[发明专利]人脸检测方法、装置、电子设备和人脸检测模型

说明书

本发明提供了一种人脸检测方法、装置、电子设备和人脸检测模型，属于图像检测技术领域。本发明提供的人脸检测方法、装置、电子设备和人脸检测模型，通过特征提取网络提取待检测图像的特征图，将特征图输入多任务分支网络。多任务分支网络包括并行的第一分类分支网络和第二分类分支网络，第一分类分支网络用于确定特征图中是否包含人脸，第二分类分支网络用于确定特征图中的人脸是否为活体人脸。结合第一分类分支网络输出的第一分类结果和第二分类分支网络输出的第二分类结果，确定待检测图像的人脸检测结果。因此，通过并行的第一分类分支网络和第二分类分支网络，可以同时进行人脸检测和活体检测，提高检测过程的整体效率。

技术领域

本发明属于图像检测技术领域，尤其是涉及一种人脸检测方法、装置、电子设备和人脸检测模型。

背景技术

随着电子设备的日益智能化，人脸检测(Face Detection)技术不仅广泛应用于安全访问和设备解锁等场景中，而且也应用于安防领域中的人脸闸机、城市安防系统等场景。在人脸检测技术的实际应用过程中，往往存在一些“假”人脸，比如海报、雕塑、卡通人脸等，这些“假”人脸不是所需要的人脸。因此人们希望在检测过程中过滤掉“假”人脸，例如，在刷脸支付过程中就需要避免“假”人脸的攻击。

现有技术中解决“假”人脸干扰或攻击的问题，一般采用活体检测技术，活体检测步骤通常在人脸检测步骤之后执行，基于人脸检测步骤输出的检测结果进行活体检测。但是，如果人脸检测步骤输出大量的“假”人脸，会增加活体检测步骤的负担，进而影响整个检测过程的效率。

发明内容

有鉴于此，本发明的目的在于提供一种人脸检测方法、装置、电子设备和人脸检测模型，可以同时进行人脸检测和活体检测，提高检测过程的整体效率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种人脸检测方法，包括：

通过特征提取网络提取待检测图像的特征图；

将所述特征图输入多任务分支网络，至少得到第一分类结果和第二分类结果；所述多任务分支网络至少包括并行的第一分类分支网络和第二分类分支网络；所述第一分类分支网络用于确定所述特征图中是否包含人脸，输出第一分类结果；所述第二分类分支网络用于确定所述特征图中的人脸是否为活体人脸，输出第二分类结果；

结合所述第一分类结果和所述第二分类结果，确定所述待检测图像的人脸检测结果。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述多任务分支网络还包括与所述第一分类分支网络和所述第二分类分支网络并行的回归分支网络；所述回归分支网络用于确定所述特征图中人脸的位置，输出包围所述人脸的人脸框的坐标；

将所述特征图输入多任务分支网络，至少得到第一分类结果和第二分类结果的步骤，包括：将所述特征图输入多任务分支网络，得到第一分类分支网络输出的第一分类结果、第二分类分支网络输出的第二分类结果和回归分支网络输出的人脸框的坐标；

结合所述第一分类结果和所述第二分类结果，确定所述待检测图像的人脸检测结果的步骤，包括：结合所述第一分类结果、第二分类结果和人脸框的坐标，确定所述待检测图像的人脸检测结果。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述特征提取网络包括残差网络和特征融合网络，所述残差网络和所述特征融合网络均采用金字塔网络结构；通过特征提取网络提取待检测图像的特征图的步骤，包括：

将所述待检测图像输入所述残差网络，得到所述残差网络输出的多个尺度的特征响应图；

将所述多个尺度的特征响应图输入所述特征融合网络，得到所述特征融合网络输出的多个尺度的特征图；所述特征融合网络包括多个网络层，每个所述网络层对应输入一种尺度的特征响应图，输出对应尺度的特征图。