[發明專利]低光照度人臉檢測方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202210330203.1
• 申請日: 2022-03-28
• 公開（公告）號: CN115147892A
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 胡懋成;李德民;王秋陽;宋素林
• 申請（專利權）人: 深圳市賽為智能股份有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06N3/04
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 李燕娥

本發明實施例公開了低光照度人臉檢測方法、裝置、計算機設備及存儲介質。所述方法包括：獲取待檢測圖像；將所述待檢測圖像輸入人臉檢測模型內進行人臉檢測，以得到檢測結果；輸出所述檢測結果；其中，所述人臉檢測模型通過若干組由低光照度人臉圖像以及正常光照度人臉圖像構成圖像對作為樣本集訓練由梯度引導的對抗生成網絡以及目標檢測網絡構成的模型所得的。通過實施本發明實施例的方法可實現無需通過閾值調整進行超低光照度地人臉檢測，可以針對不同程度的低光照度光線進行人臉檢測，準確率高。

技術領域

本發明涉及人臉檢測方法，更具體地說是指低光照度人臉檢測方法、裝置、計算機設備及存儲介質。

背景技術

隨著智能社會的發展，人臉識別技術已經運用于許多場景中，如小區的門禁系統、火車站的閘機入口、展會的安防系統等。通過人臉識別技術，不僅使人們享受其所帶來的便利，同時也對人們的安全提供了保障。如在火車站這種公共場合，相較于傳統的人工方式，利用人臉識別通過閘機，可以極大的提高通行效率。

人臉檢測是人臉識別技術中一個重要環節，在進行人臉檢測時，一般是通過拍攝圖片進行檢測，圖片會受到光照度的影響，對于一些比較低光照度的圖片若直接進行人臉檢測，檢測的準確率會大大降低?，F有以下五種方式進行處理，第一種是采用OTSU分割算法在低照度的情況下的自適應算法，實現了對低照度環境圖像采集的自適應，通過處理前后的低照度人臉圖像Adaboost分類檢測器驗證。該算法中OTSU算法進行語義分割需要設定閾值，對不同程度的低光照沒有很好的兼容性，效果較差，其次adboost是弱分類器，往往會因為數據不平衡導致識別效果變差；第二種是通過對人臉視頻圖像的預處理，并基于Adaboost人臉檢測算法最終通過特征融合建模進行人臉識別，該算法基于傳統機器學習模型進行人臉圖片預處理，進行人為調參數，同時基于adboost進行人臉檢測算法參數閾值的設定對檢測效果不夠精準；第三種是將光照變化對人臉識別造成的影響從預處理、特征提取記憶分類器進行了設計，利用粗粒度區劃算法，結合光照變化信息將連續對比度值域區間進行劃分，并提取LNMCP人臉特征，通過映入模糊隸屬函數以及通過權重計算，識別人類識別率，但是該算法基于通過動態閾值對非線性進行劃分層提取人臉特征，有人工設參的步驟參與，使得該算法模型不夠魯棒，對異常光線及人臉不同部位的反光的情況無法有好的適應效果；第四種是通過設定干擾區域的掩碼，確定干擾區域的像素數目，以及其灰度值于閾值進行比較，找出超過閾值的像素點，然后判斷圖像中灰度超過閾值的像素點數目于干擾區域的像素點數目進行比較，若大于干擾區域小蘇點數目則將圖像灰度超過閾值的像素點于設定的掩膜模板進行掩膜處理來改變像素點的灰度值，但是該方法過多的依賴于人工挑選閾值參數的手法進行去反光處理，針對不同方向程度的反光沒有很好的兼容性，且僅僅針對眼鏡反光進行處理，沒有考慮到其他光照皮膚漫反射等其他光照影響，使得該算法效果不夠魯棒；第五種是通過對像素點灰度值進行預處理，調節圖像的閾值，通過計算圖像像素點的臨域矩陣將其進行無權重融合。基于中心線對稱修改替換白斑區域的像素點的灰度值，最后對修改后的圖像像素點集合進行均值歸一化做人臉輸出，但是該專利基于閾值進行對光照強度區域進行調整，無法適合不同光照條件的影響，算法對去反光效果不夠穩定，往往因設定的閾值不夠準確而導致識別效果變差。

因此，有必要設計一種新的方法，實現無需通過閾值調整進行超低光照度地人臉檢測，可以針對不同程度的低光照度光線進行人臉檢測，準確率高。

發明內容

本發明的目的在于克服現有技術的缺陷，提供低光照度人臉檢測方法、裝置、計算機設備及存儲介質。

為實現上述目的，本發明采用以下技術方案：低光照度人臉檢測方法，包括：

獲取待檢測圖像；

將所述待檢測圖像輸入人臉檢測模型內進行人臉檢測，以得到檢測結果；

輸出所述檢測結果；