[发明专利]用于检测人脸的方法和装置

权利要求书

1.一种用于检测人脸的方法，包括：

获取待检测图像；

使用目标矩形框在所述待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长以及预设的移动次数确定的；其中，所述预设的移动次数与所述待检测图像中的人脸图像大小相关；

针对所述图像区域集合中的每个图像区域，基于预先训练的第一卷积神经网络和第二卷积神经网络生成该图像区域的人脸检测结果；所述人脸检测结果至少包括人脸图像的大小信息；

确定所得到的人脸检测结果的准确率；

响应于确定出所述准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整所述第一卷积神经网络的参数，调整所述第二卷积神经网络的参数。

2.根据权利要求1所述的方法，其中，所述针对所述图像区域集合中的每个图像区域，基于预先训练的第一卷积神经网络和第二卷积神经网络生成该图像区域的人脸检测结果，包括：

针对所述图像区域集合中的每个图像区域，将该图像区域输入至预先训练的所述第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的所述第二卷积神经网络，生成该图像区域的人脸检测结果，其中，所述第一卷积神经网络用于从图像区域中提取特征向量，所述第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。

3.根据权利要求2所述的方法，其中，所述第一卷积神经网络是通过如下步骤训练得到的：

获取多个图像区域以及所述多个图像区域中的每个图像区域对应的特征向量；

利用机器学习算法，将所述多个图像区域中的每个图像区域作为输入，将所述多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。

4.根据权利要求2所述的方法，其中，所述第二卷积神经网络是通过如下步骤训练得到的：

获取多个特征向量以及所述多个特征向量中的每个特征向量对应的人脸检测结果；

利用机器学习算法，将所述多个特征向量中的每个特征向量作为输入，将所述多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。

5.一种用于检测人脸的装置，包括：

获取单元，配置用于获取待检测图像；

第一确定单元，配置用于使用目标矩形框在所述待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长以及预设的移动次数确定的；其中，所述预设的移动次数与所述待检测图像中的人脸图像大小相关；

生成单元，配置用于针对所述图像区域集合中的每个图像区域，基于预先训练的第一卷积神经网络和第二卷积神经网络生成该图像区域的人脸检测结果；所述人脸检测结果至少包括人脸图像的大小信息；

第二确定单元，配置用于确定所得到的人脸检测结果的准确率；

执行单元，配置用于响应于确定出所述准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整所述第一卷积神经网络的参数，调整所述第二卷积神经网络的参数。

6.根据权利要求5所述的装置，其中，所述生成单元包括：

生成模块，配置用于针对所述图像区域集合中的每个图像区域，将该图像区域输入至预先训练的所述第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的所述第二卷积神经网络，生成该图像区域的人脸检测结果，其中，所述第一卷积神经网络用于从图像区域中提取特征向量，所述第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。

7.根据权利要求6所述的装置，其中，所述第一卷积神经网络是通过如下步骤训练得到的：

获取多个图像区域以及所述多个图像区域中的每个图像区域对应的特征向量；

利用机器学习算法，将所述多个图像区域中的每个图像区域作为输入，将所述多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。