请日2019.06.18(71)申请人广州杰赛科技股份有限公司地址510310广东省广州市海珠区新港中路381号(72)发明人杜翠凤刘丽娴(74)专利代理机构广州三环专利商标代理有限公司44202代理人黄诗彬郝传鑫(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)权利要求书2页说明书8页附图1页(54)发明名称人脸检测方法、装置、设备及计算机可读存储介质(57)摘要本发明公开了一种人脸检测方法、装置、设备及计算机可读存储介质，所述方法包括：根据接收到的图像，通过全卷积神经网络，获取图像的人脸区域；对人脸区域进行选择性搜索，获得深层人脸框特征；对深层人脸框特征进行二值化处理，从所有人脸区域中定位出框选人脸轮廓的人脸候选区域；根据人脸候选区域，通过预先构建的图像金字塔模型，获取若干个不同尺寸的人脸候选框；根据人脸候选框，通过联级神经网络，获取人脸检测结果，通过上述方法能够有效避免小人脸的漏检，采用级联神经网络逐层精细的方式计算人脸框的位置，提高人脸检测的准确性。CN110210457ACN110210457A权利要求书1/2页1.一种人脸检测方法，其特征在于，包括以下步骤：根据接收到的图像，通过全卷积神经网络，获取所述图像的人脸区域；对所述人脸区域进行选择性搜索，获得深层人脸框特征；对所述深层人脸框特征进行二值化处理，从所有人脸区域中定位出框选人脸轮廓的人脸候选区域；根据所述人脸候选区域，通过预先构建的图像金字塔模型，获取若干个不同尺寸的人脸候选框；根据所述人脸候选框，通过联级神经网络，获取人脸检测结果。2.如权利要求1所述的人脸检测方法，其特征在于，所述根据接收到的图像，通过全卷积神经网络，获取所述图像的人脸区域，具体包括：将接收到的图像输入到所述全卷积神经网络，获得若干个热度图；对所述热度图进行上采样和反卷积处理，获得融合后的热度图；根据融合后的热度图，提取人脸区域。3.如权利要求1所述的人脸检测方法，其特征在于，所述对所述深层人脸框特征进行二值化处理，从所有人脸区域中定位出框选完整人脸轮廓的人脸候选区域，具体包括：对所述深层人脸框特征进行二值化处理；根据预设的阈值对二值化处理后的深层人脸框特征进行人脸判断，剔除非人脸的人脸候选区域，获得框选完整人脸轮廓的人脸候选区域。4.如权利要求1所述的人脸检测方法，其特征在于，所述根据所述人脸候选框，通过联级神经网络，获取人脸检测结果，具体包括：将所有人脸候选框缩放至第一预设尺寸，并通过所述联级神经网络的第一层卷积神经网络对第一预设尺寸的人脸候选框进行边框回归，获得第一边框回归结果；将所有人脸候选框缩放至第二预设尺寸，并通过所述联级神经网络的第二层卷积神经网络对第二预设尺寸的人脸候选框和所述第一边框回归结果进行边框回归，获得第二边框回归结果；将所有人脸候选框缩放至第三预设尺寸，并通过所述联级神经网络的第三层卷积神经网络中对第三预设尺寸的人脸候选框、所述第一边框回归结果和所述第二边框回归结果进行边框回归，获得第三边框回归结果；根据所述第一边框回归结果、第二边框回归结果以及第三边框回归结果，得到人脸检测结果。5.如权利要求4所述的人脸检测方法，其特征在于，所述根据所述第一边框回归结果、第二边框回归结果以及第三边框回归结果，得到人脸检测结果，具体包括：对所述第一边框回归结果、第二边框回归结果和第三边框回归结果进行加权平均处理，得到所述人脸检测结果。6.如权利要求4所述的人脸检测方法，其特征在于，所述第一预设尺寸为12×12，所述第一层卷积神经网络为12维卷积神经网络；所述第二预设尺寸为24×24，所述第二层卷积神经网络为24维卷积神经网络；所述第二预设尺寸为48×48，所述第三层卷积神经网络为48维卷积神经网络。7.一种人脸检测装置，其特征在于，包括：2CN110210457A权利要求书2/2页人脸区域获取模块，用于根据接收到的图像，通过全卷积神经网络，获取所述图像的人脸区域；人脸搜索模块，用于对所述人脸区域进行选择性搜索，获得深层人脸框特征；二值化处理模块，用于对所述深层人脸框特征进行二值化处理，从所有人脸区域中定位出框选人脸轮廓的人脸候选区域；人脸候选框获取模块，用于根据所述人脸候选区域，通过预先构建的图像金字塔模型，获取若干个不同尺寸的人脸候选框；人脸预测模块，用于根据所述人脸候选框，通过联级神经网络，获取人脸检测结果。8.如权利要求7所述的人脸检测装置，其特征在于，所述人脸区域获取模块包括：热度图生成单元，用于将接收到的图像输入到所述全卷积神经网络，获得若干个热