[发明专利]一种人脸检测方法及装置

权利要求书

1.一种人脸检测方法，其特征在于，所述方法包括：

将包含有人脸的图像输入到第一预设网络模型进行压缩，获得压缩特征；

将所述压缩特征输入到第二预设网络模型提取精特征，获得多个精特征；

将所述多个精特征输入到特征融合网络模型进行融合，获得多个融合特征；

将所述多个融合特征输入到区域候选网络模型提取候选框，获得多个候选框及所述多个候选框的概率；

若所述多个候选框的概率超过预设阈值，则将所述候选框的概率对应的候选框作为人脸检测的结果；

其中，所述特征融合网络模型包括：第七卷积层、第八卷积层、第九卷积层、第十卷积层、第十一卷积层和第十二卷积层；所述第七卷积层的输出端与所述第八卷积层连接，所述第九卷积层的输出端与所述第十卷积层连接，所述第十一卷积层的输出端与所述第十二卷积层连接，所述第八卷积层的输出端、所述第十卷积层的输出端和所述第十二卷积层的输出端均与所述区域候选网络模型连接；所述第七卷积层用于接收第一精特征，所述第九卷积层用于接收第二精特征，所述第十一卷积层用于接收第三精特征，所述第八卷积层和所述第十卷积层用于输出所述多个融合特征；

所述特征融合网络模型还包括第一上采样层；所述第一上采样层的输入端与所述第十一卷积层连接，所述第一上采样层的输出端与所述第十卷积层连接；所述第十卷积层用于将所述第九卷积层输出的所述第二精特征和第一上采样层输出的所述第三精特征进行融合；所述特征融合网络模型还包括第二上采样层；所述第二上采样层的输入端与所述第九卷积层连接，所述第二上采样层的输出端与所述第八卷积层连接，所述第八卷积层用于将所述第七卷积层输出的所述第一精特征和第二上采样层输出的所述第二精特征进行融合。

2.如权利要求1所述的方法，其特征在于，所述将包含有人脸的图像输入到第一预设网络模型进行压缩，获得压缩特征，包括：

将所述包含有人脸的图像输入到至少一个卷积层和至少一个池化层进行预设计算，获得压缩特征。

3.如权利要求2所述的方法，其特征在于，所述将所述包含有人脸的图像输入到至少一个卷积层和至少一个池化层进行预设计算，获得压缩特征，包括：

将所述包含有人脸的图像输入到第一卷积层进行第一卷积计算，获得第一卷积计算获得的特征；

将所述第一卷积计算获得的特征输入到第一池化层进行第一池化计算，获得第一池化计算获得的特征；

将所述第一池化计算获得的特征输入到第二卷积层进行第二卷积计算，获得第二卷积计算获得的特征，所述第一卷积层的卷积核尺寸与所述第二卷积层的卷积核尺寸不同；

将所述第二卷积计算获得的特征输入到第二池化层进行第二池化计算，获得第二池化计算获得的特征，将所述第二池化计算获得的特征作为压缩特征。

4.如权利要求1所述的方法，其特征在于，所述将所述压缩特征输入到第二预设网络模型提取精特征，获得多个精特征，包括：

将所述压缩特征输入到至少一个感知器进行预设运算，获得第一精特征；

将所述第一精特征输入到第一卷积块进行运算，获得第二精特征，所述第一卷积块包括至少一个卷积层；

将所述第二精特征输入到第二卷积块进行运算，获得和第三精特征，所述第二卷积块包括至少一个卷积层。

5.如权利要求4所述的方法，其特征在于，所述将所述压缩特征输入到至少一个感知器进行预设运算，获得第一精特征，包括：

将所述压缩特征输入到第一感知器进行运算，获得第一感知特征；

将所述第一感知特征输入到第二感知器进行运算，获得第二感知特征；

将所述第二感知特征输入到第三感知器进行运算，获得第三感知特征，将所述第三感知特征作为所述第一精特征。

6.如权利要求4所述的方法，其特征在于，所述将所述第一精特征输入到第一卷积块进行运算，获得第二精特征，包括：

将所述第一精特征输入到第三卷积层进行卷积运算，获得第三卷积计算获得的特征；

将所述第三卷积计算获得的特征输入到第四卷积层进行卷积运算，获得第四卷积计算获得的特征，将所述第四卷积计算获得的特征作为第二精特征，所述第三卷积层的卷积核尺寸与所述第四卷积层的卷积核尺寸不同。