[发明专利]人脸检测方法、装置、电子设备和人脸检测模型

权利要求书

1.一种人脸检测方法，其特征在于，包括：

通过特征提取网络提取待检测图像的特征图；

将所述特征图输入多任务分支网络，至少得到第一分类结果和第二分类结果；所述多任务分支网络至少包括并行的第一分类分支网络和第二分类分支网络；所述第一分类分支网络用于确定所述特征图中是否包含人脸，输出第一分类结果；所述第二分类分支网络用于确定所述特征图中的人脸是否为活体人脸，输出第二分类结果；

结合所述第一分类结果和所述第二分类结果，确定所述待检测图像的人脸检测结果。

2.根据权利要求1所述的方法，其特征在于，所述多任务分支网络还包括与所述第一分类分支网络和所述第二分类分支网络并行的回归分支网络；所述回归分支网络用于确定所述特征图中人脸的位置，输出包围所述人脸的人脸框的坐标；

将所述特征图输入多任务分支网络，至少得到第一分类结果和第二分类结果的步骤，包括：将所述特征图输入多任务分支网络，得到第一分类分支网络输出的第一分类结果、第二分类分支网络输出的第二分类结果和回归分支网络输出的人脸框的坐标；

结合所述第一分类结果和所述第二分类结果，确定所述待检测图像的人脸检测结果的步骤，包括：结合所述第一分类结果、第二分类结果和人脸框的坐标，确定所述待检测图像的人脸检测结果。

3.根据权利要求1所述的方法，其特征在于，所述特征提取网络包括残差网络和特征融合网络，所述残差网络和所述特征融合网络均采用金字塔网络结构；通过特征提取网络提取待检测图像的特征图的步骤，包括：

将所述待检测图像输入所述残差网络，得到所述残差网络输出的多个尺度的特征响应图；

将所述多个尺度的特征响应图输入所述特征融合网络，得到所述特征融合网络输出的多个尺度的特征图；所述特征融合网络包括多个网络层，每个所述网络层对应输入一种尺度的特征响应图，输出对应尺度的特征图。

4.根据权利要求1～3中任一项所述的方法，其特征在于，所述通过特征提取网络提取待检测图像的特征图的步骤之前，所述方法还包括：

获取训练图像样本集；所述训练图像样本集包括多张训练图像；

采用所述训练样本集对所述特征提取网络和所述多任务分支网络进行训练。

5.根据权利要求4所述的方法，其特征在于，所述训练图像携带有预先设置的第一分类标签、第二分类标签和回归标签；所述多任务分支网络包括第一分类分支网络、第二分类分支网络和回归分支网络；采用所述训练样本集对所述特征提取网络和所述多任务分支网络进行训练的步骤，包括：

从所述训练图像样本集中随机选取训练图像，通过所述特征提取网络提取所述训练图像的特征图；

将所述训练图像的特征图输入所述多任务分支网络；

通过所述第一分类分支网络对所述训练图像的特征图进行分类处理；

基于所述第一分类分支网络输出的第一分类处理结果和所述第一分类标签确定第一分类损失值；

通过所述第二分类分支网络对所述训练图像的特征图进行分类处理；

基于所述第二分类分支网络输出的第二分类处理结果和所述第二分类标签确定第二分类损失值；

通过所述回归分支网络对所述训练图像的特征图进行回归处理；

基于所述回归分支网络输出的回归处理结果和所述回归标签确定回归损失值；

基于所述第一分类损失值、第二分类损失值和回归损失值对所述特征提取网络和所述多任务分支网络进行训练。

6.根据权利要求5所述的方法，其特征在于，基于所述第一分类分支网络输出的第一分类处理结果和所述第一分类标签确定第一分类损失值的步骤，包括：采用焦点损失函数，根据所述第一分类处理结果和所述第一分类标签确定第一分类损失值；

基于所述第二分类分支网络输出的第二分类处理结果和所述第二分类标签确定第二分类损失值的步骤，包括：采用焦点损失函数，根据所述第二分类处理结果和所述第二分类标签确定第二分类损失值。