[发明专利]一种人脸图片检测方法及装置

权利要求书

1.一种人脸图片检测方法，其特征在于，包括：

根据cascade分类器，判断待检测图片是否为人脸图片，所述cascade分类器是根据预先选定的人脸样本图片和非人脸样本图片训练得到的；

若根据所述cascade分类器确定所述待检测图片为人脸图片，则根据卷积神经网络CNN分类器，判断所述待检测图片是否为人脸图片，所述CNN分类器是根据所述选定的人脸样本图片和所述非人脸样本图片中由所述cascade分类器正确分类的样本图片训练得到的；

若根据所述CNN分类器确定所述待检测图片为人脸图片，则确定所述待检测图片为人脸图片。

2.如权利要求1所述的方法，其特征在于，所述判断待检测图片是否为人脸图片之后，还包括：

若根据所述cascade分类器确定所述待检测图片为非人脸图片，则确定所述待检测图片为非人脸图片。

3.如权利要求1所述的方法，其特征在于，所述根据CNN分类器，判断所述待检测图片是否为人脸图片之后，还包括：

若根据所述CNN分类器确定所述待检测图片为非人脸图片，则确定所述待检测图片为非人脸图片。

4.如权利要求1-3中任一项所述的方法，其特征在于，根据下列方法训练得到所述CNN分类器：

根据所述预先选定的人脸样本图片和非人脸样本图片，对所述CNN分类器进行训练，得到第一CNN分类器，所述第一CNN分类器包含Softmax判定器；

将所述第一CNN分类器中的所述Softmax判定器替换为支持向量机SVM判定器；

根据所述预先选定的人脸样本图片及所述非人脸样本图片中由所述cascade分类器正确分类的样本图片，对所述第一CNN分类器进行训练，得到第二CNN分类器；

将所述第二CNN分类器作为训练得到的所述CNN分类器。

5.如权利要求1-3中任一项所述的方法，其特征在于，所述CNN分类器中的判定器为下列任一种：

Softmax判定器、SVM判定器。

6.一种人脸图片检测装置，其特征在于，包括：

第一人脸图像检测单元，用于根据cascade分类器，判断待检测图片是否为人脸图片，所述cascade分类器是根据预先选定的人脸样本图片和非人脸样本图片训练得到的；

第二人脸图像检测单元，用于若根据所述cascade分类器确定所述待检测图片为人脸图片，则根据卷积神经网络CNN分类器，判断所述待检测图片是否为人脸图片，所述CNN分类器是根据所述选定的人脸样本图片和所述非人脸样本图片中由所述cascade分类器正确分类的样本图片训练得到的；

人脸图片确定单元，用于若根据所述CNN分类器确定所述待检测图片为人脸图片，则确定所述待检测图片为人脸图片。

7.如权利要求6所述的装置，其特征在于，所述人脸图片确定单元，还用于：

若根据所述cascade分类器确定所述待检测图片为非人脸图片，则确定所述待检测图片为非人脸图片。

8.如权利要求6所述的装置，其特征在于，所述人脸图片确定单元，还用于：

若根据所述CNN分类器确定所述待检测图片为非人脸图片，则确定所述待检测图片为非人脸图片。

9.如权利要求6-8中任一项所述的装置，其特征在于，所述装置还包括训练单元，用于根据下列方法训练得到所述CNN分类器：

根据所述预先选定的人脸样本图片和非人脸样本图片，对所述CNN分类器进行训练，得到第一CNN分类器，所述第一CNN分类器包含Softmax判定器；

将所述第一CNN分类器中的所述Softmax判定器替换为支持向量机SVM判定器；

根据所述预先选定的人脸样本图片及所述非人脸样本图片中由所述cascade分类器正确分类的样本图片，对所述第一CNN分类器进行训练，得到第二CNN分类器；

将所述第二CNN分类器作为训练得到的所述CNN分类器。

10.如权利要求6-8中任一项所述的装置，其特征在于，所述CNN分类器中的判定器为下列任一种：

Softmax判定器、SVM判定器。