[发明专利]人脸检测方法、装置、系统、存储介质和抓拍机在审
申请号: | 201710915035.1 | 申请日: | 2017-09-30 |
公开(公告)号: | CN108875489A | 公开(公告)日: | 2018-11-23 |
发明(设计)人: | 梁喆;周舒畅;张宇翔;曹宇辉;朱雨 | 申请(专利权)人: | 北京旷视科技有限公司;北京迈格威科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/02 |
代理公司: | 北京市磐华律师事务所 11336 | 代理人: | 高伟;卜璐璐 |
地址: | 100190 北京*** | 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: | 人脸检测 存储介质 神经网络 抓拍机 人脸 人脸位置检测 属性检测 图像 人脸位置 多路 级联 减小 抓拍 耗时 输出 检测 | ||
本发明提供了一种人脸检测方法、装置、系统、存储介质和抓拍机,所述人脸检测方法包括:利用一个多路神经网络对获取的图像进行人脸位置检测和人脸属性检测;以及输出具有人脸位置检测结果和人脸属性检测结果的图像。根据本发明实施例的人脸检测方法、装置、系统、存储介质和抓拍机仅采用一个神经网络检测人脸位置及其人脸属性,无需级联多个神经网络,能够简化流程,减小抓拍耗时。
技术领域
本发明涉及人脸检测技术领域,更具体地涉及一种人脸检测方法、装置、系统和存储介质和抓拍机。
背景技术
现有的抓拍机人脸检测方法是先通过一个检测神经网络,将人脸抠出图之后再通过一个或几个属性神经网络获取人脸属性。这种方法需要级联若干个神经网络,不仅流程复杂,并且耗时大大增加。并且,仅仅通过一个检测神经网络抠出来的图片质量并不能得到保证。
发明内容
为了解决上述问题中的至少一个,本发明提出了一种关于人脸检测的方案,其可以用于抓拍机人脸检测,也可以用于其他场景的人脸检测。此外,本发明提出的关于人脸检测的方案也可以延伸至用于任何目标对象的检测,只需将人脸替换为其他目标对象即可。下面简要描述本发明提出的关于人脸检测的方案,更多细节将在后续结合附图在具体实施方式中加以描述。
根据本发明一方面,提供了一种人脸检测方法,所述人脸检测方法包括:利用一个多路神经网络对获取的图像进行人脸位置检测和人脸属性检测;以及输出具有人脸位置检测结果和人脸属性检测结果的图像。
在本发明的一个实施例中,所述多路神经网络包括共用部分和分组部分,所述共用部分用于对所述获取的图像进行预处理,所述分组部分中的第一分组用于检测人脸位置,所述分组部分中的其余分组分别用于检测各种人脸属性。
在本发明的一个实施例中,所述共用部分包括由所述分组部分的各个分组共享的卷积层,所述分组部分包括由所述分组部分的各个分组各自使用的卷积层。
在本发明的一个实施例中,所述多路神经网络的训练是基于多模型蒸馏方法。
在本发明的一个实施例中,所述多路神经网络的损失的设置是基于所述人脸位置检测的损失与所述人脸属性检测的损失的加权平均。
在本发明的一个实施例中,所述多路神经网络在现场可编程门阵列上实现。
在本发明的一个实施例中,所述人脸属性检测包括以下中的至少一项:人脸姿态检测以及人脸图像模糊检测。
在本发明的一个实施例中,所述获取的图像为连续的视频帧,并且所述输出包括:输出所述视频帧中具有最好检测结果的一帧或多帧图像以用于人脸识别。
根据本发明另一方面,提供了一种人脸检测装置,所述人脸检测装置包括:检测模块,用于利用一个多路神经网络对获取的图像进行人脸位置检测和人脸属性检测;以及输出模块,用于输出具有人脸位置检测结果和人脸属性检测结果的图像。
在本发明的一个实施例中,所述多路神经网络包括共用部分和分组部分,所述共用部分用于对所述获取的图像进行预处理,所述分组部分中的第一分组用于检测人脸位置,所述分组部分中的其余分组分别用于检测各种人脸属性。
在本发明的一个实施例中,所述共用部分包括由所述分组部分的各个分组共享的卷积层,所述分组部分包括由所述分组部分的各个分组各自使用的卷积层。
在本发明的一个实施例中,所述多路神经网络的训练是基于多模型蒸馏方法。
在本发明的一个实施例中,所述多路神经网络的损失的设置是基于所述人脸位置检测的损失与所述人脸属性检测的损失的加权平均。
在本发明的一个实施例中,所述多路神经网络在现场可编程门阵列上实现。
在本发明的一个实施例中,所述人脸属性检测包括以下中的至少一项:人脸姿态检测以及人脸图像模糊检测。
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北京旷视科技有限公司;北京迈格威科技有限公司,未经北京旷视科技有限公司;北京迈格威科技有限公司许可,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/201710915035.1/2.html,转载请声明来源钻瓜专利网。