[發明專利]人臉區域的確定方法和裝置

在審

• 申請號: 201710233590.6
• 申請日: 2017-04-11
• 公開（公告）號: CN107145833A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 王亞彪;倪輝;趙艷丹;汪鋮杰;李季檁
• 申請（專利權）人: 騰訊科技（上海）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 北京康信知識產權代理有限責任公司11240
• 代理人: 趙囡囡,褚敏

技術領域

本發明涉及圖像處理領域，具體而言，涉及一種人臉區域的確定方法和裝置。

背景技術

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。

人臉檢測作為人臉識別、人臉關鍵點定位、人臉檢索等應用的基礎，一直以來受到廣泛研究。人臉檢測是從給定的一幅圖像中，采用一定的方式判斷圖像中是否存在人臉，如果存在，則給出人臉的大小和位置，如圖1所示，對左側的圖像進行檢測，得到右側圖像，并標識出人臉區域(即虛線區域)。

雖然人類可以很容易的從一幅圖像中找出人臉，但要計算機自動地檢測出人臉仍然存在困難，其主要的難點來自于以下兩個方面：人臉本身可以存在多種形式的細節變化，如不同的膚色、臉型、表情和人臉姿態帶來的變化；圖像中的人臉還會受到多種外部因素的影響，如光照、相機抖動、人臉上的裝飾物帶來的遮擋等。

在相關技術中，人臉檢測方法多種多樣，可以分為基于特征的檢測方法和基于統計模型的檢測方法?；谔卣鞯娜四槞z測方法主要是基于一些經驗規則和人工構造的特征進行人臉檢測，例如基于一些面部器官結構和紋理特征的檢測方法；基于統計模型的檢測方法雖然也需要在樣本上先提取特征，但與基于特征的檢測方法不同的是，基于統計模型的人臉檢測不是純粹的基于一些設定規則，而是采用大量的樣本來訓練檢測器模型，常見的有基于支持向量機(SVM)的人臉檢測算法，基于adaboost的人臉檢測算法等。

評估人臉檢測方法(也稱為檢測器)的常用指標主要有以下幾種：(1)檢測率，即在給定的圖像集合中，被正確檢測到的人臉數與圖像中總的人臉數之間的比值；(2)錯誤檢測數，即被當做人臉區域檢測出來的，實際為非人臉區域的數量，理想的人臉檢測器應該具有100％的檢測率和0個錯誤檢測數；(3)檢測速度，從開始檢測到正確定位出人臉區域所需要消耗的時間，目前很多應用中對檢測速度有較高的要求，如直播美顏、人臉跟蹤都需要實時地檢測人臉，在檢測率高，誤檢數低的情況下，檢測速度自然越快越能提高用戶的體驗；(4)魯棒性，用于表示在各種條件下，人臉檢測器對環境的適應能力，檢測器魯棒性越高，在光照、人臉姿態、表情等變化以及人臉出現遮擋等情況下能準確地檢測出人臉的概率越大。

為了克服上述提及的問題，實現對人臉區域的準確檢測，利用相關技術中基于特征的檢測方法時，由于需要使用經驗規則和人工構造的特征，容易受到使用者主觀因素的影響，無法保證人臉識別的檢測率和魯棒性；若利用相關技術中的基于統計模型的檢測方法，目前常用的模型為了保證識別的準確度，往往設置的層數較多，會導致模型比較大，基本上這些模型均超過15MB，雖然層數較多會保證識別的準確率，但是層數的增加會帶來人臉檢測速度降低(在主流PC上大于300ms)的缺陷，無法滿足實時性的要求。

針對相關技術中進行人臉檢測的實時性較差的技術問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種人臉區域的確定方法和裝置，以至少解決相關技術中進行人臉檢測的實時性較差的技術問題。

根據本發明實施例的一個方面，提供了一種人臉區域的確定方法，該人臉區域的確定方法包括：接收定位請求，其中，定位請求用于請求在目標圖片中定位出人臉區域；通過卷積神經網絡對目標圖片進行人臉定位操作，得到定位結果，其中，卷積神經網絡用于調用圖形處理器對目標圖片進行卷積操作，人臉定位操作包括卷積操作；在定位結果用于表示目標圖片中定位出存在人臉區域的情況下，返回定位結果。

根據本發明實施例的另一方面，還提供了一種人臉區域的確定裝置，該人臉區域的確定裝置包括：接收單元，用于接收定位請求，其中，定位請求用于請求在目標圖片中定位出人臉區域；定位單元，用于通過卷積神經網絡對目標圖片進行人臉定位操作，得到定位結果，其中，卷積神經網絡用于調用圖形處理器對目標圖片進行卷積操作，人臉定位操作包括卷積操作；返回單元，用于在定位結果用于表示目標圖片中定位出存在人臉區域的情況下，返回定位結果。