[发明专利]人脸检测方法、装置、计算机设备及存储介质

权利要求书

1.一种人脸检测方法，其特征在于，包括：

获取预先训练好的人脸检测模型；其中，所述人脸检测模型包括依次连接的特征提取层、Senet特征融合层、多尺度特征融合层以及目标检测层；

获取待检测的彩色图和深度图，并分别对所述彩色图和深度图进行归一化处理，得到所述彩色图对应的第一标准图像以及所述深度图对应的第二标准图像；

将归一化处理后的所述第一标准图像以及所述第二标准图像同时输入至所述人脸检测模型中进行人脸检测，得到所述目标检测层输出的人脸检测结果；其中，所述Senet特征融合层用于将所述特征提取层提取到的所述第一标准图像对应的第一图像特征和所述第二标准图像对应的第二图像特征进行多模态特征融合，并将融合后的特征图输入至所述多尺度特征融合层中进行多尺度特征融合。

2.如权利要求1所述人脸检测方法，其特征在于，所述特征提取层包括基于mobilenetv2网络实现；所述目标检测层基于yolov3网络实现；其中，所述mobilenetv2网络通过去掉网络的第一层卷积层以及网络最后阶段的除第一个卷积层以外的卷积层，与所述Senet特征融合层连接。

3.如权利要求1所述人脸检测方法，其特征在于，所述将归一化处理后的第一标准图像以及第二标准图像同时输入至所述人脸检测模型中进行人脸检测，得到所述目标检测层输出的人脸检测结果，包括：

将所述第一标准图像和所述第二标准图像分别输入至所述特征提取层中进行特征提取，得到所述第一标准图像对应的多尺度的第一图像特征以及所述第二标准图像对应的多尺度的第二图像特征；

将相同尺度的所述第一图像特征以及所述第二图像特征输入至所述Senet特征融合层进行多模态特征融合处理，得到多尺度的融合特征图；

将所述多尺度的融合特征图输入至所述多尺度特征融合层进行多尺度特征融合处理，得到多尺度的待检测特征图；

将所述多尺度的待检测特征图输入至所述目标检测层中进行人脸检测，得到所述人脸检测结果。

4.如权利要求3所述人脸检测方法，其特征在于，所述多尺度特征融合层包括上采样模块、多尺度特征融合模块以及特征输出模块；所述多尺度的待检测特征图包括浅层尺度的浅层特征图和多个深层尺度的深层特征图；

所述将所述多尺度的融合特征图输入至所述多尺度特征融合层进行多尺度特征融合处理，得到多尺度的待检测特征图，包括：

将所述浅层特征图输入至所述特征输出模块进行特征提取，输出浅层尺度的待检测特征图；

将所述深层特征图输入至所述多尺度特征融合模块中，与所述多尺度特征融合模块所接收到的所述上采样模块提取上层特征图所得到的上采样特征进行融合，输出多个深层尺度的深层融合特征；其中，所述上采样特征与所述深层特征图的特征尺度一致；

将每一所述深层融合特征输入至所述特征输出模块进行特征提取，输出多个所述深层尺度的待检测特征图。

5.如权利要求3所述人脸检测方法，其特征在于，所述分别对所述彩色图和深度图进行归一化处理，得到所述彩色图对应的第一标准图像以及所述深度图对应的第二标准图像，包括：

将所述彩色图转化为RGB通道的彩色图；

对所述RGB通道的彩色图的色彩空间进行归一化处理，获取第一预设像素区间的第一标准图像；

对所述深度图进行直方图归一化处理，获取第二预设像素区间的第二标准图像。

6.如权利要求1所述人脸检测方法，其特征在于，所述获取预先训练好的人脸检测模型，包括：

构建人脸检测网络；其中，所述人脸检测网络包括依次连接的特征提取层、Senet特征融合层以及目标检测层；

采集待训练的彩色图和深度图，并对所述待训练的彩色图和深度图增加噪点，得到所述彩色图对应的第一噪点图以及所述深度图对应的第二噪点图；

分别对所述第一噪点图和第二噪点图进行归一化处理，得到所述第一噪点图对应的第一训练图像以及所述第二噪点图对应的第二训练图像；

将归一化处理后的第一训练图像以及第二训练图像同时输入至所述人脸检测网络中进行训练，得到所述人脸检测模型。