[發明專利]人臉檢測方法及裝置

在審

• 申請號: 201710476106.2
• 申請日: 2017-06-21
• 公開（公告）號: CN107341457A
• 公開（公告）日: 2017-11-10
• 發明（設計）人: 陳志軍
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京博思佳知識產權代理有限公司11415
• 代理人: 林祥

1.一種人臉檢測方法，其特征在于，所述方法包括：

根據已訓練的人臉檢測器攜帶的用于表示人臉特征的第一歸一化像素差值NPD組合，提取待檢測圖像的第二NPD組合；

通過所述人臉檢測器對所述第二NPD組合進行回歸處理，得到所述待檢測圖像中的人臉區域；

提取所述人臉區域的N維特征向量，N為自然數；

通過已訓練的邏輯回歸分類器對所述N維特征向量進行回歸計算，得到所述人臉區域存在人臉的概率；

當所述存在人臉的概率大于預設閾值時確定所述人臉區域中存在人臉。

2.根據權利要求1所述的方法，其特征在于，所述已訓練的人臉檢測器攜帶所述第一NPD組合中的NPD順序；

所述根據已訓練的人臉檢測器攜帶的用于表示人臉特征的第一NPD組合，提取待檢測圖像的第二NPD組合，包括：

根據所述第一NPD組合以及所述NPD順序，提取所述第二NPD組合；

所述通過所述人臉檢測器對所述第二NPD組合進行回歸處理，得到所述待檢測圖像中的人臉區域，包括：

通過所述人臉檢測器基于所述NPD順序對所述第二NPD組合進行回歸處理，得到所述待檢測圖像中的人臉區域。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

確定包括人臉的第一正樣本與不包括人臉的第一負樣本組成的第一訓練集；

確定所述第一正樣本與所述第一負樣本各自對應的NPD；

基于所述第一正樣本與所述第一負樣本各自對應的NPD學習得到多個深度二次元樹；所述深度二次元樹經學習得到每個枝節點的最優NPD；

基于所述多個深度二次元樹構建所述已訓練的人臉檢測器；所述多個深度二次元樹中包括的最優NPD構成所述第一NPD組合。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

將所述第一正樣本與所述第一負樣本各自對應的NPD存儲在查找表中；

所述確定所述第一正樣本與所述第一負樣本各自對應的NPD，包括：

通過訪問所述查找表確定所述第一正樣本與所述第一負樣本各自對應的NPD。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

將包括人臉的第二正樣本與不包括人臉的第二負樣本組成的第二訓練集輸入未訓練的邏輯回歸分類器；

對所述未訓練的邏輯回歸分類器的預測函數中N維特征向量各自對應的參數進行訓練；所述第二負樣本為基于NPD檢測人臉失敗的負樣本；

在確定所述預測函數中N維特征向量各自對應的參數符合預設條件時，停止訓練所述邏輯回歸分類器，得到所述已訓練的邏輯回歸分類器。

6.根據權利要求5所述的方法，其特征在于，所述確定所述預測函數中N維特征向量各自對應的參數符合預設條件，包括：

確定所述預測函數的損傷函數值是否達到最小值；

當所述預測函數的損耗函數的值達到最小值時，確定所述預測函數中N維特征向量各自對應的參數符合所述預設條件。

7.一種人臉檢測裝置，其特征在于，所述裝置包括：

第一特征提取模塊，被配置為根據已訓練的人臉檢測器攜帶的用于表示人臉特征的第一歸一化像素差值NPD組合，提取待檢測圖像的第二NPD組合；

回歸處理模塊，被配置為通過所述人臉檢測器對所述第二NPD組合進行回歸處理，得到所述待檢測圖像中的人臉區域；

第二特征提取模塊，被配置為提取所述人臉區域的N維特征向量，N為自然數；

回歸計算模塊，被配置為通過已訓練的邏輯回歸分類器對所述N維特征向量進行回歸計算，得到所述人臉區域存在人臉的概率；

第一確定模塊，被配置為在所述存在人臉的概率大于預設閾值時確定所述人臉區域中存在人臉。

8.根據權利要求7所述的裝置，其特征在于，所述已訓練的人臉檢測器攜帶所述第一NPD組合中的NPD順序；

所述第一特征提取模塊，還被配置為根據所述第一NPD組合以及所述NPD順序，提取所述第二NPD組合；

所述回歸處理模塊，還被配置為通過所述人臉檢測器基于所述NPD順序對所述第二NPD組合進行回歸處理，得到所述待檢測圖像中的人臉區域。