[发明专利]一种人脸检测的方法、人脸检测模型的训练方法及装置

权利要求书

1.一种人脸检测的方法，其特征在于，包括：

获取人脸图像序列，其中，所述人脸图像序列包括连续的N帧人脸图像，所述N为大于1的整数；

根据所述人脸图像序列获取噪声图像序列，其中，所述噪声图像序列包括连续的N帧噪声图像；

基于所述人脸图像序列，通过人脸检测模型所包括的第一特征提取网络获取人脸特征图序列，其中，所述人脸特征图序列包括N个人脸特征图；

基于所述噪声图像序列，通过所述人脸检测模型所包括的第二特征提取网络获取噪声特征图序列，其中，所述噪声特征图序列包括N个噪声特征图；

基于所述人脸特征图序列以及所述噪声特征图序列，通过所述人脸检测模型所包括的全连接层获取所述人脸图像序列所对应的分类概率值；

根据所述分类概率值确定所述人脸图像序列的检测结果；

所述基于所述人脸特征图序列以及所述噪声特征图序列，通过所述人脸检测模型所包括的全连接层获取所述人脸图像序列所对应的分类概率值，包括：

基于所述人脸特征图序列，通过所述人脸检测模型所包括的第一平均池化层获取N个第一特征向量，其中，每个第一特征向量对应于一个人脸特征图；

基于所述噪声特征图序列，通过所述人脸检测模型所包括的第二平均池化层获取N个第二特征向量，其中，每个第二特征向量对应于一个噪声特征图；

对所述N个第一特征向量以及所述N个第二特征向量进行拼接处理，得到N个目标特征向量，其中，每个目标特征向量包括一个第一特征向量以及一个第二特征向量；

基于所述N个目标特征向量，通过所述人脸检测模型所包括的时间注意力网络获取融合特征向量，其中，所述融合特征向量为根据所述N个目标特征向量以及N个时序权重确定的，每个目标特征向量对应于一个时序权重；

基于所述融合特征向量，通过所述人脸检测模型所包括的全连接层获取所述人脸图像序列所对应的分类概率值。

2.根据权利要求1所述的方法，其特征在于，所述基于所述人脸特征图序列以及所述噪声特征图序列，通过所述人脸检测模型所包括的全连接层获取所述人脸图像序列所对应的分类概率值，包括：

基于所述人脸特征图序列，通过所述人脸检测模型所包括的第一空间注意力网络获取N个第一特征向量，其中，每个第一特征向量对应于一个人脸特征图；

基于所述噪声特征图序列，通过所述人脸检测模型所包括的第二空间注意力网络获取N个第二特征向量，其中，每个第二特征向量对应于一个噪声特征图；

对所述N个第一特征向量以及所述N个第二特征向量进行拼接处理，得到N个目标特征向量，其中，每个目标特征向量包括一个第一特征向量以及一个第二特征向量；

基于所述N个目标特征向量，通过所述人脸检测模型所包括的所述全连接层获取所述人脸图像序列所对应的分类概率值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述人脸特征图序列，通过所述人脸检测模型所包括的第一空间注意力网络获取N个第一特征向量，包括：

针对所述人脸特征图序列中的每帧人脸特征图，通过所述第一空间注意力网络所包括的最大池化层获取第一最大池化特征图，其中，所述第一空间注意力网络属于所述人脸检测模型；

针对所述人脸特征图序列中的每帧人脸特征图，通过所述第一空间注意力网络所包括的平均池化层获取第一平均池化特征图；

针对所述人脸特征图序列中的每帧人脸特征图，基于所述第一最大池化特征图以及所述第一平均池化特征图，通过所述第一空间注意力网络所包括的卷积层获取第一融合特征图；

针对所述人脸特征图序列中的每帧人脸特征图，基于所述第一融合特征图以及所述人脸特征图，通过所述第一空间注意力网络所包括的第一平均池化层获取第一特征向量。