[发明专利]一种基于深度学习的人脸检测方法及其相关装置在审
申请号: | 201910741344.0 | 申请日: | 2019-08-12 |
公开(公告)号: | CN110427912A | 公开(公告)日: | 2019-11-08 |
发明(设计)人: | 唐健;祝严刚;黄海波;陶昆 | 申请(专利权)人: | 深圳市捷顺科技实业股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/08 |
代理公司: | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人: | 王仲凯 |
地址: | 518049 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 人脸检测 预处理 人脸检测模型 图片信息 相关装置 检测 申请 检测结果 优化训练 发送 输出 学习 图片 | ||
1.一种基于深度学习的人脸检测的方法,其特征在于,包括:
获取经过预处理的待检测图片信息;
将所述图片信息发送至训练好的人脸检测模型;
输出所述人脸检测模型的检测结果。
2.根据权利要求1所述的方法,其特征在于,在获取经过预处理的待检测图片信息包括:
接收待检测图片;
将所述待检测图片调整至预设大小。
3.根据权利要求1所述的方法,其特征在于,获取经过预处理的待检测图片信息之前,所述方法还包括:
处理训练所述人脸检测模型所需数据;
设计所述人脸检测模型网络。
4.根据权利要求4所述的方法,其特征在于,所述处理训练所述人脸检测模型所需数据包括:
获取预设数量的图片信息,所述图片信息用于形成训练数据集;
对所述训练数据集进行清洗,所述清洗用于筛除不符合训练要求的图片信息。
5.根据权利要求4所述的方法,其特征在于,设计所述人脸检测模型网络包括:
设计骨干网络,所述骨干网络用于对数据进行卷积、最大池化以及批归一化操作,以获取特征;
设计检测网络,所述检测网络用于进行对特征进行处理以进行人脸判定以及位置回归。
6.根据权利要求5所述的方法,其特征在于,获取经过预处理的待检测图片信息之前,所述方法还包括:
训练所述人脸检测模型,所述人脸检测模型用于确定出图片中人脸的位置。
7.根据权利要求6所述的方法,其特征在于,训练所述人脸检测模型,具体包括:
从已进行数据清洗的训练数据集内输出预设数量的图片;
对所述图片进行数据增强并将所述进行数据增强后的图片送入所述网络;
得到所述网络计算后的结果,并将所述结果与训练数据集内的图片标签进行比对;
根据所述比对结果进行损失计算,并使用随机梯度下降算法对所述模型进行更新。
8.一种基于深度学习的人脸检测的系统,其特征在于,包括:
获取单元,用于获取经过预处理的待检测图片信息;
发送单元,用于将所述图片信息发送至训练好的人脸检测模型;
输出单元,用于输出所述人脸检测模型的检测结果。
9.一种计算机装置,其特征在于,所述计算机装置包括:输入/输出接口、处理器和存储器,所述存储器中存储有程序指令;
所述处理器用于执行存储器中存储的程序指令,执行如权利要求1-7任一所述的方法。
10.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在计算机设备上运行时,使得所述计算机设备执行如权利要求1-7中任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市捷顺科技实业股份有限公司,未经深圳市捷顺科技实业股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910741344.0/1.html,转载请声明来源钻瓜专利网。