[发明专利]人脸检测方法、装置、电子设备及计算机可读存储介质在审

专利信息
申请号: 201911232487.5 申请日: 2019-12-04
公开(公告)号: CN112906446A 公开(公告)日: 2021-06-04
发明(设计)人: 黄德威;胡文泽 申请(专利权)人: 深圳云天励飞技术有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 熊永强
地址: 518000 广东省深圳市龙岗区园山*** 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: 检测 方法 装置 电子设备 计算机 可读 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:

获取目标对象的待检测人脸图像;

将所述待检测人脸图像输入预训练人脸检测卷积神经网络模型的第一子网络进行第一特征的提取;

将所述第一特征输入所述人脸检测卷积神经网络模型的第二子网络进行角度预测,得到所述待检测人脸图像中人脸在平面旋转的角度;

将所述第一特征输入所述人脸检测卷积神经网络模型的第三子网络进行处理得到第三特征,并根据所述第二子网络进行角度预测提取出的第二特征及所述第三特征,得到所述待检测人脸图像中人脸的位置。

2.根据权利要求1所述的方法,其特征在于,所述将所述第一特征输入所述人脸检测卷积神经网络模型的第二子网络进行角度预测,得到所述待检测人脸图像中人脸在平面旋转的角度,包括:

利用多个卷积层接对所述第一特征进行卷积处理,得到所述第二特征;

利用全连接层对所述第二特征进行分类处理,以定位出所述待检测人脸图像中人脸两个瞳孔的位置;

基于该两个瞳孔的位置,计算该两个瞳孔的连线与水平线的夹角,以得到所述待检测人脸图像中人脸在平面旋转的角度。

3.根据权利要求1所述的方法,其特征在于,所述根据所述第二子网络进行角度预测提取出的第二特征及所述第三特征,得到所述待检测人脸图像中人脸的位置,包括:

将所述第二特征与所述第三特征进行融合,得到包含有角度信息的第四特征;

利用所述第四特征进行人脸检测,得到所述待检测人脸图像中人脸的位置。

4.根据权利要求3所述的方法,其特征在于,所述利用所述第四特征进行人脸检测,得到所述待检测人脸图像中人脸的位置,包括:

利用多个残差块对所述第四特征进行处理,输出人脸边界框的第一点坐标、第二点坐标及人脸边界框的高度;

基于所述第一点坐标、所述第二点坐标及所述高度得到所述待检测人脸图像中人脸的位置。

5.根据权利要求1至4任一项所述的方法,其特征在于,所述人脸检测卷积神经网络模型的训练过程,包括:

对用于训练的人脸图像进行首次标注,得到初始人脸检测训练数据集;

对所述初始人脸检测训练数据集中的人脸图像进行再标注,得到目标人脸检测训练数据集;

利用所述初始人脸检测训练数据集对预设卷积神经网络的第三卷积块进行训练,得到所述第三子网络;

利用所述目标人脸检测训练数据集对预设卷积神经网络的第二卷积块进行训练,得到所述第二子网络;

再将所述目标人脸检测训练数据集输入预设卷积神经网络进行整体训练,得到所述人脸检测卷积神经网络模型。

6.一种人脸检测装置,其特征在于,所述装置包括:

图像获取模块,用于获取目标对象的待检测人脸图像;

第一特征提取模块,用于将所述待检测人脸图像输入预训练人脸检测卷积神经网络模型的第一子网络进行第一特征的提取;

角度预测模块,用于将所述第一特征输入所述人脸检测卷积神经网络模型的第二子网络进行角度预测,得到所述待检测人脸图像中人脸在平面旋转的角度;

位置预测模块,用于将所述第一特征输入所述人脸检测卷积神经网络模型的第三子网络进行处理得到第三特征,并根据所述第二子网络进行角度预测提取出的第二特征及所述第三特征,得到所述待检测人脸图像中人脸的位置。

7.根据权利要求6所述的装置,其特征在于,所述角度预测模块,包括:

第二特征提取单元,用于利用多个卷积层接对所述第一特征进行卷积处理,得到所述第二特征;

瞳孔定位单元,用于利用全连接层对所述第二特征进行分类处理,以定位出所述待检测人脸图像中人脸两个瞳孔的位置;

角度获取单元,用于基于该两个瞳孔的位置,计算该两个瞳孔的连线与水平线的夹角,以得到所述待检测人脸图像中人脸在平面旋转的角度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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云天励飞技术有限公司,未经深圳云天励飞技术有限公司许可,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/201911232487.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top