[發(fā)明專利]用于檢測人臉的方法和裝置

有效

• 申請?zhí)枺?/td>: 201810011483.3
• 申請日: 2018-01-05
• 公開（公告）號: CN108171191B
• 公開（公告）日: 2019-06-28
• 發(fā)明（設(shè)計(jì)）人: 湯旭
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種用于檢測人臉的方法，包括：

獲取待檢測圖像；

通過預(yù)先訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的卷積層，提取所述待檢測圖像的特征信息；

利用所述卷積神經(jīng)網(wǎng)絡(luò)的全連接層確定所述待檢測圖像包括人臉或不包括人臉的概率的值；

基于所述概率的值，確定預(yù)先構(gòu)建的損失函數(shù)的函數(shù)值，其中，所述損失函數(shù)的變量包括待檢測圖像包括人臉或不包括人臉的概率；

對所述特征信息進(jìn)行聚類處理，得到人臉類信息以及非人臉類信息；

確定所述人臉類信息的類內(nèi)距離的值、所述人臉類信息與所述非人臉類信息的類間距離的值；

基于所述函數(shù)值、所提取的特征信息、所述類內(nèi)距離的值以及所述類間距離的值，生成檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述基于所提取的特征信息、所述類內(nèi)距離的值以及所述類間距離的值，生成檢測結(jié)果，包括：

基于所述類內(nèi)距離的值以及所述類間距離的值，確定預(yù)先構(gòu)建的損失函數(shù)的函數(shù)值，其中，所述損失函數(shù)的變量包括類內(nèi)距離以及類間距離；

基于所述函數(shù)值與預(yù)設(shè)數(shù)值的大小關(guān)系以及所提取的特征信息，生成檢測結(jié)果。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述卷積層是通過如下步驟訓(xùn)練得到的：

獲取多個(gè)待檢測圖像以及與所述多個(gè)待檢測圖像中的每個(gè)待檢測圖像對應(yīng)的特征信息；

利用機(jī)器學(xué)習(xí)算法，將所述多個(gè)待檢測圖像中的每個(gè)待檢測圖像作為輸入，將與所述多個(gè)待檢測圖像中的每個(gè)待檢測圖像對應(yīng)的特征信息作為輸出，訓(xùn)練得到卷積層。

4.根據(jù)權(quán)利要求1-3之一所述的方法，其中，所述方法還包括：

確定檢測結(jié)果的準(zhǔn)確率；

響應(yīng)于確定出所述準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)。

5.一種用于檢測人臉的裝置，包括：

獲取單元，配置用于獲取待檢測圖像；

提取單元，配置用于利用預(yù)先訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的卷積層提取所述待檢測圖像的特征信息；

第二確定單元，配置用于利用所述卷積神經(jīng)網(wǎng)絡(luò)的全連接層確定所述待檢測圖像包括人臉或不包括人臉的概率的值；

第三確定單元，配置用于基于所述概率的值，確定預(yù)先構(gòu)建的損失函數(shù)的函數(shù)值，其中，所述損失函數(shù)的變量包括待檢測圖像包括人臉或不包括人臉的概率；

聚類單元，配置用于對所述特征信息進(jìn)行聚類處理，得到人臉類信息以及非人臉類信息；

第一確定單元，配置用于確定所述人臉類信息的類內(nèi)距離的值、所述人臉類信息與所述非人臉類信息的類間距離的值；

第一生成單元，配置用于基于所述函數(shù)值、所提取的特征信息、所述類內(nèi)距離的值以及所述類間距離的值，生成檢測結(jié)果。

6.根據(jù)權(quán)利要求5所述的裝置，其中，所述第一生成單元包括：

確定模塊，配置用于基于所述類內(nèi)距離的值以及所述類間距離的值，確定預(yù)先構(gòu)建的損失函數(shù)的函數(shù)值，其中，所述損失函數(shù)的變量包括類內(nèi)距離以及類間距離；

生成模塊，配置用于基于所述函數(shù)值與預(yù)設(shè)數(shù)值的大小關(guān)系以及所提取的特征信息，生成檢測結(jié)果。

7.根據(jù)權(quán)利要求5所述的裝置，其中，所述卷積層是通過如下步驟訓(xùn)練得到的：

獲取多個(gè)待檢測圖像以及與所述多個(gè)待檢測圖像中的每個(gè)待檢測圖像對應(yīng)的特征信息；

利用機(jī)器學(xué)習(xí)算法，將所述多個(gè)待檢測圖像中的每個(gè)待檢測圖像作為輸入，將與所述多個(gè)待檢測圖像中的每個(gè)待檢測圖像對應(yīng)的特征信息作為輸出，訓(xùn)練得到卷積層。

8.根據(jù)權(quán)利要求5-7之一所述的裝置，其中，所述裝置還包括：

第四確定單元，配置用于確定檢測結(jié)果的準(zhǔn)確率；

調(diào)整單元，配置用于響應(yīng)于確定出所述準(zhǔn)確率小于預(yù)設(shè)準(zhǔn)確率，調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)。