[发明专利]人脸检测方法及装置有效
申请号: | 201710079126.6 | 申请日: | 2017-02-14 |
公开(公告)号: | CN106951826B | 公开(公告)日: | 2019-09-20 |
发明(设计)人: | 王生进;舒晗 | 申请(专利权)人: | 清华大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 汤财宝 |
地址: | 100084 北京市海*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 方法 装置 | ||
1.一种人脸检测方法,其特征在于,所述方法包括:
步骤1,获取原始图像中人脸校正候选区域的位置响应特征图,所述位置响应特征图中不同区域对应人脸的不同部位;
步骤2,对所述位置响应特征图进行划分,得到相应数量的方格,并按照每一方格所处的位置,区分所有方格的方格类型;
步骤3,按照每种方格类型对应的人脸检测贡献程度,确定每种方格类型对应的权重;
步骤4,基于每一方格对应的特征向量及权重,计算所述人脸校正候选区域对应的区域特征向量,所述区域特征向量与所述特征向量的长度一致;
步骤5,基于所述区域特征向量,输出所述原始图像中最终包含人脸的区域;
所述步骤1,包括:
提取所述原始图像对应的特征图;
根据所述特征图,确定所述原始图像中的人脸校正候选区域;
将所述人脸校正候选区域对应在所述特征图中的分块区域,经过深度神经网络模型中第三层全卷积神经网络,获取所述人脸校正候选区域的位置响应特征图。
2.根据权利要求1所述的方法,其特征在于,所述根据所述特征图,确定所述原始图像中的人脸校正候选区域,包括:
将所述特征图划分为相应数量的分块区域;
基于所述原始图像与所述特征图之间的映射关系,对于每一分块区域,将每一分块区域映射至所述原始图像,并将映射得到的正方形区域作为每一分块区域对应的候选区域,分块区域与候选区域的数量一致;
基于每一候选区域,确定所述原始图像中的人脸校正候选区域。
3.根据权利要求2所述的方法,其特征在于,所述基于每一候选区域,确定所述原始图像中的人脸校正候选区域,包括:
对于任一候选区域,计算所述任一候选区域中包含人脸的第一置信度;
当所述第一置信度大于第一预设阈值时,将所述任一候选区域作为人脸候选区域,对所述人脸候选区域进行校正,得到相应的人脸校正候选区域。
4.根据权利要求3所述的方法,其特征在于,所述对所述人脸候选区域进行校正,得到相应的人脸校正候选区域,包括:
计算所述人脸候选区域进行校正时的平移量及缩放变化量,并作为第一校正向量;
根据所述第一校正向量,校正所述人脸候选区域,得到相应的人脸校正候选区域。
5.根据权利要求1所述的方法,其特征在于,所述步骤2中按照每一方格所处的位置,区分所有方格的方格类型,包括:
对于所述位置响应特征图中划分后的所有方格,将位于中间部位的方格作为中心方格,将与中心方格直接相邻的方格作为次中心方格,将剩下的方格作为边缘方格。
6.根据权利要求1所述的方法,其特征在于,所述步骤4,包括:
基于每种方格类型下每一方格对应的特征向量,计算每种方格类型对应的平均特征向量;
根据每种方格类型对应的权重及平均特征向量,计算所述人脸校正候选区域对应的区域特征向量。
7.根据权利要求1所述的方法,其特征在于,所述步骤5,包括:
根据所述区域特征向量,计算所述人脸校正候选区域中包含人脸的第二置信度;
当所述第二置信度大于第二预设阈值时,对所述人脸校正候选区域作进一步校正;
输出最终的校正结果,并作为所述原始图像中包含人脸的区域。
8.根据权利要求7所述的方法,其特征在于,所述对所述人脸校正候选区域作进一步校正,包括:
获取所述人脸校正候选区域进行校正时的平移量及缩放变化量,并作为第二校正向量;
根据所述第二校正向量,进一步校正所述人脸校正候选区域。
9.一种人脸检测装置,其特征在于,所述装置包括:
获取模块,用于获取原始图像中人脸校正候选区域的位置响应特征图,所述位置响应特征图中不同区域对应人脸的不同部位;
划分模块,用于对所述位置响应特征图进行划分,得到相应数量的方格,并按照每一方格所处的位置,区分所有方格的方格类型;
确定模块,用于按照每种方格类型对应的人脸检测贡献程度,确定每种方格类型对应的权重;
计算模块,用于基于每一方格对应的特征向量及权重,计算所述人脸校正候选区域对应的区域特征向量,所述区域特征向量与所述特征向量的长度一致;
输出模块,用于基于所述区域特征向量,输出所述原始图像中最终包含人脸的区域;
获取模块,包括:
提取单元,用于提取原始图像对应的特征图;
确定单元,用于根据特征图,确定原始图像中的人脸校正候选区域;
获取单元,用于将所述人脸校正候选区域对应在所述特征图中的分块区域,经过深度神经网络模型中第三层全卷积神经网络,获取所述人脸校正候选区域的位置响应特征图。
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清华大学,未经清华大学许可,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/201710079126.6/1.html,转载请声明来源钻瓜专利网。