[发明专利]一种图片检测的方法和相关装置

权利要求书

1.一种图片检测的方法，其特征在于，包括：

获取待检测图片，所述待检测图片包括人脸和人头；

利用目标检测模型对所述待检测图片进行检测，获得所述待检测图片中目标人脸框和目标人头框；所述目标检测模型是基于同时标注人脸标签、人脸框位置信息、人头标签和人头框位置信息的图片样本以及卷积神经网络预先训练获得的。

2.根据权利要求1所述的方法，其特征在于，所述目标检测模型的训练过程包括：

基于所述图片样本和所述卷积神经网络中共用特征提取网络，获得所述图片样本对应的特征图；所述特征图包括人脸特征和人头特征；

基于所述特征图和所述卷积神经网络中人脸、人头分类定位器，获得所述图片样本中预测人脸框和预测人头框；

基于所述预测人脸框、所述预测人头框、所述人脸标签、所述人脸框位置信息、所述人头标签和所述人头框位置信息，利用目标损失函数训练更新所述卷积神经网络的网络参数；

将训练更新完成后的卷积神经网络确定为所述目标检测模型。

3.根据权利要求2所述的方法，其特征在于，所述共用特征提取网络包括深度可分离卷积模块。

4.根据权利要求2所述的方法，其特征在于，所述目标损失函数包括人头分类损失函数、人头位置预测损失函数、人脸分类损失函数和人脸位置预测损失函数。

5.根据权利要求2所述的方法，其特征在于，所述目标检测模型包括目标共用特征提取网络以及目标人脸、目标人头分类定位器；

对应地，所述利用目标检测模型对所述待检测图片进行检测，获得所述待检测图片中目标人脸框和目标人头框，包括：

基于所述待检测图片和所述目标共用特征提取网络，获得所述待检测图片对应的目标特征图；所述目标特征图包括目标人脸特征和目标人头特征；

基于所述目标特征图和所述目标人脸、目标人头分类定位器，获得所述待检测图片中目标人脸框和目标人头框。

6.根据权利要求2所述的方法，其特征在于，在所述获得所述图片样本对应的特征图之后，还包括：

基于所述特征图和所述卷积神经网络中多尺度特征提取融合模块，获得所述图片样本对应的融合特征图；所述多尺度特征提取融合模块由空洞卷积和普通卷积构成，所述融合特征图包括人脸特征、人头特征以及人脸和人头临近图片语义信息；

对应地，所述基于所述特征图和所述卷积神经网络中人脸、人头分类定位器，获得所述图片样本中预测人脸框和预测人头框，具体为：

基于所述融合特征图和所述人脸、人头分类定位器，获得所述图片样本中预测人脸框和预测人头框。

7.根据权利要求6所述的方法，其特征在于，所述目标检测模型包括目标共用特征提取网络、目标多尺度特征提取融合模块以及目标人脸、目标人头分类定位器；

对应地，所述利用目标检测模型对所述待检测图片进行检测，获得所述待检测图片中目标人脸框和目标人头框，包括：

基于所述待检测图片和所述目标共用特征提取网络，获得所述待检测图片对应的目标特征图；

基于所述目标特征图和所述目标多尺度特征提取融合模块，获得所述待检测图片对应的目标融合特征图，所述目标融合特征图包括目标人脸特征、目标人头特征以及目标人脸和目标人头临近图片语义信息；

基于所述目标融合特征图和所述目标人脸、目标人头分类定位器，获得所述待检测图片中目标人脸框和目标人头框。

8.一种图片检测的装置，其特征在于，包括：

获取单元，用于获取待检测图片，所述待检测图片包括人脸和人头；

第一获得单元，用于利用目标检测模型对所述待检测图片进行检测，获得所述待检测图片中目标人脸框和目标人头框；所述目标检测模型是基于同时标注人脸标签、人脸框位置信息、人头标签和人头框位置信息的图片样本以及卷积神经网络预先训练获得的。