[發明專利]一種人臉檢測方法、裝置和設備

在審

• 申請號: 201910393574.2
• 申請日: 2019-05-13
• 公開（公告）號: CN110210329A
• 公開（公告）日: 2019-09-06
• 發明（設計）人: 何俊樂;毛亮;朱婷婷;林煥凱;黃仝宇;汪剛;宋一兵;侯玉清;劉雙廣
• 申請（專利權）人: 高新興科技集團股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發明公開了一種人臉檢測方法，包括：將人臉數據輸入到預先訓練好的深度可分離卷積中；其中，所述深度可分離卷積采用雙路稠密結構；將所述深度可分離卷積中的雙路輸出數據與所述人臉數據進行整合，以輸出特征數據；將所述特征數據與預設錨點框進行映射，輸出人臉檢測的結果。本發明還公開了一種人臉檢測裝置和設備。采用本發明實施例，能夠能有效減少模型尺寸且減少人臉檢測過程中的運算量。

技術領域

本發明涉及人臉檢測技術，尤其涉及一種人臉檢測方法、裝置和設備。

背景技術

人臉檢測算法是一種基于圖像視頻監控所傳輸的人臉數據，來準確定位圖像信息中的人臉位置。這種技術被廣泛地運用在海關關卡監控、在逃犯人追蹤以及人員管理中。其技術路線可以總結為：提取人臉的基本特征，然后根據一定的置信度來檢測出圖中是否有人臉存在。在較早期的一些方案中，許多人工特征被提取出來作為檢測的依據，如使用ADABOOST和SVM特征分類。其優點是操作方便且運行速度較快，但是這些方法對場景的泛化能力較差，使得其檢測準確率和召回率都較低。之后隨著深度學習技術的提升和GPU計算能力的不斷增強，有越來越多基于卷積神經網絡的技術方案，現有技術中通常使用基于Single Shot Detector(SSD)的人臉檢測算法，這種算法的特征提取網絡是基于深度學習網絡VGG，雖然在準確率、召回率上得到了有效地提升，但是網絡模型較大、檢測實時性較低，且占用顯存較高，不利于移動端設備的封裝使用，同時在人臉檢測過程中會有較大的計算量。

發明內容

本發明實施例的目的是提供一種人臉檢測方法、裝置和設備，能有效減少模型尺寸且減少人臉檢測過程中的運算量。

為實現上述目的，本發明實施例提供了一種人臉檢測方法，包括：

將人臉數據輸入到預先訓練好的深度可分離卷積中；其中，所述深度可分離卷積采用雙路稠密結構；

將所述深度可分離卷積中的雙路輸出數據與所述人臉數據進行整合，以輸出特征數據；

將所述特征數據與預設錨點框進行映射，輸出人臉檢測的結果。

與現有技術相比，本發明公開的人臉檢測方法中，首先將人臉數據輸入到預先訓練好的深度可分離卷積中，采用雙路稠密結構的深度可分離卷積模型，可以在極大地減少模型大小的同時減少人臉檢測過程中的運算量；然后將所述深度可分離卷積中的雙路輸出數據與原始輸入數據進行整合，從而提取特征數據，將卷積后的信息與原輸入整合，不僅是為了在使用卷積提取特征的同時，將淺層人臉數據更直接地傳遞到深層，同時也可以減緩深度學習網絡的梯度消失問題；最后將特征數據與預設錨點框進行映射，輸出人臉檢測的結果，可以使得網絡對人臉信息的預測在一定的范圍之內，為網絡提供可靠的人臉尺寸依據，使得其更好地學習和預測人臉信息，從而在有限的網絡參數情況下，保持較高的檢測性能。

作為上述方案的改進，所述將所述深度可分離卷積中的雙路輸出數據與所述人臉數據進行整合，以輸出特征數據后，還包括：

將所述特征數據輸入到下一個所述深度可分離卷積中；

判斷下一個所述深度可分離卷積是否為預設的目標深度可分離卷積；

若是，則將下一個所述深度可分離卷積中的雙路輸出數據與所述特征數據進行整合，以輸出目標特征數據；若否，則將下一個所述深度可分離卷積中的雙路輸出數據與所述特征數據進行整合后，將整合后的數據繼續輸入到下一個所述深度可分離卷積中，直至下一個所述深度可分離卷積為所述目標深度可分離卷積；

則，所述將所述特征數據與預設錨點框進行映射，得到人臉檢測的結果，包括：

將所述目標特征數據與預設錨點框進行映射，得到人臉檢測的結果。

作為上述方案的改進，所述深度可分離卷積包括第一輸出通道和第二輸出通道；其中，