[发明专利]一种基于高斯注意力的人脸检测装置、方法和存储介质

说明书

本发明公开了一种基于高斯注意力的人脸检测装置、方法和存储介质，所述人脸检测装置包括用于采用训练集训练网络模型的训练模块，所述网络模型包括关键点检测模型和人脸检测模型，首先训练得到关键点检测模型，然后，计算生成关键点高斯注意力图并输入到人脸检测模型中进行训练学习，最终得到训练后的网络模型；关键点高斯注意力图利用二维高斯核以每个关键点位置信息为中心展开得到的关键点概率分布图，重复计算的点采用取最大值操作。本发明通过关键点高斯注意力图的分布信息，从而获取到人们面部不同部位特征信息的重要程度，将这些信息结合训练人脸检测模型，可以大大提高遮挡情况下人脸的检测精度，增强人脸识别性能。

技术领域

本发明属于人脸检测的技术领域，具体涉及一种基于高斯注意力的人脸检测装置、方法和存储介质。

背景技术

随着人工智能技术的发展，各个领域的技术呈现出一片欣欣向荣的景象，人们对计算机技术的要求也随之变得更高。在目前这个时代里，以人脸作为目标的应用非常多，广泛的用于安防、验证、监控等领域，成为许多学者研究的热门学科之一。人脸检测是计算机视觉技术中较为重要的方向之一，通过人脸检测技术可以非接触式地突出到图像中出现的人脸，减少人力的监控，为后续的应用技术奠定良好的基础，如人脸识别、表情识别等。

人脸检测技术大致分为传统检测技术和基于深度学习的检测技术，因为人脸检测场景变得更加复杂，传统检测技术存在泛化性差、过于依赖人工经验的缺点，使得基于深度学习的检测技术成为主流技术。基于深度学习的检测技术主要分为两阶段算法和单阶段算法，两阶段算法中代表算法有Fater R-CNN、MTCNN等，这类算法主要将检测过程分成生成候选区域和基于候选区域检测分类，具有高精度的优势。而单阶段代表算法有YOLOV3、SSD等，这类算法没有候选区域部分的计算，直接在特征图上定位分类，具有较高的实时性。

目前，大多数人脸检测技术在外界环境良好、没有遮挡的场景下，取得了令人满意的效果。但是如果在人脸检测过程中引入了干扰因素，如遮挡或侧脸角度过大等，都会降低检测效果，造成误检或漏检情况。因此，急需一种简洁、易操作的人脸检测方法，提高人脸检测技术对遮挡和侧脸变化的鲁棒性和稳定性，达到能在实际场景中应用的性能。

发明内容

本发明的目的在于提供一种基于高斯注意力的人脸检测装置、方法和存储介质，旨在解决上述问题。

本发明主要通过以下技术方案实现：

一种基于高斯注意力的人脸检测装置，包括数据处理模块、训练模块、检测模块，所述数据处理模块用于收集人脸数据集并标注形成训练集，且标注的信息包含关键点和人脸位置信息；所述训练模块用于采用训练集训练网络模型得到训练后的网络模型；所述检测模块用于将待测数据输入训练后的网络模型并输出检测结果；

所述网络模型包括关键点检测模型和人脸检测模型，所述训练模块首先利用训练集训练得到关键点检测模型，根据关键点检测模型输出的热力图得到关键点相对坐标，并映射回原图像得到关键点绝对坐标，然后将所有的关键点绘制得到一张关键点坐标图，在关键点坐标图上利用二维高斯核以每个关键点位置为中心展开得到关键点概率分布图，最后分布重合点取最大概率值生成关键点高斯注意力图，然后，将关键点高斯注意力图输入到人脸检测模型中进行训练学习，最终得到训练后的网络模型。

本发明旨在提高遮挡场景下人脸检测方法的精度，如近期为了防控疫情佩戴口罩，人脸检测器材总会检测不到人脸，要求被测人员取下口罩，会造成交叉感染等不良的因素。本发明中所述的关键点高斯注意力图是一种先由用二维高斯核以人脸关键点为中心生成概率分布图，再进行最大概率值选取之后得到的注意力图，可以指导人脸检测模型在训练学习过程中更加关注未被遮挡的人脸特征，从而提高人脸在遮挡情况下的检测精度。