[發(fā)明專利]一種人臉檢測模型訓練方法、人臉檢測方法及其相關裝置

在審

• 申請?zhí)枺?/td>: 202110437083.0
• 申請日: 2021-04-22
• 公開（公告）號: CN113139460A
• 公開（公告）日: 2021-07-20
• 發(fā)明（設計）人: 劉暢
• 申請（專利權）人: 廣州織點智能科技有限公司
• 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(chǎn)權代理有限公司 11227
• 代理人: 沈闖

1.一種人臉檢測模型訓練方法，其特征在于，包括：

在MTCNN網(wǎng)絡中的P-Net的第一個卷積層后增加一個人臉屬性網(wǎng)絡分支，并在所述P-Net的第二個卷積層和第三個卷積層之間增加一個屬性融合層，構建得到新P-Net，其中，所述人臉屬性網(wǎng)絡分支包括依次連接的第四個卷積層、全局平均池化層和屬性預測層，所述第四個卷積層與所述屬性信息融合層連接，所述第三卷積層的輸出端與人臉預測層的輸入端連接；

通過人臉檢測數(shù)據(jù)集分階段訓練所述新P-Net、所述MTCNN網(wǎng)絡中的R-Net和O-Net，得到訓練好的所述新P-Net、訓練好的所述R-Net和訓練好的所述O-Net，所述人臉檢測數(shù)據(jù)集中的訓練樣本的標簽信息包括人臉信息和人臉屬性信息；

結合訓練好的所述新P-Net、訓練好的所述R-Net和訓練好的所述O-Net構建得到人臉檢測模型。

2.根據(jù)權利要求1所述的人臉檢測模型訓練方法，其特征在于，所述新P-Net的訓練過程為：

將所述人臉檢測數(shù)據(jù)集中的訓練樣本輸入到所述所述新P-Net，通過所述新P-Net中的所述第一個卷積層對所述訓練樣本進行第一卷積處理，得到第一人臉特征圖；

通過所述新P-Net中的所述第二個卷積層對所述第一人臉特征圖進行第二卷積處理，得到第二人臉特征圖；

通過所述新P-Net中的所述第四個卷積層對所述第一人臉特征圖進行第三卷積處理，得到人臉屬性特征圖；

通過所述屬性信息融合層對所述第二人臉特征圖和所述人臉屬性特征圖進行特征融合，得到融合特征，并通過所述第三個卷積層和所述人臉預測層對所述融合特征依次進行第四卷積處理和人臉預測，得到所述訓練樣本對應的人臉預測結果；

通過所述全局平均池化層和所述屬性預測層對所述人臉屬性特征圖依次進行池化處理和人臉屬性預測，得到所述訓練樣本對應的人臉屬性預測結果；

根據(jù)所述訓練樣本的人臉預測結果和所述標簽信息中的人臉信息計算人臉損失值，根據(jù)所述訓練樣本的人臉屬性預測結果和所述標簽信息中的人臉屬性信息計算屬性損失值，并通過所述人臉損失值和所述屬性損失值更新所述新P-Net的網(wǎng)絡參數(shù)，直至所述新P-Net收斂。

3.根據(jù)權利要求2所述的人臉檢測模型訓練方法，其特征在于，所述新P-Net還包括最大值池化層，所述最大值池化層的輸入端與所述第四個卷積層的輸出端連接，輸出端與所述屬性信息融合層的輸入端連接；

相應的，所述通過所述屬性信息融合層對所述第二人臉特征圖和所述人臉屬性特征圖進行特征融合，得到融合特征，之前還包括：

通過所述最大值池化層對所述所述人臉屬性特征圖進行最大值池化操作，得到人臉屬性權重圖；

所述通過所述屬性信息融合層對所述第二人臉特征圖和所述人臉屬性特征圖進行特征融合，得到融合特征，包括：

通過所述屬性信息融合層對所述第二人臉特征圖和人臉屬性權重圖進行逐點相乘運算，得到融合特征。

4.一種人臉檢測方法，其特征在于，包括：

獲取待檢測人臉圖像；

將所述待檢測圖像輸入到人臉檢測模型進行人臉檢測，得到所述待檢測圖像的人臉檢測結果，其中，所述人臉檢測模型通過權利要求1-3任一項所述的人臉檢測模型訓練方法得到。

5.一種人臉檢測模型訓練裝置，其特征在于，包括：

第一構建單元，用于在MTCNN網(wǎng)絡中的P-Net的第一個卷積層后增加一個人臉屬性網(wǎng)絡分支，并在所述P-Net的第二個卷積層和第三個卷積層之間增加一個屬性融合層，構建得到新P-Net，其中，所述人臉屬性網(wǎng)絡分支包括依次連接的第四個卷積層、全局平均池化層和屬性預測層，所述第四個卷積層與所述屬性信息融合層連接，所述第三卷積層的輸出端與人臉預測層的輸入端連接；

訓練單元，用于通過人臉檢測數(shù)據(jù)集分階段訓練所述新P-Net、所述MTCNN網(wǎng)絡中的R-Net和O-Net，得到訓練好的所述新P-Net、訓練好的所述R-Net和訓練好的所述O-Net，所述人臉檢測數(shù)據(jù)集中的訓練樣本的標簽信息包括人臉信息和人臉屬性信息；

第二構建單元，用于結合訓練好的所述新P-Net、訓練好的所述R-Net和訓練好的所述O-Net構建得到人臉檢測模型。