[發(fā)明專利]應(yīng)用于移動端的人臉檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 202011237457.6
• 申請日: 2020-11-09
• 公開（公告）號: CN112232292A
• 公開（公告）日: 2021-01-15
• 發(fā)明（設(shè)計）人: 侯博嚴;于吉鵬;李馳;劉巖
• 申請（專利權(quán)）人: 泰康保險集團股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 薛平;周曉飛

本發(fā)明提供了一種應(yīng)用于移動端的人臉檢測方法及裝置，該方法包括：構(gòu)建超輕量級人臉檢測模型，并進行訓(xùn)練；超輕量級人臉檢測模型包括dw卷積層、多個權(quán)值篩選模塊、分類回歸模塊、非極大值抑制模塊，dw卷積層用于提取特征圖；權(quán)值篩選模塊包括通道域權(quán)值篩選模塊和空間域權(quán)值篩選模塊，分別用于在通道域?qū)μ卣鲌D進行篩選，以及在空間域?qū)νǖ烙蚝Y選后的特征圖進行篩選；分類回歸模塊用于對篩選后的特征圖進行分類和回歸；非極大值抑制模塊用于根據(jù)所有分類回歸模塊的輸出，獲得人臉檢測結(jié)果；在獲得待檢測人臉圖像后，輸入至訓(xùn)練好的超輕量級人臉檢測模型中，獲得人臉檢測結(jié)果。本發(fā)明可以在移動端快速地實現(xiàn)人臉檢測，精度高。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)技術(shù)領(lǐng)域，尤其涉及一種應(yīng)用于移動端的人臉檢測方法及裝置。

背景技術(shù)

人臉檢測屬于目標(biāo)檢測領(lǐng)域，即給一幅圖像找到其中所有人臉的位置，并用矩形框?qū)⑷四樋蚱饋磔敵鼍匦慰虻奈恢煤统叽纭Ｈ四槞z測算法可以分為三個階段，分別是早期傳統(tǒng)算法階段、AdaBoost框架階段，以及深度學(xué)習(xí)算法時代。其中深度學(xué)習(xí)算法無論在速度還是精度上都遠優(yōu)于其他方法。現(xiàn)階段主流的人臉檢測算法有MTCNN、Faceness-Net、FaceR-CNN、SSH等。這些算法的網(wǎng)絡(luò)往往在GPU加速的情況下才能達到較快的速度，且模型較大不適用在手機等移動端，或是經(jīng)過模型壓縮后精度下降嚴重。

發(fā)明內(nèi)容

本發(fā)明實施例提出一種應(yīng)用于移動端的人臉檢測方法，用以在移動端快速地實現(xiàn)人臉檢測，精度高，該方法包括：

構(gòu)建超輕量級人臉檢測模型，對所述超輕量級人臉檢測模型進行訓(xùn)練，獲得訓(xùn)練好的超輕量級人臉檢測模型；其中，所述超輕量級人臉檢測模型包括深度可分離dw卷積層、多個權(quán)值篩選模塊、與每個權(quán)值篩選模塊連接的分類回歸模塊、與多個分類回歸模塊連接的非極大值抑制模塊，所述深度可分離dw卷積層用于從人臉圖像中提取出多種不同尺寸的特征圖，所述權(quán)值篩選模塊用于對不同尺寸的特征圖進行篩選，所述分類回歸模塊用于對對應(yīng)權(quán)值篩選模塊輸出的篩選后的特征圖進行分類和回歸，獲得人臉的預(yù)測框，所述非極大值抑制模塊用于根據(jù)所有分類回歸模塊輸出的人臉的預(yù)測框，獲得人臉檢測結(jié)果；所述權(quán)值篩選模塊包括通道域權(quán)值篩選模塊和空間域權(quán)值篩選模塊，其中，通道域權(quán)值篩選模塊用于在通道域?qū)Σ煌叽绲奶卣鲌D進行篩選，獲得通道域篩選后的特征圖，空間域權(quán)值篩選模塊用于在空間域?qū)νǖ烙蚝Y選后的特征圖進行篩選，獲得空間域權(quán)值篩選后的特征圖；

在獲得待檢測人臉圖像后，輸入至訓(xùn)練好的超輕量級人臉檢測模型中，獲得人臉檢測結(jié)果。

本發(fā)明實施例提出一種應(yīng)用于移動端的人臉檢測裝置，用以在移動端快速地實現(xiàn)人臉檢測，精度高，該裝置包括：

超輕量級人臉檢測模型構(gòu)建模塊，用于構(gòu)建超輕量級人臉檢測模型，對所述超輕量級人臉檢測模型進行訓(xùn)練，獲得訓(xùn)練好的超輕量級人臉檢測模型；其中，所述超輕量級人臉檢測模型包括深度可分離dw卷積層、多個權(quán)值篩選模塊、與每個權(quán)值篩選模塊連接的分類回歸模塊、與多個分類回歸模塊連接的非極大值抑制模塊，所述深度可分離dw卷積層用于從人臉圖像中提取出多種不同尺寸的特征圖，所述權(quán)值篩選模塊用于對不同尺寸的特征圖進行篩選，所述分類回歸模塊用于對對應(yīng)權(quán)值篩選模塊輸出的篩選后的特征圖進行分類和回歸，獲得人臉的預(yù)測框，所述非極大值抑制模塊用于根據(jù)所有分類回歸模塊輸出的人臉的預(yù)測框，獲得人臉檢測結(jié)果；所述權(quán)值篩選模塊包括通道域權(quán)值篩選模塊和空間域權(quán)值篩選模塊，其中，通道域權(quán)值篩選模塊用于在通道域?qū)Σ煌叽绲奶卣鲌D進行篩選，獲得通道域篩選后的特征圖，空間域權(quán)值篩選模塊用于在空間域?qū)νǖ烙蚝Y選后的特征圖進行篩選，獲得空間域權(quán)值篩選后的特征圖；

人臉檢測模塊，用于在獲得待檢測人臉圖像后，輸入至訓(xùn)練好的超輕量級人臉檢測模型中，獲得人臉檢測結(jié)果。

本發(fā)明實施例還提出了一種計算機設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述應(yīng)用于移動端的人臉檢測方法。