[发明专利]一种人脸检测方法在审

专利信息
申请号: 201610099902.4 申请日: 2016-02-23
公开(公告)号: CN107103271A 公开(公告)日: 2017-08-29
发明(设计)人: 陈明修 申请(专利权)人: 芋头科技(杭州)有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 上海申新律师事务所31272 代理人: 党蕾
地址: 310000 浙江省杭州市余杭区*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 检测 方法
【权利要求书】:

1.一种人脸检测方法,其特征在于,包括,于预先输入的复数个人脸训练样本中分别确定多个人脸特征信息,并根据每个所述人脸训练样本中的所有所述人脸特征信息训练形成特征预测模型,还包括:

步骤S1,采用图像采集装置获取图像;

步骤S2,采用预先训练形成的人脸检测器判断所述图像中是否包括人脸:

若否,则返回所述步骤S1;

步骤S3,采用所述特征预测模型,在所述图像中的所述人脸上预测得到多个所述人脸特征信息;

步骤S4,根据预测得到的多个所述人脸特征信息构成关联于所述人脸的面部结构,随后退出。

2.如权利要求1所述的人脸检测方法,其特征在于,训练形成所述特征预测模型的步骤具体包括:

步骤A1,获取多个包括不同角度的人脸的图像,以作为所述人脸训练样本;

步骤A2,在一个预设的所述人脸训练样本上标注多个所述人脸特征信息作为输入信息,以及将关联于预设的所述人脸训练样本的角度信息作为输出信息,对所述特征预测模型进行训练;

步骤A3,判断是否存在尚未作为训练依据的所述人脸训练样本:

若是,则形成并输出最终的所述特征预测模型,随后退出;

若否,则返回所述步骤A2,以根据下一个所述人脸训练样本对所述特征预测模型进行训练。

3.如权利要求2所述的人脸检测方法,其特征在于,所述步骤A2中,采用逻辑回归算法,以多个所述人脸特征信息作为所述输入信息,以所述角度信息作为所述输出信息,对所述特征预测模型进行训练。

4.如权利要求2所述的人脸检测方法,其特征在于,所述步骤A2中,采用神经网络回归算法,以多个所述人脸特征信息作为所述输入信息,以所述角度信息作为所述输出信息,对所述特征预测模型进行训练。

5.如权利要求2所述的人脸检测方法,其特征在于,所述步骤A2中,得到关联于所述人脸训练样本的所述角度信息的方法包括:

预先根据获取的所述人脸图像与所述图像采集装置的不同角度得到相应的所述角度信息。

6.如权利要求2所述的人脸检测方法,其特征在于,所述步骤A2中,得到关联于所述人脸训练样本的所述角度信息的方法包括:

根据所述人脸训练样本上得到关联于所述人脸的五官轮廓上的任意两点,并根据所述任意两点之间的连线与图像坐标系中的X坐标轴之间的角度确定关联于所述人连续连样本的所述角度信息;或者

根据所述人脸训练样本上得到关联于所述人脸的五官轮廓上的任意两点,并根据所述任意两点之间的连线与图像坐标系中的Y坐标轴之间的角度确定关联于所述人连续连样本的所述角度信息。

7.如权利要求1所述的人脸检测方法,其特征在于,每个所述人脸特征信息用于表示所述人脸上的一个特征点。

8.如权利要求7所述的人脸检测方法,其特征在于,所述特征点包括:

用于表示所述人脸上的眉毛部分的所述特征点;和/或

用于表示所述人脸上的眼睛部分的所述特征点;和/或

用于表示所述人脸上的鼻子部分的所述特征点;和/或

用于表示所述人脸上的嘴巴部分的所述特征点;和/或

用于表示所述人脸的整体外轮廓的所述特征点。

9.如权利要求1所述的人脸检测方法,其特征在于,所述步骤S2中,若所述图像中包括人脸,则获取所述人脸在所述图像中的位置信息和大小信息后,转向所述步骤S3;

则所述步骤S3中,根据所述人脸的所述位置信息和所述大小信息,采用所述特征预测模型,在所述图像中的所述人脸上预测得到多个所述人脸特征信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于芋头科技(杭州)有限公司,未经芋头科技(杭州)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610099902.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top