[發明專利]一種圖像檢測方法及裝置

在審

• 申請號: 201811596614.5
• 申請日: 2018-12-26
• 公開（公告）號: CN109886073A
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 吳偉;吳濤;楊龍;張兆豐;王孝宇;田第鴻
• 申請（專利權）人: 深圳云天勵飛技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種圖像檢測方法，其特征在于，包括：

獲取待檢測圖像；

使用第一級聯卷積神經網絡檢測所述待檢測圖像中人臉的位置；

所述第一級聯卷積神經網絡為根據第二級聯卷積神經網絡訓練得到的級聯卷積神經網絡，所述第一級聯卷積神經網絡和所述第二級聯卷積神經網絡均由M個卷積神經網絡級聯而成，所述第一級聯卷積神經網絡的復雜度小于所述第二級聯卷積神經網絡的復雜度，所述M為大于或等于3的整數。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取訓練數據，所述訓練數據包括圖像片段集以及所述圖像片段集中每個圖像片段的第一人臉標簽和第一位置標簽；

將第一圖像片段輸入第二級聯卷積神經網絡，得到第二人臉標簽，所述第一圖像片段為所述圖像片段集的任一圖像片段，所述第二級聯卷積神經網絡是訓練好的級聯卷積神經網絡；

將所述第一圖像片段輸入待訓練級聯卷積神經網絡，得到第三人臉標簽和第二位置標簽；

根據所述第一人臉標簽、所述第二人臉標簽、所述第三人臉標簽、所述第一位置標簽和所述第二位置標簽，計算總損失；

根據所述總損失優化所述待訓練級聯卷積神經網絡的參數，得到所述第一級聯卷積神經網絡。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第一人臉標簽、所述第二人臉標簽、所述第三人臉標簽、所述第一位置標簽和所述第二位置標簽，計算總損失包括：

根據所述第一人臉標簽、所述第二人臉標簽和所述第三人臉標簽，計算分類損失；

根據所述第一位置標簽和所述第二位置標簽，計算回歸損失；

根據所述分類損失和所述回歸損失，計算總損失。

4.根據權利要求3所述的方法，其特征在于，所述根據所述第一人臉標簽、所述第二人臉標簽和所述第三人臉標簽，計算分類損失包括：

根據所述第一人臉標簽和所述第三人臉標簽，計算第一分類損失；

根據所述第二人臉標簽和所述第三人臉標簽，計算第二分類損失；

根據所述第一分類損失和所述第二分類損失，計算分類損失。

5.根據權利要求4所述的方法，其特征在于，所述根據所述第一人臉標簽和所述第三人臉標簽，計算第一分類損失包括：

根據所述第一人臉標簽和所述待訓練級聯卷積神經網絡中第i個卷積神經網絡輸出的人臉標簽，計算第i1分類損失，所述i為大于0且小于M+1的整數；

所述根據所述第二人臉標簽和所述第三人臉標簽，計算第二分類損失包括：

根據所述第二級聯卷積神經網絡中第i個卷積神經網絡輸出的人臉標簽和所述待訓練級聯卷積神經網絡中第i個卷積神經網絡輸出的人臉標簽，計算第i2分類損失；

所述根據所述第一分類損失和所述第二分類損失，計算分類損失包括：

根據所述第i1分類損失和所述第i2分類損失，計算第i分類損失。

6.根據權利要求5所述的方法，其特征在于，所述根據所述第一位置標簽和所述第二位置標簽，計算回歸損失包括：

根據所述第一位置標簽和所述待訓練級聯卷積神經網絡中第i個卷積神經網絡輸出的位置標簽，計算第i回歸損失；

所述根據所述分類損失和所述回歸損失，計算總損失包括：

根據所述第i分類損失和所述第i回歸損失，計算第i損失；

所述根據所述總損失優化所述待訓練級聯卷積神經網絡的參數，得到所述第一級聯卷積神經網絡包括：

根據所述第i損失優化所述待訓練級聯卷積神經網絡中第i個卷積神經網絡的參數，得到所述第一級聯卷積神經網絡。

7.一種圖像檢測裝置，其特征在于，包括：

第一獲取單元，用于獲取待檢測圖像；

檢測單元，用于使用第一級聯卷積神經網絡檢測所述獲取單元獲取的待檢測圖像中人臉的位置；

所述第一級聯卷積神經網絡為根據第二級聯卷積神經網絡訓練得到的級聯卷積神經網絡，所述第一級聯卷積神經網絡和所述第二級聯卷積神經網絡均由M個卷積神經網絡級聯而成，所述第一級聯卷積神經網絡的復雜度小于所述第二級聯卷積神經網絡的復雜度，所述M為大于或等于3的整數。