[发明专利]人脸检测方法、装置、设备和存储介质

权利要求书

1.一种人脸检测方法，其特征在于，包括：

对输入图片进行预处理，获取预处理后的图片，其中，所述输入图片为标注有边框的图片，所述预处理包括灰度化，裁剪；

对所述预处理后的图片进行卷积，获取特征金字塔，其中，所述特征金字塔包括根据所述卷积依次获取的所有特征图；

根据所述特征金字塔中的每个特征对所述边框进行回归；

根据所述回归结果对预先搭建的检测网络进行训练；

根据训练好的检测网络获取测试图片的人脸检测结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述特征金字塔中的每个特征对所述边框进行回归，包括：

将所述特征金字塔中的每个特征的坐标映射回所述输入图片，获取对应的所述输入图片上的原始坐标；

根据所述边框获取边框集合，其中，所述边框集合包括所述边框的位置坐标，边框类别，所述边框类别为0时所述边框的内部是背景，所述边框类别为1时所述边框的内部是目标，所述目标包括人脸、人脸关键点；

根据所述原始坐标对所述边框进行回归，获取回归结果。

3.根据权利要求2所述的方法，其特征在于，所述根据所述原始坐标对所述边框进行回归，获取回归结果，包括：

判断所述原始坐标是否落在正样本边框中，其中，所述正样本边框是所述边框集合中所述边框类别为1的边框；

若落在所述正样本边框中，标记所述原始坐标对应的所述特征金字塔中的特征为正样本，并获取所述原始坐标到目标边框的四条边界的距离，其中，所述目标边框是所述正样本边框中面积最小的边框；

获取回归结果，其中，所述回归结果包括所述正样本和所述正样本对应的所述原始坐标到目标边框的四条边界的距离组成的四维向量。

4.根据权利要求1所述的方法，其特征在于，所述根据所述回归结果对预先搭建的检测网络进行训练，包括：

根据所述回归结果获取人脸框的回归结果，人脸关键点的回归结果；

根据所述人脸框的回归结果获取人脸中心点的回归结果；

根据所述人脸中心点的回归结果，所述人脸的回归结果，所述人脸关键点的回归结果对所述预先搭建的检测网络进行训练，获取所述检测网络模型。

5.根据权利要求1所述的方法，其特征在于，所述根据所述网络模型获取测试图片的人脸检测结果，包括：

将所述测试图片输入所述网络模型，获取所述网络模型的输出；

对所述输出进行非极大抑制处理，获取测试图片的人脸检测结果。

6.根据权利要求1所述的方法，其特征在于，还包括：

根据所述特征金字塔对人脸分类网络进行训练；

根据人脸分类网络和所述检测网络的输出结果获取损失函数，其中，所述检测网络的输出结果包括预测的人脸框，预测的人脸关键点；

根据所述损失函数进行训练，获取多任务学习模型；

根据所述多任务学习模型获取测试图片的人脸检测结果。

7.根据权利要求6所述的方法，其特征在于，所述根据人脸分类网络和所述检测网络的输出结果获取损失函数，其中，所述检测网络的输出结果包括预测人脸框，预测人脸关键点，包括：

根据所述人脸分类网络的输出结果确定人脸分类损失；

根据所述预测的人脸框，所述预测的人脸关键点确定人脸框回归的损失，人脸关键点回归的损失和人脸预测的像素点损失；

对所述人脸分类损失，所述人脸框回归损失，所述人脸关键点回归损失和所述人脸预测的像素点损失加权求和，获取损失函数。

8.一种人脸检测装置，其特征在于，包括：

训练模块，用于对输入图片进行预处理，获取预处理后的图片，其中，所述输入图片为标注有边框的图片，所述预处理包括灰度化，裁剪，对所述预处理后的图片进行卷积，获取特征金字塔，其中，所述特征金字塔包括根据所述卷积依次获取的所有特征图，根据所述特征金字塔中的每个特征对所述边框进行回归，根据所述回归结果对预先搭建的检测网络进行训练；

检测分析模块，根据训练好的检测网络获取测试图片的人脸检测结果。