[发明专利]用于检测人脸的方法和装置

说明书

本申请实施例公开了用于检测人脸的方法和装置。该方法的一具体实施方式包括：获取待检测图像；使用目标矩形框在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确定的；针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。该实施方式丰富了人脸检测的方式，有助于提高人脸检测的准确性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及人脸检测领域，尤其涉及用于检测人脸的方法和装置。

背景技术

人脸检测(Face Detection)是人脸识别系统中的一个关键环节。当前，人脸检测受到越来越多的研究者的关注与重视。人脸检测技术在基于内容的检索、数字视频处理、视频检测等方面有着重要的应用价值。

发明内容

本申请实施例提出了用于检测人脸的方法和装置。

第一方面，本申请实施例提供了一种用于检测人脸的方法，该方法包括：获取待检测图像；使用目标矩形框在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确定的；针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

在一些实施例中，针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果，包括：针对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第二卷积神经网络，生成该图像区域的人脸检测结果，其中，第一卷积神经网络用于从图像区域中提取特征向量，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。

在一些实施例中，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，将多个图像区域中的每个图像区域作为输入，将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。

在一些实施例中，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，将多个特征向量中的每个特征向量作为输入，将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。

在一些实施例中，上述方法还包括：确定所得到的人脸检测结果的准确率；响应于确定出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，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数。

在一些实施例中，单次移动距离是基于矩形框的边长以及预设的移动次数确定的。

第二方面，本申请实施例提供了一种用于检测人脸的装置，该装置包括：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确定的；生成单元，配置用于针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

在一些实施例中，生成单元包括：生成模块，配置用于针对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第二卷积神经网络，生成该图像区域的人脸检测结果，其中，第一卷积神经网络用于从图像区域中提取特征向量，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。