[发明专利]人脸检测方法及装置有效
申请号: | 201710079126.6 | 申请日: | 2017-02-14 |
公开(公告)号: | CN106951826B | 公开(公告)日: | 2019-09-20 |
发明(设计)人: | 王生进;舒晗 | 申请(专利权)人: | 清华大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 汤财宝 |
地址: | 100084 北京市海*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 方法 装置 | ||
本发明提供一种人脸检测方法及装置,属于图像识别技术领域。该方法包括:获取原始图像中人脸校正候选区域的位置响应特征图;对位置响应特征图进行划分,得到相应数量的方格,并按照每一方格所处的位置,区分所有方格的方格类型;按照每种方格类型对应的人脸检测贡献程度,确定每种方格类型对应的权重;基于每一方格对应的特征向量及权重,计算人脸校正候选区域对应的区域特征向量;基于区域特征向量,输出原始图像中最终包含人脸的区域。由于为位置响应特征图中不同方格类型引入了不同人脸部位的权重,从而能够减少复杂场景下外在条件对对检测结果的影响。因此,人脸检测的准确率较高,且提高了人脸检测的适用性。
技术领域
本发明涉及图像识别技术领域,更具体地,涉及一种人脸检测方法及装置。
背景技术
近年来,人脸检测技术已经广泛应用到了身份辨认、账户注册、金融支付及安全防控等诸多领域。人脸检测技术,即检测出一张图片或一段视频中人脸的位置。现有的人脸检测方法主要是基于Haar特征和Adaboost分类器进行人脸检测,即先确定原始图像中的人脸候选区域,在人脸候选区域中计算若干个矩形特征,训练出与这些矩形特征对应的弱分类器。接着,让每一候选区域逐级通过弱分类器,如果置信度低于阈值,则不再进行下一步判断并将该候选区域作为非人脸区域。反之,通过所有弱分类器的候选区域会被作为人脸区域。其中,原始图像为包含人脸的待检测图像。
在实现本发明的过程中,发现现有技术至少存在以下问题:由于于Haar特征表征能力较弱,而人脸检测的应用场景逐渐趋于复杂多变,基于Haar特征的人脸检测过程并不能满足复杂场景的应用需求,从而在复杂应用场景下人脸检测的准确率较低。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的人脸检测方法及装置。
根据本发明的一方面,提供了一种人脸检测方法,该方法包括:
获取原始图像中人脸校正候选区域的位置响应特征图,位置响应特征图中不同区域对应人脸的不同部位;
对位置响应特征图进行划分,得到相应数量的方格,并按照每一方格所处的位置,区分所有方格的方格类型;
按照每种方格类型对应的人脸检测贡献程度,确定每种方格类型对应的权重;
基于每一方格对应的特征向量及权重,计算人脸校正候选区域对应的区域特征向量,区域特征向量与特征向量的长度一致;
基于区域特征向量,输出原始图像中最终包含人脸的区域。
根据本发明的另一方面,提供了一种人脸检测装置,该装置包括:
获取模块,用于获取原始图像中人脸校正候选区域的位置响应特征图,位置响应特征图中不同区域对应人脸的不同部位;
划分模块,用于对位置响应特征图进行划分,得到相应数量的方格,并按照每一方格所处的位置,区分所有方格的方格类型;
确定模块,用于按照每种方格类型对应的人脸检测贡献程度,确定每种方格类型对应的权重;
计算模块,用于基于每一方格对应的特征向量及权重,计算人脸校正候选区域对应的区域特征向量,区域特征向量与特征向量的长度一致;
输出模块,用于基于区域特征向量,输出原始图像中最终包含人脸的区域。
本申请提出的技术方案带来的有益效果是:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710079126.6/2.html,转载请声明来源钻瓜专利网。