[发明专利]神经网络的生成方法和人脸检测方法、装置及电子设备

说明书

本发明实施例提供了一种神经网络的生成方法和人脸检测方法、装置及电子设备，其中，所述神经网络的生成方法包括：对目标尺度范围进行划分，得到多个子目标尺度范围，其中，所述目标尺度范围用于神经网络进行人脸检测；确定所述多个子目标尺度范围分别对应的子神经网络；将所述多个子目标尺度范围分别对应的子神经网络进行融合，得到所述神经网络。通过本发明实施例生成的神经网络，能够检测出人脸尺寸范围极大的人脸图像中的人脸，在改善人脸图像中人脸检测精度的同时，还能够提高人脸图像中人脸的检测效率。

技术领域

本发明实施例涉及人工智能技术，尤其涉及一种神经网络的生成方法、装置及电子设备，以及，一种人脸检测方法、装置及电子设备。

背景技术

人脸检测技术是计算机视觉领域中最重要的研究方向之一，它是很多人脸分析技术的基础，例如，人脸关键点检测技术和人脸识别技术。人脸检测技术的建模是很有挑战性的，人脸检测技术需要检测出不同的情形下的人脸。例如，不同姿态变化下的人脸，被不同程度遮挡的人脸，不同表情下的人脸，不同尺寸大小的人脸，不同光照条件下的人脸。一方面，不同人之间的人脸相貌有很大的区别，即使是同一个人，当人脸处于不同的姿态，不同程度地遮挡，不同的表情和不同的环境光下，人脸的相貌看起来也非常的不同。另一方面，在视频监控系统中，例如地铁，离摄像头较远的人脸通常尺寸很小，离摄像头较近的人脸通常尺寸较大，不同尺寸的人脸的相貌也非常的不同，例如尺寸小的人脸看不清五官细节，只能看到轮廓，尺寸大的人脸可以清楚地看到人脸五官的细节。除此之外，人脸检测技术需要达到实时的运行速度，因为它是其它很多人脸分析技术的基础。

现有的人脸检测方法能够较好地解决不同姿态，不同程度遮挡的人脸的检测问题，但是对于不同尺寸大小的人脸的检测效率很低。

发明内容

本发明实施例的目的在于，提供一种神经网络生成的技术方案和人脸检测的技术方案。

根据本发明实施例的第一方面，提供了一种神经网络的生成方法，所述方法包括：对目标尺度范围进行划分，得到多个子目标尺度范围，其中，所述目标尺度范围用于神经网络进行人脸检测；确定所述多个子目标尺度范围分别对应的子神经网络；将所述多个子目标尺度范围分别对应的子神经网络进行融合，得到所述神经网络。

可选地，所述对目标尺度范围进行划分，得到多个子目标尺度范围，包括：将所述目标尺度范围均匀分成多个子范围；针对每个子范围，在训练数据集中抽取落在当前子范围内的多个人脸样本；根据所述每个子范围内的各人脸样本的特征值，确定所述多个子目标尺度范围。

可选地，所述根据所述每个子范围内的各人脸样本的特征值，确定所述多个子目标尺度范围，包括：针对每个子范围内的每个人脸样本，基于所述人脸样本的像素值生成所述人脸样本的颜色直方图；针对每个子范围，分别计算所述子范围内每两个人脸样本的颜色直方图之间的卡方距离，得到所述子范围的人脸样本距离矩阵；根据所述人脸样本距离矩阵，生成所述子范围的相貌变化特征值；根据所述每个子范围的相貌变化特征值，确定所述多个子目标尺度范围。

可选地，所述针对每个子范围内的每个人脸样本，基于所述人脸样本的像素值生成所述人脸样本的颜色直方图之前，还包括：针对每个子范围内的每个人脸样本，按照当前子范围的下界值，对所述人脸样本的尺寸进行缩放。

可选地，所述对目标尺度范围进行划分，得到多个子目标尺度范围，包括：基于人脸的特征点对所述目标尺度范围进行划分，得到所述多个子目标尺度范围。

可选地，所述确定所述多个子目标尺度范围分别对应的子神经网络，包括：针对每个子目标尺度范围，确定子目标尺度范围对应的池化降采样步长；并基于所述池化降采样步长，确定所述子目标尺度范围对应的子神经网络。

可选地，所述将所述多个子目标尺度范围分别对应的子神经网络进行融合，得到所述神经网络，包括：基于共享网络参数，将所述多个子目标尺度范围分别对应的子神经网络进行融合，得到所述神经网络。