[发明专利]一种人脸检测方法及装置

说明书

本申请提供一种人脸检测方法及装置，用于解决现有技术中在图像中不同的明暗、遮挡、模糊、甚至人脸很小的情况下，检测效果不理想的问题。该人脸检测方法包括：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，获得多个候选框及多个候选框的概率；若多个候选框的概率超过预设阈值，则将候选框的概率对应的候选框作为人脸检测的结果。

技术领域

本申请涉及图像识别的技术领域，尤其涉及一种人脸检测方法及装置。

背景技术

人脸检测是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回一脸的位置、大小和姿态。

目前在具体的实施过程中，基于深度学习的人脸检测技术，目前很多深度学习模型在人脸检测数据集上的表现都已经很不错，但实际使用过程中，图像背景却千变万化，且人脸也会因不同场景呈现不同的明暗、遮挡、模糊、甚至人脸很小。对于这些特殊的场景，目前的人脸检测技术表现并不是很好，检测效果不理想。因此，现有技术中存在着在图像中不同的明暗、遮挡、模糊、甚至人脸很小的情况下，检测效果不理想的问题。

发明内容

有鉴于此，本申请提供一种人脸检测方法及装置，用于解决现有技术中在图像中不同的明暗、遮挡、模糊、甚至人脸很小的情况下，检测效果不理想的问题。

本申请实施例提供了的一种人脸检测方法，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。

可选地，在本申请实施例中，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。

可选地，在本申请实施例中，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。

可选地，在本申请实施例中，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。

可选地，在本申请实施例中，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。