[發明專利]一種圖片檢測的方法和相關裝置

在審

• 申請號: 202010228404.1
• 申請日: 2020-03-27
• 公開（公告）號: CN111444850A
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 謝強;周峰
• 申請（專利權）人: 北京愛筆科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 柳欣

1.一種圖片檢測的方法，其特征在于，包括：

獲取待檢測圖片，所述待檢測圖片包括人臉和人頭；

利用目標檢測模型對所述待檢測圖片進行檢測，獲得所述待檢測圖片中目標人臉框和目標人頭框；所述目標檢測模型是基于同時標注人臉標簽、人臉框位置信息、人頭標簽和人頭框位置信息的圖片樣本以及卷積神經網絡預先訓練獲得的。

2.根據權利要求1所述的方法，其特征在于，所述目標檢測模型的訓練過程包括：

基于所述圖片樣本和所述卷積神經網絡中共用特征提取網絡，獲得所述圖片樣本對應的特征圖；所述特征圖包括人臉特征和人頭特征；

基于所述特征圖和所述卷積神經網絡中人臉、人頭分類定位器，獲得所述圖片樣本中預測人臉框和預測人頭框；

基于所述預測人臉框、所述預測人頭框、所述人臉標簽、所述人臉框位置信息、所述人頭標簽和所述人頭框位置信息，利用目標損失函數訓練更新所述卷積神經網絡的網絡參數；

將訓練更新完成后的卷積神經網絡確定為所述目標檢測模型。

3.根據權利要求2所述的方法，其特征在于，所述共用特征提取網絡包括深度可分離卷積模塊。

4.根據權利要求2所述的方法，其特征在于，所述目標損失函數包括人頭分類損失函數、人頭位置預測損失函數、人臉分類損失函數和人臉位置預測損失函數。

5.根據權利要求2所述的方法，其特征在于，所述目標檢測模型包括目標共用特征提取網絡以及目標人臉、目標人頭分類定位器；

對應地，所述利用目標檢測模型對所述待檢測圖片進行檢測，獲得所述待檢測圖片中目標人臉框和目標人頭框，包括：

基于所述待檢測圖片和所述目標共用特征提取網絡，獲得所述待檢測圖片對應的目標特征圖；所述目標特征圖包括目標人臉特征和目標人頭特征；

基于所述目標特征圖和所述目標人臉、目標人頭分類定位器，獲得所述待檢測圖片中目標人臉框和目標人頭框。

6.根據權利要求2所述的方法，其特征在于，在所述獲得所述圖片樣本對應的特征圖之后，還包括：

基于所述特征圖和所述卷積神經網絡中多尺度特征提取融合模塊，獲得所述圖片樣本對應的融合特征圖；所述多尺度特征提取融合模塊由空洞卷積和普通卷積構成，所述融合特征圖包括人臉特征、人頭特征以及人臉和人頭臨近圖片語義信息；

對應地，所述基于所述特征圖和所述卷積神經網絡中人臉、人頭分類定位器，獲得所述圖片樣本中預測人臉框和預測人頭框，具體為：

基于所述融合特征圖和所述人臉、人頭分類定位器，獲得所述圖片樣本中預測人臉框和預測人頭框。

7.根據權利要求6所述的方法，其特征在于，所述目標檢測模型包括目標共用特征提取網絡、目標多尺度特征提取融合模塊以及目標人臉、目標人頭分類定位器；

對應地，所述利用目標檢測模型對所述待檢測圖片進行檢測，獲得所述待檢測圖片中目標人臉框和目標人頭框，包括：

基于所述待檢測圖片和所述目標共用特征提取網絡，獲得所述待檢測圖片對應的目標特征圖；

基于所述目標特征圖和所述目標多尺度特征提取融合模塊，獲得所述待檢測圖片對應的目標融合特征圖，所述目標融合特征圖包括目標人臉特征、目標人頭特征以及目標人臉和目標人頭臨近圖片語義信息；

基于所述目標融合特征圖和所述目標人臉、目標人頭分類定位器，獲得所述待檢測圖片中目標人臉框和目標人頭框。

8.一種圖片檢測的裝置，其特征在于，包括：

獲取單元，用于獲取待檢測圖片，所述待檢測圖片包括人臉和人頭；

第一獲得單元，用于利用目標檢測模型對所述待檢測圖片進行檢測，獲得所述待檢測圖片中目標人臉框和目標人頭框；所述目標檢測模型是基于同時標注人臉標簽、人臉框位置信息、人頭標簽和人頭框位置信息的圖片樣本以及卷積神經網絡預先訓練獲得的。