[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

说明书

本申请实施例公开了一种基于深度学习的人脸检测的方法及其相关装置，用于实现快速高质量的人脸检测过程。本申请实施例方法包括：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。本申请通过将待检测图片进行预处理以及优化训练好的检测模型对图片进行人脸检测，可以快速高质量的完成人脸检测。

技术领域

本申请涉及人脸识别领域，具体涉及一种基于深度学习的人脸检测方法及其相关装置。

背景技术

人脸检测，即在图片中定位人脸位置和尺寸大小，是当前计算机视觉研究中极具挑战性的热点问题之一。人脸检测作为基础的前置操作，对后续的人脸识别、表情识别、年龄估计、性别分类等技术的性能具有重要影响。

在通用检测领域，基于深度学习的目标检测方法得到了快速发展，大致可分为两类。第一类是基于区域卷积神经网络的双阶段方法，在第一阶段生成候选区域，在第二阶段对候选区域进行分类和回归。双阶段的方法准确率较高，但速度较慢，无法达到实时性。第二类方法是单阶段方法，不需要生成候选区域阶段，可直接通过回归对目标定位和分类，构建了端到端模型。单阶段的方法速度较快，但性能略逊于双阶段方法。但基于上述两类算法的人脸检测算法普遍存在不同场景下的鲁棒性较低、误检率和漏检率高的问题且速度较慢，不满足实时性的要求，如何解决上述问题则是当前亟待解决的。

申请内容

本申请实施例公开了一种基于深度学习的人脸检测的方法及其相关装置，用于实现快速高质量的人脸检测过程。

为达到上述目的，本申请第一方面提供了一种基于深度学习的人脸检测的方法，该方法可以包括：

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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；