[發明專利]嵌入式設備的人臉檢測方法及裝置、存儲介質、終端

在審

• 申請號: 201910865633.1
• 申請日: 2019-09-12
• 公開（公告）號: CN112487852A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 達聲蔚
• 申請（專利權）人: 上海齊感電子信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 杜金玲;張振軍

1.一種嵌入式設備的人臉檢測方法，其特征在于，包括：

確定MobileNet-SSD網絡模型為人臉檢測模型，并確定人臉訓練數據集的數據格式；

基于所述數據格式的人臉訓練數據集，訓練所述MobileNet-SSD網絡模型，在訓練時，所述MobileNet-SSD網絡模型中的SSD算法采用的特征圖的尺度是根據所述人臉訓練數據集中各個人臉訓練數據的圖像尺寸確定的；

使用訓練后的MobileNet-SSD模型檢測待檢測圖像中的人臉。

2.根據權利要求1所述的人臉檢測方法，其特征在于，所述人臉訓練數據的圖像尺寸為300×300，所述SSD算法采用的特征圖的尺度為多個，分別是9×9、4×4、2×2和1×1。

3.根據權利要求1所述的人臉檢測方法，其特征在于，所述訓練所述MobileNet-SSD網絡模型包括：

采用快速功能嵌入卷積神經網絡框架，對所述MobileNet-SSD網絡模型進行訓練。

4.根據權利要求3所述的人臉檢測方法，其特征在于，在使用訓練后的MobileNet-SSD模型檢測待檢測圖像中的人臉之前，所述人臉檢測方法還包括：

對量化得到的MobileNet-SSD模型進行測試；

如果進行所述測試時，測試圖像包含人臉，但人臉檢測結果未檢測到人臉，則重新量化所述訓練后的MobileNet-SSD網絡模型。

5.根據權利要求3所述的人臉檢測方法，其特征在于，所述采用快速功能嵌入卷積神經網絡框架，對所述MobileNet-SSD網絡模型進行訓練包括：

判斷所述訓練后的MobileNet-SSD網絡模型是否滿足預設停止訓練條件；

如果滿足所述預設停止訓練條件，則停止訓練，否則，繼續采用所述快速功能嵌入卷積神經網絡框架訓練所述MobileNet-SSD網絡模型，直至達到預設訓練次數或滿足所述預設停止訓練條件。

6.根據權利要求1所述的人臉檢測方法，其特征在于，所述SSD算法采用如下公式確定所述特征圖的先驗框的尺寸，

其中，表示第k個所述先驗框的寬，表示第k個所述先驗框的高；s_k表示第k個特征圖的尺寸，m表示所述SSD算法采用的特征圖的數量，0s_mins_max1，s_min表示所述先驗框的最小尺寸，s_max表示所述先驗框的最大尺寸，k為正整數。

7.根據權利要求6所述的人臉檢測方法，其特征在于，所述先驗框的置信度誤差公式為：

其中，

其中，L_conf(x,c)表示置信度誤差，x表示所述人臉訓練數據的訓練樣本，c表示所述訓練樣本的置信度分值，表示所述訓練樣本x的第i個先驗框與第j個真實框的概率，表示所述第i個訓練樣本為人臉的概率，表示的估計，p表示類別，Pos表示正訓練樣本，Neg表示負訓練樣本，N表示所述正訓練樣本的數量，表示e的次方,log表示取對數，表示非人臉類別。

8.一種嵌入式設備的人臉檢測裝置，其特征在于，包括：

確定模塊，用于確定MobileNet-SSD網絡模型為人臉檢測模型，并確定人臉訓練數據集的數據格式；

訓練模塊，基于所述數據格式的人臉訓練數據集，訓練所述MobileNet-SSD網絡模型，在訓練時，所述MobileNet-SSD網絡模型中的SSD算法采用的特征圖的尺度是根據所述人臉訓練數據集中各個人臉訓練數據的圖像尺寸確定的；

檢測模塊，用于使用訓練后的MobileNet-SSD模型檢測待檢測圖像中的人臉。

9.一種存儲介質，其上存儲有計算機指令，其特征在于，所述計算機指令運行時執行權利要求1至7任一項所述方法的步驟。

10.一種終端，包括存儲器和處理器，所述存儲器上存儲有能夠在所述處理器上運行的計算機指令，其特征在于，所述處理器運行所述計算機指令時執行權利要求1至7任一項所述方法的步驟。