[发明专利]人脸检测方法、装置、系统和存储介质

说明书

本发明提供了一种人脸检测方法、装置、系统和存储介质，所述人脸检测方法包括：获取待处理图像；以及利用训练好的具有注意力机制的神经网络对所述待处理图像进行人脸检测。根据本发明实施例的人脸检测方法、装置、系统和存储介质利用训练好的具有注意力机制的神经网络进行人脸检测，能够增强人脸关键区域的特征，进而提高遮挡场景下的人脸检测的性能。

技术领域

本发明涉及图像识别技术领域，更具体地涉及一种人脸检测方法、装置、系统和存储介质。

背景技术

人脸检测对于很多人脸应用是非常基础并且至关重要的，比如人脸识别、人脸美妆、人脸现实增强(AR)等。目前常见的人脸检测算法对于包括口罩、围巾、眼镜等常见遮挡情况尚不能很好处理。

人类在认知事物时会将注意力聚焦在特定的部分并忽略无关的部分，比如在嘈杂的环境中人类会更容易听清与自己相关的对话等。注意力机制模仿了人类这一生理机制，注意力机制在自然语言处理领域已经得到了广泛的应用，但在计算机视觉领域尚未得到普及，一个原因是目前尚没有很好的学习视觉注意力的方法和标注信息。

发明内容

本发明提出了一种关于人脸检测的方案，其利用训练好的具有注意力机制的神经网络进行人脸检测，能够增强人脸关键区域的特征，进而提高遮挡场景下的人脸检测的性能。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：获取待处理图像；以及利用训练好的具有注意力机制的神经网络对所述待处理图像进行人脸检测。

在一个实施例中，所述具有注意力机制的神经网络包括：特征提取子网络，用于针对输入的所述待处理图像输出第一特征图；注意力子网络，用于基于所述第一特征图生成注意力图，并基于所述第一特征图和所述注意力图生成第二特征图；分类子网络，用于针对所述第二特征图输出分类信息；以及回归子网络，用于针对所述第二特征图输出回归信息。

在一个实施例中，所述分类信息指示检测框是否是人脸，所述回归信息指示检测框坐标，所述人脸检测的结果基于所述分类信息和所述回归信息而得到。

在一个实施例中，所述特征提取子网络针对所述待处理图像输出不同尺寸的第一特征图，多个所述不同尺寸的第一特征图构成多层第一特征图，所述注意力子网络针对每层第一特征图输出与该层相对应的注意力图，并基于每层第一特征图和与该层相对应的注意力图生成该层的第二特征图。

在一个实施例中，相对应层的所述注意力图和所述第一特征图的长宽分别相等。

在一个实施例中，所述注意力图是取值范围为[0,1]的二维矩阵。

在一个实施例中，所述基于所述第一特征图和所述注意力图生成第二特征图包括：将所述注意力图与所述第一特征图逐点相乘，以生成所述第二特征图。

在一个实施例中，所述基于所述第一特征图和所述注意力图生成第二特征图包括：将所述注意力图经过放大操作后与所述第一特征图逐点相乘，以生成所述第二特征图。

在一个实施例中，所述放大操作包括：基于以e为底的指数函数将所述注意力图放大到取值范围为[1,e]。

在一个实施例中，所述神经网络的训练包括：基于所述注意力子网络输出的注意力图和所述注意力图的监督信号计算注意力损失；基于所述分类子网络输出的分类信息和所述分类信息的监督信号计算分类损失；基于所述回归子网络输出的回归信息和所述回归信息的监督信号计算回归损失；以及基于所述注意力损失、所述分类损失以及所述回归损失优化所述神经网络的参数。

在一个实施例中，所述注意力图的监督信号为由0元素和1元素组成的矩阵，其中1元素表示人脸包围框区域，0元素表示人脸包围框区域以外的区域。