[发明专利]人脸检测方法、装置及存储介质

权利要求书

1.一种人脸检测方法，其特征在于，所述方法包括：

获取多个样本人脸图像，所述多个样本人脸图像中包括多个尺度的人脸图像；

基于所述多个样本人脸图像进行模型训练，得到人脸检测模型，所述人脸检测模型用于在未调整图像尺度的情况下对所述图像进行人脸检测；

基于所述人脸检测模型，对待识别的目标图像进行人脸检测，得到所述目标图像中的人脸区域。

2.根据权利要求1所述的方法，其特征在于，所述获取多个样本人脸图像，包括：

对于多个样本人脸中的每个样本人脸，按照不同拍摄角度或者不同光照条件，分别拍摄所述样本人脸的多个尺度的人脸图像，将拍摄得到的人脸图像均作为样本人脸图像。

3.根据权利要求1所述的方法，其特征在于，所述人脸检测模型包括特征提取网络、检测网络、分类回归网络，所述特征提取网络包括多个卷积层，且所述特征提取网络中的最后一个卷积层与所述检测网络连接，所述检测网络与所述分类回归网络连接；

所述特征提取网络用于对所述目标图像进行特征提取，通过所述最后一个卷积层输出所述目标图像的特征图；

所述检测网络用于在所述特征图中的每个点的中心位置，生成满足预设宽高比的目标窗口；

所述分类回归网络用于根据所述多个目标窗口，输出检测到的区域的分类类别和位置信息。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

调用所述人脸检测模型的配置文件，将所述配置文件中所述检测网络采用的预设宽高比设置为1:1。

5.根据权利要求3所述的方法，其特征在于，所述分类回归网络还用于对所采用的特征图的尺度以及所述检测网络采用的预设宽高比进行调整。

6.根据权利要求3所述的方法，其特征在于，所述基于所述人脸检测模型，对待识别的目标图像进行人脸检测，包括：

将所述目标图像输入至所述特征提取网络的第一个卷积层中；

对于所述特征提取网络中的每个卷积层，根据上一层输出的特征图进行卷积处理，将处理后得到的特征图输入至下一层中，直至所述特征提取网络的最后一个卷积层输出所述目标图像的特征图。

7.根据权利要求3所述的方法，其特征在于，所述基于所述多个样本人脸图像进行模型训练，得到人脸检测模型，包括：

创建初始的人脸检测模型；

对于所述多个样本人脸图像中的每个样本人脸图像，将所述样本人脸图像输入至所述人脸检测模型中，基于所述人脸检测模型获取所述样本人脸图像的检测结果；

根据每个样本人脸图像以及对应的检测结果，采用随机梯度下降算法对所述人脸检测模型进行训练，直至所述人脸检测模型的损失函数收敛。

8.一种人脸检测装置，其特征在于，所述装置包括：

样本获取模块，被配置为获取多个样本人脸图像，所述多个样本人脸图像中包括多个尺度的人脸图像；

训练模块，被配置为基于所述多个样本人脸图像进行模型训练，得到人脸检测模型，所述人脸检测模型用于在未调整图像尺度的情况下对所述图像进行人脸检测；

检测模块，被配置为基于所述人脸检测模型，对待识别的目标图像进行人脸检测，得到所述目标图像中的人脸区域。

9.根据权利要求8所述的装置，其特征在于，所述样本获取模块包括：

拍摄子模块，被配置为对于多个样本人脸中的每个样本人脸，按照不同拍摄角度或者不同光照条件，分别拍摄所述样本人脸的多个尺度的人脸图像，将拍摄得到的人脸图像均作为样本人脸图像。