[發明專利]人臉檢測方法和裝置

在審

• 申請號: 201710858055.X
• 申請日: 2017-09-21
• 公開（公告）號: CN107491771A
• 公開（公告）日: 2017-12-19
• 發明（設計）人: 杜康
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06N3/08
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司11204
• 代理人: 王達佐,馬曉亞

技術領域

本申請涉及計算機技術領域，具體涉及互聯網技術領域，尤其涉及人臉檢測方法和裝置。

背景技術

隨著互聯網技術的發展，人臉檢測技術應用到了越來越多的領域。例如，可以通過人臉檢測來進行身份驗證等。通常，在圖像較暗的情況下，圖像中的紋理不清晰，因而需要對圖像進行預處理。

現有的方法通常是直接增加圖像亮度，進而對增加亮度后的圖像進行人臉檢測，然而，直接增加圖像亮度的方式通常會增大圖像噪聲，較大的圖像噪聲會導致圖像較模糊，因而，存在著人臉檢測結果的準確性較低的問題。

發明內容

本申請實施例的目的在于提出一種改進的人臉檢測方法和裝置，來解決以上背景技術部分提到的技術問題。

第一方面，本申請實施例提供了一種人臉檢測方法，該方法包括：提取待檢測的、在暗光環境下所拍攝的暗光圖像；將暗光圖像輸入至預先訓練的第一卷積神經網絡，得到對暗光圖像進行預處理后的目標圖像，其中，第一卷積神經網絡用于對暗光圖像進行預處理；將目標圖像輸入至預先訓練的第二卷積神經網絡，得到人臉檢測結果，其中，第二卷積神經網絡用于表征圖像與人臉檢測結果的對應關系。

在一些實施例中，該方法還包括建立第一卷積神經網絡的步驟，包括：提取預置的訓練樣本，其中，訓練樣本包含暗光樣本圖像和與暗光樣本圖像相對應的亮光樣本圖像；利用深度學習方法，將暗光樣本圖像作為輸入，基于亮光樣本圖像和預設的損失函數訓練得到第一卷積神經網絡，其中，損失函數的值用于表征第一卷積神經網絡輸出的圖像與光亮樣本圖像的差異程度。

在一些實施例中，該方法還包括訓練第一卷積神經網絡的步驟，包括：提取預置的訓練樣本和預先建立的生成式對抗網絡，其中，訓練樣本包含暗光樣本圖像和與暗光樣本圖像相對應的亮光樣本圖像，生成式對抗網絡包括生成網絡和判別網絡，生成網絡為用于對所輸入的圖像進行預處理的卷積神經網絡，判別網絡用于確定所輸入的圖像是否為生成網絡所輸出的圖像；將暗光樣本圖像作為生成網絡的輸入，將生成網絡所輸出的圖像和亮光樣本圖像作為判別網絡的輸入，得到判別網絡輸出的判別結果；統計所得到的判別結果的準確率，并基于機器學習方法，根據準確率對生成網絡和判別網絡進行訓練，將準確率為預設數值時的生成網絡確定為訓練后的第一卷積神經網絡。

在一些實施例中，該方法還包括生成訓練樣本的步驟，包括：對預先在亮光環境下拍攝的多個第一亮光圖像進行預處理，得到與多個第一亮光圖像中的每一個第一亮光圖像相對應的第一暗光圖像；將所生成的第一暗光圖像作為暗光樣本圖像，將多個第一亮光圖像作為亮光樣本圖像，以組成訓練樣本。

在一些實施例中，該方法還包括生成訓練樣本的步驟，包括：對預先在暗光環境下拍攝的多個第二暗光圖像進行預處理，得到與多個第二暗光圖像中的每一個第二暗光圖像相對應的第二亮光圖像；將多個第二暗光圖像作為暗光樣本圖像，將所生成的第二亮光圖像作為亮光樣本圖像，以組成訓練樣本。

在一些實施例中，暗光樣本圖像為預先在暗光環境下拍攝的圖像，與暗光樣本圖像相對應的亮光樣本圖像為預先在亮光環境下拍攝的圖像，其中，每一個暗光樣本圖像與相對應的亮光樣本圖像為在相同位置、相同角度、對相同對象所拍攝的圖像。

第二方面，本申請實施例提供了一種人臉檢測裝置，該裝置包括：第一提取單元，配置用于提取待檢測的、在暗光環境下所拍攝的暗光圖像；第一輸入單元，配置用于將暗光圖像輸入至預先訓練的第一卷積神經網絡，得到對暗光圖像進行預處理后的目標圖像，其中，第一卷積神經網絡用于對暗光圖像進行預處理；第二輸入單元，配置用于將目標圖像輸入至預先訓練的第二卷積神經網絡，得到人臉檢測結果，其中，第二卷積神經網絡用于表征圖像與人臉檢測結果的對應關系。

在一些實施例中，該裝置還包括：第二提取單元，配置用于提取預置的訓練樣本，其中，訓練樣本包含暗光樣本圖像和與暗光樣本圖像相對應的亮光樣本圖像；第一訓練單元，配置用于利用深度學習方法，將暗光樣本圖像作為輸入，基于亮光樣本圖像和預設的損失函數訓練得到第一卷積神經網絡，其中，損失函數的值用于表征第一卷積神經網絡輸出的圖像與光亮樣本圖像的差異程度。