[发明专利]人脸检测方法、装置、计算机可读存储介质及终端设备

权利要求书

1.一种人脸检测方法，其特征在于，包括：

获取待检测的目标图像；

使用预设的人脸检测模型在所述目标图像中进行人脸检测，得到所述目标图像的人脸检测结果；

其中，所述人脸检测模型为经过预设的样本图像集训练得到的神经网络模型；所述样本图像集中包括各种人脸旋转角度的样本图像，且每个样本图像的训练损失权重与人脸旋转角度正相关。

2.根据权利要求1所述的人脸检测方法，其特征在于，所述人脸检测模型的训练过程包括：

使用人脸检测模型对当前样本图像进行人脸检测，得到所述当前样本图像的人脸检测结果；所述当前样本图像为所述样本图像集中的任意一个样本图像；

根据所述当前样本图像的人脸检测结果和预设的预期检测结果计算所述当前样本图像的训练损失；

根据所述预期检测结果计算所述当前样本图像的人脸旋转角度；

根据所述人脸旋转角度计算所述当前样本图像的训练损失权重；

根据所述训练损失和所述训练损失权重计算所述当前样本图像的加权训练损失；

根据所述加权训练损失对人脸检测模型进行模型训练。

3.根据权利要求2所述的人脸检测方法，其特征在于，所述根据所述预期检测结果计算所述当前样本图像的人脸旋转角度，包括：

从所述预期检测结果中提取各个人脸关键点的位置坐标；

根据所述各个人脸关键点的位置坐标计算所述当前样本图像的人脸旋转角度。

4.根据权利要求2所述的人脸检测方法，其特征在于，所述根据所述人脸旋转角度计算所述当前样本图像的训练损失权重，包括：

根据下式计算所述当前样本图像的训练损失权重：

w＝log_a(k*θ+b)

其中，θ为所述人脸旋转角度，a、k和b为预设的正数，w为所述当前样本图像的训练损失权重。

5.根据权利要求2所述的人脸检测方法，其特征在于，所述根据所述训练损失和所述训练损失权重计算所述当前样本图像的加权训练损失，包括：

将所述训练损失和所述训练损失权重的乘积确定为所述当前样本图像的加权训练损失。

6.根据权利要求1所述的人脸检测方法，其特征在于，所述人脸检测模型包括：特征提取结构、第一卷积处理结构、第二卷积处理结构、分类检测头和回归检测头；所述人脸检测结果包括：分类检测结果、人脸框检测结果和人脸关键点检测结果；

所述使用预设的人脸检测模型在所述目标图像中进行人脸检测，得到所述目标图像的人脸检测结果，包括：

使用所述特征提取结构提取所述目标图像的特征图；

使用所述第一卷积处理结构对所述特征图进行卷积处理，得到第一分支特征图；

使用所述第二卷积处理结构对所述特征图进行卷积处理，得到第二分支特征图；

使用所述分类检测头对所述第一分支特征图进行分类检测，得到所述分类检测结果；

使用所述回归检测头对所述第二分支特征图进行回归检测，得到所述人脸框检测结果和所述人脸关键点检测结果。

7.根据权利要求1至6中任一项所述的人脸检测方法，其特征在于，所述目标图像的图像尺寸为h_in×w_in，所述样本图像的图像尺寸为h_o×w_o；其中，h_in为所述目标图像的高，w_in为所述目标图像的宽，h_o为所述样本图像的高，w_o为所述样本图像的宽，且h_in≤h_o，w_in≤w_o。