[发明专利]一种图像检测方法及装置

权利要求书

1.一种图像检测方法，其特征在于，包括：

获取待检测图像；

使用第一级联卷积神经网络检测所述待检测图像中人脸的位置；

所述第一级联卷积神经网络为根据第二级联卷积神经网络训练得到的级联卷积神经网络，所述第一级联卷积神经网络和所述第二级联卷积神经网络均由M个卷积神经网络级联而成，所述第一级联卷积神经网络的复杂度小于所述第二级联卷积神经网络的复杂度，所述M为大于或等于3的整数。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练数据，所述训练数据包括图像片段集以及所述图像片段集中每个图像片段的第一人脸标签和第一位置标签；

将第一图像片段输入第二级联卷积神经网络，得到第二人脸标签，所述第一图像片段为所述图像片段集的任一图像片段，所述第二级联卷积神经网络是训练好的级联卷积神经网络；

将所述第一图像片段输入待训练级联卷积神经网络，得到第三人脸标签和第二位置标签；

根据所述第一人脸标签、所述第二人脸标签、所述第三人脸标签、所述第一位置标签和所述第二位置标签，计算总损失；

根据所述总损失优化所述待训练级联卷积神经网络的参数，得到所述第一级联卷积神经网络。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一人脸标签、所述第二人脸标签、所述第三人脸标签、所述第一位置标签和所述第二位置标签，计算总损失包括：

根据所述第一人脸标签、所述第二人脸标签和所述第三人脸标签，计算分类损失；

根据所述第一位置标签和所述第二位置标签，计算回归损失；

根据所述分类损失和所述回归损失，计算总损失。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一人脸标签、所述第二人脸标签和所述第三人脸标签，计算分类损失包括：

根据所述第一人脸标签和所述第三人脸标签，计算第一分类损失；

根据所述第二人脸标签和所述第三人脸标签，计算第二分类损失；

根据所述第一分类损失和所述第二分类损失，计算分类损失。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一人脸标签和所述第三人脸标签，计算第一分类损失包括：

根据所述第一人脸标签和所述待训练级联卷积神经网络中第i个卷积神经网络输出的人脸标签，计算第i1分类损失，所述i为大于0且小于M+1的整数；

所述根据所述第二人脸标签和所述第三人脸标签，计算第二分类损失包括：

根据所述第二级联卷积神经网络中第i个卷积神经网络输出的人脸标签和所述待训练级联卷积神经网络中第i个卷积神经网络输出的人脸标签，计算第i2分类损失；

所述根据所述第一分类损失和所述第二分类损失，计算分类损失包括：

根据所述第i1分类损失和所述第i2分类损失，计算第i分类损失。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第一位置标签和所述第二位置标签，计算回归损失包括：

根据所述第一位置标签和所述待训练级联卷积神经网络中第i个卷积神经网络输出的位置标签，计算第i回归损失；

所述根据所述分类损失和所述回归损失，计算总损失包括：

根据所述第i分类损失和所述第i回归损失，计算第i损失；

所述根据所述总损失优化所述待训练级联卷积神经网络的参数，得到所述第一级联卷积神经网络包括：

根据所述第i损失优化所述待训练级联卷积神经网络中第i个卷积神经网络的参数，得到所述第一级联卷积神经网络。

7.一种图像检测装置，其特征在于，包括：

第一获取单元，用于获取待检测图像；

检测单元，用于使用第一级联卷积神经网络检测所述获取单元获取的待检测图像中人脸的位置；

所述第一级联卷积神经网络为根据第二级联卷积神经网络训练得到的级联卷积神经网络，所述第一级联卷积神经网络和所述第二级联卷积神经网络均由M个卷积神经网络级联而成，所述第一级联卷积神经网络的复杂度小于所述第二级联卷积神经网络的复杂度，所述M为大于或等于3的整数。