[發明專利]人臉檢測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110009932.2
• 申請日: 2021-01-05
• 公開（公告）號: CN112699826A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 丘延君
• 申請（專利權）人: 風變科技（深圳）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: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 唐彩琴

1.一種人臉檢測方法，其特征在于，所述方法包括：

獲取待檢測圖像，所述待檢測圖像中包括待檢測人臉；

通過檢測模型對所述待檢測圖像進行特征的提取，得到人臉特征，所述檢測模型包括輕量級的反卷積模塊，所述輕量級的反卷積模塊包括一個通用卷積層、一個反卷積層以及一個可分離卷積層；

對所述人臉特征進行回歸預測，得到所述待檢測人臉的檢測結果。

2.根據權利要求1所述的方法，其特征在于，所述通過檢測模型對所述待檢測圖像進行特征的提取，得到人臉特征，包括：

通過所述檢測模型的各卷積模塊對所述待檢測圖像進行多尺度特征的提取，得到對應各尺度的初始特征；

從多個尺度中確定目標尺度，并確定對應各目標尺度的各初始特征為目標初始特征；

通過所述輕量級的反卷積模塊對各所述目標初始特征進行反卷積處理，生成對應各所述目標尺度的人臉特征。

3.根據權利要求2所述的方法，其特征在于，所述通過所述輕量級的反卷積模塊對各所述目標初始特征進行反卷積處理，生成對應各所述目標尺度的人臉特征，包括：

根據所述目標尺度中最小尺度的目標初始特征，得到對應最小目標尺度的人臉特征；

通過所述輕量級的反卷積模塊對所述最小尺度的目標初始特征進行反卷積處理，生成對應第一目標尺度的目標特征；

對所述第一目標尺度對應的目標特征以及所述第一目標尺度對應的目標初始特征進行融合處理，得到對應所述第一目標尺度的人臉特征；

將所述第一目標尺度對應的目標初始特征作為最小尺度的目標初始特征，并繼續進行反卷積處理以及融合處理，直至得到對應所有目標尺度的人臉特征。

4.根據權利要求3所述的方法，其特征在于，所述通過所述輕量級的反卷積模塊對所述最小尺度的目標初始特征進行反卷積處理，生成對應第一目標尺度的目標特征，包括：

通過所述通用卷積層對所述目標初始特征進行第一反卷積處理，得到滿足第一目標尺度的第一比例輸出通道的第一特征；

通過所述反卷積層對所述第一特征進行第二反卷積處理，得到滿足第一目標尺度的第二比例輸出通道的第二特征，所述第一比例小于所述第二比例；

通過所述可分離卷積對所述第二特征進行第三反卷積處理，生成滿足第一目標尺度對應輸出通道的目標特征。

5.根據權利要求2所述的方法，其特征在于，所述對所述人臉特征進行回歸預測，得到所述待檢測人臉的檢測結果，包括：

確定對應各目標尺度的目標錨點框，所述目標錨點框包括當前目標尺度的錨點框以及相鄰目標尺度的錨點框，所述相鄰目標尺度的尺度與所述當前目標尺度最接近且大于所述當前目標尺度；

根據各目標尺度對應的目標錨點框，對各目標尺度的人臉特征進行回歸預測，得到對應不同目標尺度的待檢測人臉的檢測結果。

6.根據權利要求1所述的方法，其特征在于，所述檢測模型為預先訓練的檢測模型，所述檢測模型的訓練方式包括：

獲取訓練集圖像；

對所述訓練集圖像中各人臉進行標定，得到標定后的訓練集圖像；

將所述訓練集圖像輸入構建的初始檢測模型中，通過所述初始檢測模型對進行人臉檢測，并生成對應的檢測結果；

根據所述檢測結果以及所述標定后的訓練集數據，計算所述初始檢測模型的模型損失；

基于所述模型損失，對所述初始檢測模型進行模型參數的調整，得到參數調整后的初始檢測模型；

基于預設的訓練參數，對所述參數調整后的初始檢測模型進行迭代訓練，得到訓練后的檢測模型。

7.根據權利要求6所述的方法，其特征在于，所述對所述訓練集圖像中各人臉進行標定，得到標定后的訓練集圖像，包括：

確定所述訓練集圖像中各人臉的圖像面積占比；

通過預設的掩膜模板去除圖像面積占比小于圖像占比閾值的人臉，并通過標定框對圖像面積占比大于或等于所述圖像占比閾值的人臉，得到標定后的訓練集圖像。