[發明專利]神經網絡的生成方法和人臉檢測方法、裝置及電子設備

有效

• 申請號: 201710277489.0
• 申請日: 2017-04-25
• 公開（公告）號: CN108229281B
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 楊碩;熊元駿;呂健勤;湯曉鷗
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/02
• 代理公司: 北京康達聯禾知識產權代理事務所(普通合伙) 11461
• 代理人: 陳曉娟;張雪飛

1.一種神經網絡的生成方法，其特征在于，所述方法包括：

對目標尺度范圍進行劃分，得到多個子目標尺度范圍，其中，所述目標尺度范圍用于神經網絡進行人臉檢測；

確定所述多個子目標尺度范圍分別對應的子神經網絡；

將所述多個子目標尺度范圍分別對應的子神經網絡進行融合，得到所述神經網絡，

其中，所述對目標尺度范圍進行劃分，得到多個子目標尺度范圍，包括：

將所述目標尺度范圍均勻分成多個子范圍；

針對每個子范圍，在訓練數據集中抽取落在當前子范圍內的多個人臉樣本；

根據所述每個子范圍內的各人臉樣本的特征值，確定所述多個子目標尺度范圍，

其中，所述根據所述每個子范圍內的各人臉樣本的特征值，確定所述多個子目標尺度范圍，包括：

針對每個子范圍內的每個人臉樣本，基于所述人臉樣本的像素值生成所述人臉樣本的顏色直方圖；

針對每個子范圍，分別計算所述子范圍內每兩個人臉樣本的顏色直方圖之間的卡方距離，得到所述子范圍的人臉樣本距離矩陣；

根據所述人臉樣本距離矩陣，生成所述子范圍的相貌變化特征值；

根據所述每個子范圍的相貌變化特征值，確定所述多個子目標尺度范圍。

2.根據權利要求1所述的方法，其特征在于，所述針對每個子范圍內的每個人臉樣本，基于所述人臉樣本的像素值生成所述人臉樣本的顏色直方圖之前，還包括：

針對每個子范圍內的每個人臉樣本，按照當前子范圍的下界值，對所述人臉樣本的尺寸進行縮放。

3.根據權利要求1-2中任意一項權利要求所述的方法，其特征在于，所述對目標尺度范圍進行劃分，得到多個子目標尺度范圍，包括：

基于人臉的特征點對所述目標尺度范圍進行劃分，得到所述多個子目標尺度范圍。

4.根據權利要求1-2中任意一項權利要求所述的方法，其特征在于，所述確定所述多個子目標尺度范圍分別對應的子神經網絡，包括：

針對每個子目標尺度范圍，確定子目標尺度范圍對應的池化降采樣步長；并基于所述池化降采樣步長，確定所述子目標尺度范圍對應的子神經網絡。

5.根據權利要求1-2中任意一項權利要求所述的方法，其特征在于，所述將所述多個子目標尺度范圍分別對應的子神經網絡進行融合，得到所述神經網絡，包括：

基于共享網絡參數，將所述多個子目標尺度范圍分別對應的子神經網絡進行融合，得到所述神經網絡。

6.一種人臉檢測方法，其特征在于，所述方法包括：

對待檢測的人臉圖像進行縮放，得到縮放后的人臉圖像；

經神經網絡對縮放后的人臉圖像進行檢測，得到所述待檢測的人臉圖像的人臉檢測結果，

其中，所述神經網絡是根據權利要求1-5中任意一項權利要求所述的方法生成的。

7.根據權利要求6所述的方法，其特征在于，所述對待檢測的人臉圖像進行縮放，得到縮放后的人臉圖像，包括：

按照所述神經網絡的目標尺度范圍的上界，對所述待檢測的人臉圖像進行縮放。

8.根據權利要求6-7中任意一項權利要求所述的方法，其特征在于，所述待檢測的人臉圖像為靜態圖像，或者為視頻幀序列中的視頻圖像。

9.根據權利要求8所述的方法，其特征在于，所述視頻幀序列為直播中的視頻幀序列。