[發明專利]人臉檢測模型的訓練方法、裝置及人臉檢測方法、裝置

有效

• 申請號: 201710579552.6
• 申請日: 2017-07-17
• 公開（公告）號: CN107358209B
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 陳志超;徐鵬飛;周劍
• 申請（專利權）人: 成都通甲優博科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 徐彥圣

1.一種人臉檢測模型的訓練方法，其特征在于，所述人臉檢測模型的訓練方法包括：

獲取上傳的人臉圖像訓練集，所述人臉圖像訓練集包括多個不同的人臉圖像樣本；

獲取所述多個不同的人臉圖像樣本的分類丟失率，其中，所述分類丟失率為所述人臉圖像樣本中丟失的特征數與所述人臉圖像樣本包含的特征數的比值；

將所述分類丟失率大于預設的閾值的樣本歸為復雜人臉圖像樣本類，將所述分類丟失率小于或等于預設的閾值的樣本歸為簡單人臉圖像樣本類；

優先依據所述復雜人臉圖像樣本類包含的多個人臉圖像樣本提取復雜人臉圖像特征；

再依據簡單人臉圖像樣本類包含的多個人臉圖像樣本以及提取的所述復雜人臉圖像特征，提取簡單人臉圖像特征；

將提取到的所述復雜人臉圖像特征以及所述簡單人臉圖像特征訓練神經網絡，從而建立人臉檢測模型。

2.如權利要求1所述的人臉檢測模型的訓練方法，其特征在于，在所述將提取到的所述復雜人臉圖像特征以及所述簡單人臉圖像特征訓練神經網絡的步驟之前，所述人臉檢測模型的訓練方法還包括：

確定所述人臉圖像樣本中的人臉區域；

所述將提取到的所述復雜人臉圖像特征以及所述簡單人臉圖像特征訓練神經網絡，從而建立人臉檢測模型的步驟包括：

將提取到的所述復雜人臉圖像特征以及所述簡單人臉圖像特征訓練神經網絡，并依據所述人臉區域建立人臉檢測模型。

3.如權利要求2所述的人臉檢測模型的訓練方法，其特征在于，所述人臉區域為矩形區域，所述確定所述人臉圖像樣本中的人臉區域的步驟包括：

獲取第一頂點及第二頂點，以所述第一頂點與所述第二頂點的連線為對角線的矩形面積大于或等于所述人臉圖像樣本中包含的人臉區域的面積；

獲取所述第一頂點的第一坐標及所述第二頂點的第二坐標；

分別回歸所述第一坐標及所述第二坐標從而獲取矩形的人臉區域。

4.一種人臉檢測模型的訓練裝置，其特征在于，所述人臉檢測模型的訓練裝置包括：

人臉圖像訓練集獲取模塊，用于獲取上傳的人臉圖像訓練集，所述人臉圖像訓練集包括多個不同的人臉圖像樣本；

分類模塊，用于獲取所述多個不同的人臉圖像樣本的分類丟失率，其中，所述分類丟失率為所述人臉圖像樣本中丟失的特征數與所述人臉圖像樣本包含的特征數的比值；

所述分類模塊還用于將所述分類丟失率大于預設的閾值的樣本歸為復雜人臉圖像樣本類，將所述分類丟失率小于或等于預設的閾值的樣本歸為簡單人臉圖像樣本類；

特征提取模塊，用于優先依據所述復雜人臉圖像樣本類包含的多個人臉圖像樣本提取復雜人臉圖像特征；

所述特征提取模塊還用于再依據簡單人臉圖像樣本類包含的多個人臉圖像樣本以及提取的所述復雜人臉圖像特征，提取簡單人臉圖像特征；

人臉檢測模型建立模塊，用于將提取到的所述復雜人臉圖像特征以及所述簡單人臉圖像特征訓練神經網絡，從而建立人臉檢測模型。

5.一種人臉檢測方法，其特征在于，所述人臉檢測方法包括：

依據圖像識別算法識別待檢測人臉圖像的第一人臉候選區域；

依據所述待檢測人臉圖像以及多個通過如權利要求1-3中任意一項所建立的人臉檢測模型識別第二人臉候選區域；

若所述第一人臉候選區域與所述第二人臉候選區域的偏差小于預設偏差時，將所述第一人臉候選區域確定為人臉識別區域。