[发明专利]一种人脸检测方法、装置、电子设备和计算机存储介质

权利要求书

1.一种人脸检测方法，其特征在于，该人脸检测方法包括以下步骤：

向人脸检测网络模型输入任意大小的图像，利用所述人脸检测网络模型的特征提取模块提取图像特征，所述图像特征包括目标点的置信度、坐标以及相对其他点的坐标偏移量；

将所述目标点的置信度大于预设阈值的点作为目标检测框的中心点；

并行卷积模块预测所述目标点的置信度和相对坐标偏移量，经坐标变换计算得到检测框和面部关键点；

去除冗余的检测框，得到最优的人脸检测结果和人脸特征点检测结果。

2.根据权利要求1所述的一种人脸检测方法，其特征在于，所述特征提取模块包括至少一个倒残差模块，所述倒残差模块按照数据处理方向依次包括第二卷积层、第二批归一化层、第二激活函数层、深度可分离卷积层、第三批归一化层、第三激活函数层、第三卷积层、第四批归一化层，以及将所述倒残差模块的输入特征和输出特征相加的特征相加层。

3.根据权利要求1或者2所述的一种人脸检测方法，其特征在于，所述特征提取模块包括至少一个混合深度可分离卷积模块，所述混合深度可分离卷积模块按照数据处理方向依次包括至少两个不同卷积核的深度可分离卷积层、将所有所述深度可分离卷积层连接的特征连接层、第五批归一化层和第四激活函数层。

4.根据权利要求3所述的一种人脸检测方法，其特征在于，所述并行卷积模块根据类别选择输出通道，所述输出通道包括连接分类损失函数的第一通道和连接回归损失函数的第二通道；所述分类损失函数计算预测判定目标与真实标签之间的差异值，指导网络模型计算出的参数更加接近真实值；所述位置回归损失函数计算预测坐标与真实坐标之间的差异值，指导网络模型计算出的位置信息接近真实位置。

5.根据权利要求4所述的一种人脸检测方法，其特征在于，所述人脸检测网络模型包括第一卷积层、第一批归一化层、第一激活函数层、第一倒残差模块、第二倒残差模块、第三倒残差模块、混合深度可分离卷积模块和第四倒残差模块组成的主干网络，八层并行卷积层，以及分别与并行卷积层连接的分类损失函数和回归损失函数。

6.一种人脸检测装置，其特征在于，该检测装置包括：

特征提取模块，用于在向人脸检测网络模型输入任意大小的图像时，触发所述特征提取模块提取图像特征，所述图像特征包括目标点的置信度、坐标以及相对其他点的坐标偏移量；

目标点判断模块，用于将所述目标点的置信度大于预设阈值的点作为目标检测框的中心点；

目标检测模块，用于通过并行卷积模块预测所述目标点的置信度和相对坐标偏移量，经坐标变换计算得到检测框和面部关键点；

最优结果筛选模块，用于去除冗余的检测框，得到最优的人脸检测结果和人脸特征点检测结果。

7.根据权利要求6所述的一种人脸检测装置，其特征在于，所述特征提取模块包括至少一个倒残差模块，所述倒残差模块按照数据处理方向依次包括第二卷积层、第二批归一化层、第二激活函数层、深度可分离卷积层、第三批归一化层、第三激活函数层、第三卷积层、第四批归一化层，以及将所述倒残差模块的输入特征和输出特征相加的特征相加层。

8.根据权利要求6或者7所述的一种人脸检测装置，其特征在于，所述特征提取模块包括至少一个混合深度可分离卷积模块，所述混合深度可分离卷积模块按照数据处理方向依次包括至少两个不同卷积核的深度可分离卷积层、将所有所述深度可分离卷积层连接的特征连接层、第五批归一化层和第四激活函数层。

9.一种的电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行权利要求1～5中任意一项所述的方法。

10.一种存储介质，该存储介质中存储有计算机可读的程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1～5中任意一项所述的方法。