[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

技術領域

本公開涉及圖像識別技術領域，尤其涉及一種人臉檢測方法及裝置。

背景技術

人臉檢測技術是指從包括人臉的圖像中識別出人臉區域的技術，是目前較為常見的一種圖像處理技術。

相關技術中，人臉識別可以用于安全支付、身份認證等領域。由于這些領域對安全性的要求較高，所以對人臉識別的速度和準確度就提出了更高的要求。例如，當人臉識別應用在手機上進行解鎖時，在確保人臉識別準確的基礎上，如果人臉識別要花2秒，就會嚴重影響客戶體驗，如果能夠縮短到0.2秒，客戶的感覺會完全不同。

發明內容

本公開實施例提供一種人臉檢測方法及裝置，用以提高人間人臉檢測的速度與準確度。

根據本公開實施例的第一方面，提供一種人臉檢測方法，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。

在一實施例中，所述已訓練的人臉檢測器可攜帶所述第一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，可包括：

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，可包括：

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。

在一實施例中，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組合之前，所述方法還可包括：

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。

在一實施例中，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之前，所述方法還可包括：

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。

在一實施例中，所述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之前，所述方法還可包括：

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。

在一實施例中，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，可包括：

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。

根據本公開實施例的第二方面，提供一種人臉檢測裝置，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；