[發(fā)明專(zhuān)利]人臉檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710079126.6
• 申請(qǐng)日: 2017-02-14
• 公開(kāi)（公告）號(hào): CN106951826B
• 公開(kāi)（公告）日: 2019-09-20
• 發(fā)明（設(shè)計(jì)）人: 王生進(jìn);舒晗
• 申請(qǐng)（專(zhuān)利權(quán)）人: 清華大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 湯財(cái)寶

1.一種人臉檢測(cè)方法，其特征在于，所述方法包括：

步驟1，獲取原始圖像中人臉校正候選區(qū)域的位置響應(yīng)特征圖，所述位置響應(yīng)特征圖中不同區(qū)域?qū)?yīng)人臉的不同部位；

步驟2，對(duì)所述位置響應(yīng)特征圖進(jìn)行劃分，得到相應(yīng)數(shù)量的方格，并按照每一方格所處的位置，區(qū)分所有方格的方格類(lèi)型；

步驟3，按照每種方格類(lèi)型對(duì)應(yīng)的人臉檢測(cè)貢獻(xiàn)程度，確定每種方格類(lèi)型對(duì)應(yīng)的權(quán)重；

步驟4，基于每一方格對(duì)應(yīng)的特征向量及權(quán)重，計(jì)算所述人臉校正候選區(qū)域?qū)?yīng)的區(qū)域特征向量，所述區(qū)域特征向量與所述特征向量的長(zhǎng)度一致；

步驟5，基于所述區(qū)域特征向量，輸出所述原始圖像中最終包含人臉的區(qū)域；

所述步驟1，包括：

提取所述原始圖像對(duì)應(yīng)的特征圖；

根據(jù)所述特征圖，確定所述原始圖像中的人臉校正候選區(qū)域；

將所述人臉校正候選區(qū)域?qū)?yīng)在所述特征圖中的分塊區(qū)域，經(jīng)過(guò)深度神經(jīng)網(wǎng)絡(luò)模型中第三層全卷積神經(jīng)網(wǎng)絡(luò)，獲取所述人臉校正候選區(qū)域的位置響應(yīng)特征圖。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述特征圖，確定所述原始圖像中的人臉校正候選區(qū)域，包括：

將所述特征圖劃分為相應(yīng)數(shù)量的分塊區(qū)域；

基于所述原始圖像與所述特征圖之間的映射關(guān)系，對(duì)于每一分塊區(qū)域，將每一分塊區(qū)域映射至所述原始圖像，并將映射得到的正方形區(qū)域作為每一分塊區(qū)域?qū)?yīng)的候選區(qū)域，分塊區(qū)域與候選區(qū)域的數(shù)量一致；

基于每一候選區(qū)域，確定所述原始圖像中的人臉校正候選區(qū)域。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于每一候選區(qū)域，確定所述原始圖像中的人臉校正候選區(qū)域，包括：

對(duì)于任一候選區(qū)域，計(jì)算所述任一候選區(qū)域中包含人臉的第一置信度；

當(dāng)所述第一置信度大于第一預(yù)設(shè)閾值時(shí)，將所述任一候選區(qū)域作為人臉候選區(qū)域，對(duì)所述人臉候選區(qū)域進(jìn)行校正，得到相應(yīng)的人臉校正候選區(qū)域。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)所述人臉候選區(qū)域進(jìn)行校正，得到相應(yīng)的人臉校正候選區(qū)域，包括：

計(jì)算所述人臉候選區(qū)域進(jìn)行校正時(shí)的平移量及縮放變化量，并作為第一校正向量；

根據(jù)所述第一校正向量，校正所述人臉候選區(qū)域，得到相應(yīng)的人臉校正候選區(qū)域。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟2中按照每一方格所處的位置，區(qū)分所有方格的方格類(lèi)型，包括：

對(duì)于所述位置響應(yīng)特征圖中劃分后的所有方格，將位于中間部位的方格作為中心方格，將與中心方格直接相鄰的方格作為次中心方格，將剩下的方格作為邊緣方格。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟4，包括：

基于每種方格類(lèi)型下每一方格對(duì)應(yīng)的特征向量，計(jì)算每種方格類(lèi)型對(duì)應(yīng)的平均特征向量；

根據(jù)每種方格類(lèi)型對(duì)應(yīng)的權(quán)重及平均特征向量，計(jì)算所述人臉校正候選區(qū)域?qū)?yīng)的區(qū)域特征向量。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟5，包括：

根據(jù)所述區(qū)域特征向量，計(jì)算所述人臉校正候選區(qū)域中包含人臉的第二置信度；

當(dāng)所述第二置信度大于第二預(yù)設(shè)閾值時(shí)，對(duì)所述人臉校正候選區(qū)域作進(jìn)一步校正；

輸出最終的校正結(jié)果，并作為所述原始圖像中包含人臉的區(qū)域。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述對(duì)所述人臉校正候選區(qū)域作進(jìn)一步校正，包括：

獲取所述人臉校正候選區(qū)域進(jìn)行校正時(shí)的平移量及縮放變化量，并作為第二校正向量；

根據(jù)所述第二校正向量，進(jìn)一步校正所述人臉校正候選區(qū)域。

9.一種人臉檢測(cè)裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取原始圖像中人臉校正候選區(qū)域的位置響應(yīng)特征圖，所述位置響應(yīng)特征圖中不同區(qū)域?qū)?yīng)人臉的不同部位；

劃分模塊，用于對(duì)所述位置響應(yīng)特征圖進(jìn)行劃分，得到相應(yīng)數(shù)量的方格，并按照每一方格所處的位置，區(qū)分所有方格的方格類(lèi)型；

確定模塊，用于按照每種方格類(lèi)型對(duì)應(yīng)的人臉檢測(cè)貢獻(xiàn)程度，確定每種方格類(lèi)型對(duì)應(yīng)的權(quán)重；

計(jì)算模塊，用于基于每一方格對(duì)應(yīng)的特征向量及權(quán)重，計(jì)算所述人臉校正候選區(qū)域?qū)?yīng)的區(qū)域特征向量，所述區(qū)域特征向量與所述特征向量的長(zhǎng)度一致；

輸出模塊，用于基于所述區(qū)域特征向量，輸出所述原始圖像中最終包含人臉的區(qū)域；

獲取模塊，包括：

提取單元，用于提取原始圖像對(duì)應(yīng)的特征圖；

確定單元，用于根據(jù)特征圖，確定原始圖像中的人臉校正候選區(qū)域；

獲取單元，用于將所述人臉校正候選區(qū)域?qū)?yīng)在所述特征圖中的分塊區(qū)域，經(jīng)過(guò)深度神經(jīng)網(wǎng)絡(luò)模型中第三層全卷積神經(jīng)網(wǎng)絡(luò)，獲取所述人臉校正候選區(qū)域的位置響應(yīng)特征圖。