[发明专利]人脸检测方法、卷积神经网络参数的训练方法、装置及介质

说明书

本发明公开了一种人脸检测方法，该人脸检测方法包括：获取待检测图像；将所述待检测图像输入至训练得到的卷积神经网络，识别所述待检测图像中是否包含人脸并对人脸姿态进行估计，其中训练所述卷积神经网络的训练样本集中的训练样本图像包括人脸的位置数据及姿态数据；输出所述待检测图像是否包含人脸的检测结果；若所述待检测图像包含人脸，输出所述待检测图像中人脸的姿态信息。本发明还公开了一种人脸检测装置、卷积神经网络参数的训练方法、计算机装置和计算机可读存储介质。本发明可以在人脸检测时，同步估计人脸姿态，进而提高人脸识别的效率。

技术领域

本发明涉及图像识别技术领域，具体涉及一种人脸检测方法、卷积神经网络参数的训练方法、装置及介质。

背景技术

随着信息技术的发展，人脸识别技术的应用逐渐广泛，在教育、交通、金融等各领域，通过人脸识别技术，能够帮助人们解决很多现实问题。人脸识别技术的基础是人脸检测技术，人脸检测的准确率以及人脸姿态的变化都会对人脸识别的准确率等方面产生重大的影响。

现有的人脸识别技术中，一般先通过人脸检测算法检测图片中的人脸，然后判断所截取的人脸图片的姿态，然后筛选姿态合适的图片用于人脸识别。但这需要重复计算图片的向量特征，耗时较多，进而降低人脸识别的效率。

发明内容

鉴于此，有必要提供一种人脸检测方法及装置、卷积神经网络参数的训练方法、计算机装置和计算机可读存储介质，能够在人脸检测时，同步估计人脸姿态，进而提高人脸识别的效率。

本发明一方面提供了一种人脸检测方法，所述人脸检测方法包括：

所述方法包括：

获取待检测图像；

将所述待检测图像输入至训练得到的卷积神经网络，识别所述待检测图像中是否包含人脸并对人脸姿态进行估计，其中训练所述卷积神经网络的训练样本集中的训练样本图像包括人脸的位置数据及姿态数据；

若所述待检测图像包含人脸，输出所述待检测图像中人脸的姿态信息。

可选地，所述人脸检测方法还包括：

通过用于训练的卷积神经网络模型的卷积层提取训练样本图像的特征，得到特征图，所述特征图由若干特征单元组成；

根据所述训练样本图像中人脸的位置数据和聚类算法获取所述若干特征单元中每一特征单元的锚框。

可选地，所述根据所述训练样本图像中人脸的位置数据和聚类算法获取所述若干特征单元中每一特征单元的锚框，包括：

初始化特征单元的待确定锚框的长和宽；

计算所述待确定锚框与所述训练样本图像的位置数据所确定的标准框的交集与并集的比值，根据所述比值确定聚类算法中的距离参数；

迭代所述待确定锚框的长和宽，获取所述聚类算法对应的迭代结束条件到达时所述待确定锚框的长和宽，得到所述特征单元的锚框。

可选地，所述人脸检测方法还包括：

根据预设损失函数和训练算法训练预设卷积神经网络模型，获得所述预设卷积神经网络模型的网络参数的值，得到所述训练得到的卷积神经网络，所述预设损失函数用于计算训练样本图像中人脸存在与否的损失、训练样本图像中人脸姿态的损失以及训练样本图像中人脸的位置数据所确定的区域的偏置量的损失。

可选地，所述人脸检测方法还包括：

根据所述训练得到的卷积神经网络获取所述待检测图像中人脸的位置数据；

若所述人脸的位置数据包含至少两组位置数据，通过非极大值抑制算法获取所述待检测图像中人脸的准确位置；

输出所述待检测图像中人脸在所述准确位置时的人脸姿态信息。