[发明专利]快速人脸检测方法及装置

说明书

本申请公开了一种快速人脸检测方法及装置。该方法包括在MTCNN算法模型中采用预设P‑Net级联网络并输出候选窗和边界回归向量；以及将上述输出结果输入R‑Net级联网络去除重叠窗并在O‑Net级联网络输出显示目标窗和人脸关键点。本申请解决了人脸检测效率较低的技术问题。通过本申请的方法，加速了MTCNN算法模型的人脸检测速度。此外，通过将SSD人脸检测方法与Viola‑Jones级联结构相融合，既在整体框架上保持了Viola‑Jones级联结构的优越性，又在细节上进一步加快了传统结构的运算速度。

技术领域

本申请涉及人脸识别领域，具体而言，涉及一种人脸检测方法及装置。

背景技术

随着人脸识别应用市场的逐步扩大，人脸检测作为人脸识别的前序工作起着至关重要的作用，市场需求催生着人脸检测算法在适应复杂网络的同时提高运算速度快。

发明人发现，常见的人脸检测方法运算速度和运算量由于受到设备和网络复杂程度的影响。

针对相关技术中人脸检测效率较低的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种人脸检测方法及装置，以解决人脸检测效率较低的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种人脸检测方法。

根据本申请的快速人脸检测方法包括：在MTCNN算法模型中采用预设P-Net级联网络并输出候选窗和边界回归向量；以及将上述输出结果输入R-Net级联网络去除重叠窗并在O-Net级联网络输出显示目标窗和人脸关键点。

进一步地，在MTCNN算法模型中采用预设P-Net级联网络并输出候选窗和边界回归向量包括：在所述预设P-Net级联网络中增设锚点框，所述锚点框为多尺度。

进一步地，所述预设P-Net级联网络依次包括：一3*3的卷积层、一步长为2的池化层以及至少三个3*3*k*(2+4)的卷积层，其中，k为该位置设置的锚点框种类，参数2为是不是人脸框的概率，参数4为框位置的修正值，将kk设置为1时为正方形。

进一步地，在MTCNN算法模型中采用预设P-Net级联网络并输出候选窗和边界回归向量包括：在所述预设P-Net级联网络中增设一个位置的长宽比为1:1的锚点框。

进一步地，在MTCNN算法模型中采用预设P-Net级联网络并输出候选窗和边界回归向量之前还包括：将原图输入所述预设P-Net级联网络。

为了实现上述目的，根据本申请的另一方面，提供了一种快速人脸检测装置。

根据本申请的快速人脸检测装置包括：级联模块，用于在MTCNN算法模型中采用预设P-Net级联网络并输出候选窗和边界回归向量；以及输出模块，用于将上述输出结果输入R-Net级联网络去除重叠窗并在O-Net级联网络输出显示目标窗和人脸关键点。

进一步地，所述级联模块还用于，在所述预设P-Net级联网络中增设锚点框，所述锚点框为多尺度。

进一步地，所述级联模块还用于在所述预设P-Net级联网络依次设置，一3*3的卷积层、一步长为2的池化层以及至少三个3*3*k*(2+4)的卷积层，其中，k为该位置设置的锚点框种类，参数2为是不是人脸框的概率，参数4为框位置的修正值，将k设置为1时为正方形。

进一步地，所述级联模块还用于，在所述预设P-Net级联网络中增设一个位置的长宽比为1:1的锚点框。

进一步地，还包括：图像输入模块，用于将原图输入所述预设P-Net级联网络。