[發(fā)明專利]人臉圖像的檢測(cè)方法及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201911340156.3
• 申請(qǐng)日: 2019-12-23
• 公開（公告）號(hào): CN111178217A
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 周康明;曹磊磊
• 申請(qǐng)（專利權(quán)）人: 上海眼控科技股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 上海百一領(lǐng)御專利代理事務(wù)所(普通合伙) 31243
• 代理人: 王奎宇;甘章乖

1.一種人臉圖像的檢測(cè)方法，其中，該方法包括：

構(gòu)建人臉檢測(cè)模型，所述人臉檢測(cè)模型對(duì)應(yīng)的特征提取網(wǎng)絡(luò)包括多個(gè)依次連接的圖像特征提取段，所述圖像特征提取段包括依次連接的第一處理塊和多個(gè)第二處理塊，所述第一處理塊用于使用深度可分離卷積對(duì)輸入的特征圖像進(jìn)行下采樣后輸出，所述第二處理塊用于對(duì)輸入的特征圖像進(jìn)行通道分離，再使用深度可分離卷積對(duì)通道分離后的特征圖像進(jìn)行特征提取后輸出；

將所述人臉檢測(cè)模型部署至移動(dòng)終端，以使所述移動(dòng)終端獲取待檢測(cè)圖像，并根據(jù)所述人臉檢測(cè)模型對(duì)所述待檢測(cè)圖像進(jìn)行人臉檢測(cè)，獲取所述待檢測(cè)圖像中的人臉圖像。

2.根據(jù)權(quán)利要求1所述的方法，其中，構(gòu)建人臉檢測(cè)模型，包括：

構(gòu)建人臉檢測(cè)模型對(duì)應(yīng)的特征提取網(wǎng)絡(luò)和特征檢測(cè)網(wǎng)絡(luò)，所述特征提取網(wǎng)絡(luò)還包括圖像特征金字塔網(wǎng)絡(luò)，所述圖像特征金字塔網(wǎng)絡(luò)根據(jù)所述圖像特征提取段輸出的特征圖像進(jìn)行上采樣或下采樣，并將通過上采樣或下采樣得到的特征圖像組成多層次的圖像特征金字塔；所述特征檢測(cè)網(wǎng)絡(luò)獲取所述圖像特征金字塔網(wǎng)絡(luò)輸出的圖像特征金字塔，并根據(jù)所述圖像特征金字塔輸出分類特征圖像和回歸特征圖像，所述分類特征圖像用于說明其中像素點(diǎn)屬于人臉的概率，所述回歸特征圖像用于給出人臉框的信息；

將訓(xùn)練圖像輸入所述特征提取網(wǎng)絡(luò)進(jìn)行人臉特征提取，獲取相應(yīng)的特征圖像；

將所述特征圖像輸入所述特征檢測(cè)網(wǎng)絡(luò)進(jìn)行特征檢測(cè)，獲取相應(yīng)的分類特征圖像和回歸特征圖像；

將所述分類特征圖像與所述訓(xùn)練圖像預(yù)先標(biāo)注的人臉分類進(jìn)行比對(duì)，確定分類誤差；

將所述回歸特征圖像與所述訓(xùn)練圖像預(yù)先標(biāo)注的人臉圖像框進(jìn)行比對(duì)，確定回歸特征誤差；

基于所述分類誤差和回歸特征誤差，對(duì)所述人臉檢測(cè)模型的模型參數(shù)進(jìn)行調(diào)整；

在滿足預(yù)設(shè)的模型訓(xùn)練停止條件時(shí)，將所述人臉檢測(cè)模型的當(dāng)前模型參數(shù)確定為訓(xùn)練好的所述人臉檢測(cè)模型的模型參數(shù)。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述圖像特征金字塔網(wǎng)絡(luò)根據(jù)所述圖像特征提取段輸出的特征圖像進(jìn)行上采樣或下采樣，并將通過上采樣或下采樣得到的特征圖像組成多層次圖像特征金字塔，包括：

獲取所述多個(gè)依次連接的圖像特征提取段中的最后一個(gè)圖像特征提取段輸出的特征圖像，并通過大小為1×1的卷積核對(duì)該特征圖像進(jìn)行通道調(diào)整，將通道調(diào)整后的特征圖像確定為基準(zhǔn)特征圖像；

對(duì)所述基準(zhǔn)特征圖像通過深度可分離卷積處理塊進(jìn)行下采樣，獲取下采樣后的特征圖像；

對(duì)所述基準(zhǔn)特征圖像進(jìn)行上采樣，再將得到的特征圖像通過深度可分離卷積處理塊進(jìn)行特征提取，獲取上采樣后的特征圖像；

將上采樣后的特征圖像、基準(zhǔn)特征圖像和下采樣后的特征圖像按照?qǐng)D像尺寸進(jìn)行排序，獲取多層次圖像特征金字塔。

4.根據(jù)權(quán)利要求3所述的方法，其中，對(duì)所述基準(zhǔn)特征圖像通過深度可分離卷積處理塊進(jìn)行下采樣，獲取下采樣后的特征圖像，還包括：

對(duì)所述下采樣后的特征圖像通過深度可分離卷積處理塊進(jìn)行下采樣，獲取下采樣后的特征圖像；

對(duì)所述基準(zhǔn)特征圖像進(jìn)行上采樣，再將得到的特征圖像通過深度可分離卷積處理塊進(jìn)行特征提取，獲取上采樣后的特征圖像，包括：

通過雙線性插值算法對(duì)所述基準(zhǔn)特征圖像進(jìn)行上采樣，獲取第一特征圖像；

獲取與最后一個(gè)所述圖像特征提取段相連接的上一個(gè)所述圖像特征提取段所輸出的特征圖像，并通過大小為1×1的卷積核對(duì)該特征圖像進(jìn)行通道調(diào)整，將通道調(diào)整后的特征圖像與所述第一特征圖像進(jìn)行逐像素相加，獲取第二特征圖像；

將所述第二特征圖像通過深度可分離卷積處理塊進(jìn)行特征提取，獲取上采樣后的特征圖像。

5.根據(jù)權(quán)利要求4所述的方法，其中，所述深度可分離卷積處理塊包括：

依次連接的深度可分離卷積層、批標(biāo)準(zhǔn)化層、卷積核大小為1×1的卷積層、批標(biāo)準(zhǔn)化層和激活函數(shù)層，所述深度可分離卷積層的卷積核大小為3×3。