[发明专利]训练面部检测模型的方法和装置以及面部检测方法和装置

说明书

公开了一种训练面部检测模型的方法和装置以及面部检测方法和装置，其中训练面部检测模型的方法包括：训练至少两个区域识别模型，所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联，用于识别输入图像中可能属于与该区域识别模型相关联的部位的区域。根据本公开的实施例，能够快速并精确地进行面部检测。

技术领域

本公开涉及图像处理领域，具体涉及可以快速并精确地进行面部检测的训练面部检测模型的方法和装置以及面部检测方法和装置。

背景技术

面部检测技术是计算机视觉的重要研究内容之一，也是面部识别、面部追踪等技术的关键步骤之一。鉴于卷积神经网络(CNN)在解决计算机视觉领域多个问题时都取得了良好的效果，近年来，人们尝试利用CNN模型进行面部检测。基于CNN的面部检测主要分为两个步骤：一是提取可能存在面部的候选区域；二是利用CNN判断面部的候选区域是否存在面部。图1示出了基于卷积神经网络进行人脸检测的结构流程示例。如图1所示，在基于CNN进行人脸检测的算法中，通常首先生成人脸候选区域；再把原始图像输入到卷积层，生成输入图像的特征图；把人脸候选区域对应的特征图区域输入到全连接层，进而判断该候选区域是否存在人脸，从而生成人脸检测结果。目前人脸候选区域的生成方式主要采用在原始图像上或者在与原始图像对应的特征图上滑动窗口，然后判断该窗口是否为人脸位置候选区域。图2是示出现有技术中在原始图像上滑动窗口来判断人脸位置候选区域的示例的图。如图2所示，将原始图像划分为若干图像块，然后依次判断每个图像块是否是人脸位置候选区域。图3是示出现有技术中在与原始图像对应的特征图上滑动窗口来判断人脸位置候选区域的示例的图。如图3所示，将原始图像输入到卷积网络，在通过卷积网络生成的特征图上进行滑动窗口操作，从而判断人脸候选区域。这两种方式耗时都较长，导致生成人脸候选区域的时间远大于CNN判断候选区域是否存在人脸所花费的时间。

发明内容

在下文中给出了关于本公开的简要概述，以便提供关于本公开的某些方面的基本理解。但是，应当理解，这个概述并不是关于本公开的穷举性概述。它并不是意图用来确定本公开的关键性部分或重要部分，也不是意图用来限定本公开的范围。其目的仅仅是以简化的形式给出关于本公开的某些概念，以此作为稍后给出的更详细描述的前序。

鉴于以上问题，本公开的目的是提供一种可以快速并精确地进行面部检测的训练面部检测模型的方法和装置以及面部检测方法和装置。

根据本公开的一方面，提供了一种训练面部检测模型的方法，包括：训练至少两个区域识别模型，所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联，可以用于识别输入图像中可能属于与该区域识别模型相关联的部位的区域。

根据本公开的另一方面，提供了一种训练面部检测模型的装置，包括：训练单元，被配置成训练至少两个区域识别模型，所述至少两个区域识别模型中的每个区域识别模型与面部的一个不同部位相关联，可以用于识别输入图像中可能属于与该区域识别模型相关联的部位的区域。

根据本公开的又一方面，提供了一种面部检测方法，包括：对输入图像应用分别与面部的一个不同部位相关联的至少两个预定区域识别模型，从而可以从输入图像识别出可能属于与每个预定区域识别模型相关联的部位的区域；根据关于面部结构的先验知识和部位的所识别出的区域，可以获得输入图像中的待检测面部的候选区域；以及使用检测模型来判断待检测面部的候选区域中是否存在面部，从而可以检测出待检测面部所存在的区域。

根据本公开的其它方面，还提供了用于实现上述根据本公开的方法的计算机程序代码和计算机程序产品以及其上记录有该用于实现上述根据本公开的方法的计算机程序代码的计算机可读存储介质。

在下面的说明书部分中给出本公开实施例的其它方面，其中，详细说明用于充分地公开本公开实施例的优选实施例，而不对其施加限定。

附图说明