[发明专利]人脸检测方法、装置、电子设备、存储介质

说明书

本发明提供一种人脸检测方法、装置、电子设备、存储介质，人脸检测方法包括：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。本发明实现轻量的人脸检测及人脸属性识别。

技术领域

本发明涉及图像处理领域，尤其涉及一种人脸检测方法、装置、电子设备、存储介质。

背景技术

随着信息科技的发展，越来越多的与智能化需求被人们提出。而最为常见与热门的需求，是人脸分析技术，如人脸检测，人脸识别等。该技术在智能考勤，智能监控，智慧支付，智能机器人，虚拟形象生成等场景，都有被应用的需求，应用前景广泛。

目前业界对于人脸分析技术的流行解决方案有两种：

1)基于云端服务器的人脸分析技术：通过前端图像采集设备，将采集到的人脸图片上传至云端服务器，由云端的服务器返回分析结果，再由前端展示。

2)基于前端(嵌入式)设备的人脸分析技术：通过前端(嵌入式)设备采集图像，不将图像传至云端服务器，直接在当前设备上运算，显示运算结果。

然而，现有的人脸分析技术存在以下不足与问题：1)基于云端服务器的人脸分析技术方案，需要当前设备具有较强的网络通信能力。如果设备没有网络，那么功能无法使用。如果网络信号不佳，则返回时间过长，用户体验差。同时该方案需要搭建云端服务器来处理高并发请求，成本很高。2)基于前端(嵌入式)设备的人脸分析技术，准确率高的深度学习模型，模型计算量往往巨大。然而前端设备(嵌入式设备)计算能力非常差，无法运行大规模神经网络或者计算时间过长，用户体验极差。

3)大部分产品仅对人脸检测、人脸识别进行嵌入式设备运行的优化，而没有对人脸多维度属性识别的实施。

发明内容

本发明为了克服上述相关技术存在的缺陷，提供一种人脸检测方法、装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本发明的一个方面，提供一种人脸检测方法，所述人脸检测包括：

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。

在本发明的一些实施例中，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。

在本发明的一些实施例中，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，将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