[发明专利]人脸检测方法、装置、计算机设备和存储介质在审

专利信息
申请号: 201911301011.2 申请日: 2019-12-17
公开(公告)号: CN111062324A 公开(公告)日: 2020-04-24
发明(设计)人: 周康明;曹磊磊 申请(专利权)人: 上海眼控科技股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 姜晓云
地址: 200030 上海市徐汇*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 检测 方法 装置 计算机 设备 存储 介质
【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:

获取待检测图像,提取所述待检测图像的人脸特征,并对所提取的人脸特征进行特征融合,得到人脸融合特征;

按照预设的感受野特征提取参数,对所述人脸融合特征进行多个尺度的感受野特征提取,得到对应各尺度的感受野特征;

对所述各尺度的感受野特征进行池化处理,生成对应所述人脸融合特征的人脸输出特征;

对所述人脸输出特征进行回归检测,得到所述待检测图像中人脸的检测结果。

2.根据权利要求1所述的方法,其特征在于,所述按照预设的感受野特征提取参数,对所述人脸融合特征进行多个尺度的感受野特征提取,得到对应各尺度的感受野特征,包括:

将所述人脸融合特征分别输入各个由不同感受野特征提取参数确定的卷积层中,进行感受野特征提取;

分别对各卷积层输出的特征提取结果进行归一化处理,得到归一化后的特征提取结果;

基于预设的映射方式,对各所述归一化后的特征提取结果进行非线性映射,得到所述对应各尺度的感受野特征。

3.根据权利要求1所述的方法,其特征在于,所述按照预设的感受野特征提取参数,对所述人脸融合特征进行多个尺度的感受野特征提取,得到对应各尺度的感受野特征,包括:

获取用于提取感受野特征的卷积核参数;

获取对应各不同尺度感受野的卷积核膨胀系数;

基于所述卷积核参数以及各所述卷积核膨胀系数确定各卷积层,并根据所确定的各所述卷积层分别对所述人脸融合特征进行感受野特征的提取,生成多个尺度的感受野特征。

4.根据权利要求3所述的方法,其特征在于,所述根据所确定的各所述卷积层分别对所述人脸融合特征进行感受野特征的提取,生成多个尺度的感受野特征,包括:

根据所确定的各所述卷积层,并行对所述人脸融合特征进行感受野特征的提取,生成多个尺度的感受野特征。

5.根据权利要求1所述的方法,其特征在于,所述对所述各尺度的感受野特征进行池化处理,生成对应所述人脸融合特征的人脸输出特征,包括:

计算多个尺度的感受野特征的平均值,作为所述人脸输出特征。

6.一种人脸检测装置,其特征在于,包括:

融合特征生成模块,用于获取待检测图像,提取所述待检测图像的人脸特征,并对所提取的人脸特征进行特征融合,得到人脸融合特征;

感受野特征提取模块,用于按照预设的感受野特征提取参数,对所述人脸融合特征进行多个尺度的感受野特征提取,得到对应各尺度的感受野特征;

池化处理模块,用于对所述各尺度的感受野特征进行池化处理,生成对应所述人脸融合特征的人脸输出特征;

回归检测模块,用于对所述人脸输出特征进行回归检测,得到所述待检测图像中人脸的检测结果。

7.根据权利要求6所述的装置,其特征在于,所述感受野特征提取模块,包括:

第一感受野特征提取子模块,用于将所述人脸融合特征分别输入各个由不同感受野特征提取参数确定的卷积层中,进行感受野特征提取;

归一化处理子模块,用于分别对各卷积层输出的特征提取结果进行归一化处理,得到归一化后的特征提取结果;

非线性映射子模块,用于基于预设的映射方式,对各所述归一化后的特征提取结果进行非线性映射,得到所述对应各尺度的感受野特征。

8.根据权利要求6所述的装置,其特征在于,所述感受野特征提取模块,包括:

卷积核参数获取子模块,用于获取用于提取感受野特征的卷积核参数;

卷积核膨胀系数获取子模块,用于获取对应各不同尺度感受野的卷积核膨胀系数;

第二感受野特征提取子模块,基于所述卷积核参数以及各所述卷积核膨胀系数确定各卷积层,并根据所确定的各所述卷积层分别对所述人脸融合特征进行感受野特征的提取,生成多个尺度的感受野特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海眼控科技股份有限公司,未经上海眼控科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911301011.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top