[发明专利]人脸检测方法、装置、电子设备、存储介质

权利要求书

1.一种人脸检测方法，其特征在于，包括：

将采集的图片输入经训练的第一轻量网络模型；

根据经训练的第一轻量网络模型的输出确定采集的图片中的人脸检测框及人脸关键点；

根据所述人脸检测框从采集的图片中截取人脸图片；

根据所述人脸关键点校正所述人脸图片；

将所述人脸图片输入经训练的第二轻量网络模型；以及

根据所述第二轻量网络模型的输出确定至少一人脸属性。

2.如权利要求1所述的人脸检测方法，其特征在于，所述第一轻量网络模型包括多个依次串接的第一轻量网络模块，每一第一轻量网络模块自输入至输出依次包括：

第一1x1标准卷积模块，用于增加输入该第一轻量网络模块的特征图像的通道数；

第一深度可分离卷积模块，用于将经第一1x1标准卷积模块增加的特征图像的通道分离以分别进行卷积；以及

第二1x1标准卷积模块，用于减少所述第一深度可分离卷积模块输出的特征图像的通道数。

3.如权利要求2所述的人脸检测方法，其特征在于，每一第一轻量网络模块还包括：

第一注意力模块，用于计算所述第二1x1标准卷积模块输出的特征图像的通道注意力向量。

4.如权利要求3所述的人脸检测方法，其特征在于，每一第一轻量网络模块将所述通道注意力向量与所述第二1x1标准卷积模块输出的特征图像进行矩阵乘法获得该第一轻量网络模块的输出的特征图像。

5.如权利要求2所述的人脸检测方法，其特征在于，所述第一轻量网络模型的第一总损失函数由第一子损失函数及第二子损失函数加权获得，所述第一子损失函数用于监督所述人脸检测框的识别，所述第二子损失任务用于监督人脸关键点的识别。

6.如权利要求5所述的人脸检测方法，其特征在于，所述第一子损失函数为基于人脸坐标的距离损失函数。

7.如权利要求5所述的人脸检测方法，其特征在于，所述第二子损失函数为基于热力图的概率损失函数。

8.如权利要求1所述的人脸检测方法，其特征在于，所述第二轻量网络模型包括多个依次串接的第二轻量网络模块，每一第二轻量网络模块自输入至输出依次包括：

第三1x1标准卷积模块，用于增加输入该第二轻量网络模块的特征图像的通道数；

第二深度可分离卷积模块，用于将经第三1x1标准卷积模块增加的特征图像的通道分离以分别进行卷积；以及

第四1x1标准卷积模块，用于减少所述第二深度可分离卷积模块输出的特征图像的通道数。

9.如权利要求8所述的人脸检测方法，其特征在于，每一第二轻量网络模块还包括：

第二注意力模块，用于计算所述第四1x1标准卷积模块输出的特征图像的通道注意力向量，将通道注意力向量与所述第四1x1标准卷积模块输出的特征图像进行矩阵乘法获得该第二轻量网络模块的输出的特征图像。

10.如权利要求8所述的人脸检测方法，其特征在于，所述人脸属性至少包括性别、年龄、胡子信息及眼镜信息中的一项或多项。

11.如权利要求10所述的人脸检测方法，其特征在于，用于所述性别的识别监督的损失函数、用于所述胡子信息的识别监督的损失函数以及用于所述眼镜信息的识别监督的损失函数为基于二分类任务的概率损失函数。

12.如权利要求10所述的人脸检测方法，其特征在于，用于所述年龄的识别监督的损失函数为基于年龄差的距离损失函数。

13.如权利要求1至12任一项所述的人脸检测方法，其特征在于，所述人脸检测框、人脸关键点及人脸属性叠加于采集的图片上以进行显示。