[發(fā)明專利]一種人臉檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 201610849655.5
• 申請日: 2016-09-23
• 公開（公告）號: CN107871102A
• 公開（公告）日: 2018-04-03
• 發(fā)明（設(shè)計）人: 宋麗;段旭;張祥德
• 申請（專利權(quán)）人: 北京眼神科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/02
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司11319
• 代理人: 蘇培華

1.一種人臉檢測方法，其特征在于，包括：

將待檢測圖像輸入第一卷積神經(jīng)網(wǎng)絡(luò)，所述第一卷積神經(jīng)網(wǎng)絡(luò)檢測所述待檢測圖像中的人臉區(qū)域，在檢測到的人臉區(qū)域標注第一人臉候選窗口；

將所述第M-1人臉候選窗口的規(guī)模調(diào)整為第M卷積神經(jīng)網(wǎng)絡(luò)的規(guī)模后輸入所述第M卷積神經(jīng)網(wǎng)絡(luò)，所述第M卷積神經(jīng)網(wǎng)絡(luò)檢測所述第M-1人臉候選窗口的人臉區(qū)域，在檢測到的人臉區(qū)域標注第M人臉候選窗口，其中，M＝2、3、……、N，N≥3；

采用全局非極大值抑制的方法將所述第N人臉候選窗口和第N-1人臉候選窗口合并為人臉精選窗口；

其中，所述第一至第N卷積神經(jīng)網(wǎng)絡(luò)按照卷積神經(jīng)網(wǎng)絡(luò)的規(guī)模從小到大的順序級聯(lián)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，檢測人臉區(qū)域的方法為：分類檢測法或者熱圖像檢測法。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，若檢測人臉區(qū)域的方法為分類檢測法，則所述第一人臉候選窗口到所述第N-1人臉候選窗口均為通過窗口邊框回歸和非極大值抑制方法處理后的窗口；所述第N人臉候選窗口為通過窗口邊框回歸方法處理后的窗口。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，通過非極大值抑制方法處理的窗口為同一規(guī)模的窗口。

5.一種人臉檢測方法，其特征在于，包括：

將待檢測圖像輸入第一卷積神經(jīng)網(wǎng)絡(luò)，所述第一卷積神經(jīng)網(wǎng)絡(luò)檢測所述待檢測圖像中的人臉區(qū)域，在檢測到的人臉區(qū)域標注第一人臉候選窗口；

將所述待檢測圖像分解為多個第M人臉候選窗口，并將所述第M人臉候選窗口輸入所述第M卷積神經(jīng)網(wǎng)絡(luò)，所述第M卷積神經(jīng)網(wǎng)絡(luò)檢測每一所述第M人臉候選窗口是否為人臉窗口，其中，所述第M人臉候選窗口的規(guī)模為所述第M卷積神經(jīng)網(wǎng)絡(luò)的規(guī)模，M＝2、3、……、N-1，N≥3；

采用全局非極大值抑制的方法將檢測為人臉窗口的所述第一人臉候選窗口到所述第N-1人臉候選窗口合并得到第N人臉候選窗口；

將所述第N人臉候選窗口的規(guī)模調(diào)整為第N卷積神經(jīng)網(wǎng)絡(luò)的規(guī)模后輸入所述第N卷積神經(jīng)網(wǎng)絡(luò)，所述第N卷積神經(jīng)網(wǎng)絡(luò)檢測所述第N人臉候選窗口的人臉區(qū)域，在檢測到的人臉區(qū)域標注人臉精選窗口；

其中，所述第N卷積神經(jīng)網(wǎng)絡(luò)為所有卷積神經(jīng)網(wǎng)絡(luò)中規(guī)模最大的卷積神經(jīng)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，檢測人臉區(qū)域的方法為：分類檢測法或者熱圖像檢測法。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，若檢測人臉區(qū)域的方法為分類檢測法，則所述第一人臉候選窗口到所述第N-1人臉候選窗口、以及所述人臉精選窗口均為通過窗口邊框回歸和非極大值抑制方法處理后的窗口。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，通過非極大值抑制方法處理的窗口為同一規(guī)模的窗口。

9.一種人臉檢測裝置，其特征在于，包括：

第一人臉候選窗口標注模塊，用于將待檢測圖像輸入第一卷積神經(jīng)網(wǎng)絡(luò)，所述第一卷積神經(jīng)網(wǎng)絡(luò)檢測所述待檢測圖像中的人臉區(qū)域，在檢測到的人臉區(qū)域標注第一人臉候選窗口；

第M-1人臉候選窗口標注模塊，用于將所述第M-1人臉候選窗口的規(guī)模調(diào)整為第M卷積神經(jīng)網(wǎng)絡(luò)的規(guī)模后輸入所述第M卷積神經(jīng)網(wǎng)絡(luò)，所述第M卷積神經(jīng)網(wǎng)絡(luò)檢測所述第M-1人臉候選窗口的人臉區(qū)域，在檢測到的人臉區(qū)域標注第M人臉候選窗口，其中，M＝2、3、……、N，N≥3；

人臉精選窗口標注模塊，用于采用全局非極大值抑制的方法將所述第N人臉候選窗口和第N-1人臉候選窗口合并為人臉精選窗口；

其中，所述第一至第N卷積神經(jīng)網(wǎng)絡(luò)按照卷積神經(jīng)網(wǎng)絡(luò)的規(guī)模從小到大的順序級聯(lián)。

10.一種人臉檢測裝置，其特征在于，包括：

第一人臉候選窗口標注模塊，用于將待檢測圖像輸入第一卷積神經(jīng)網(wǎng)絡(luò)，所述第一卷積神經(jīng)網(wǎng)絡(luò)檢測所述待檢測圖像中的人臉區(qū)域，在檢測到的人臉區(qū)域標注第一人臉候選窗口；

第M人臉候選窗口標注模塊，用于將所述待檢測圖像分解為多個第M人臉候選窗口，并將所述第M人臉候選窗口輸入所述第M卷積神經(jīng)網(wǎng)絡(luò)，所述第M卷積神經(jīng)網(wǎng)絡(luò)檢測每一所述第M人臉候選窗口是否為人臉窗口，其中，所述第M人臉候選窗口的規(guī)模為所述第M卷積神經(jīng)網(wǎng)絡(luò)的規(guī)模，M＝2、3、……、N-1，N≥3；

第N人臉候選窗口合并模塊，用于采用全局非極大值抑制的方法將檢測為人臉窗口的所述第一人臉候選窗口到所述第N-1人臉候選窗口合并得到第N人臉候選窗口；

人臉精選窗口標注模塊，用于將所述第N人臉候選窗口的規(guī)模調(diào)整為第N卷積神經(jīng)網(wǎng)絡(luò)的規(guī)模后輸入所述第N卷積神經(jīng)網(wǎng)絡(luò)，所述第N卷積神經(jīng)網(wǎng)絡(luò)檢測所述第N人臉候選窗口的人臉區(qū)域，在檢測到的人臉區(qū)域標注人臉精選窗口；

其中，所述第N卷積神經(jīng)網(wǎng)絡(luò)為所有卷積神經(jīng)網(wǎng)絡(luò)中規(guī)模最大的卷積神經(jīng)網(wǎng)絡(luò)。