[发明专利]人脸图像检测方法、系统、存储介质及设备

权利要求书

1.一种人脸图像检测方法，其特征在于，包括：

提取待处理图像中的人脸图像；

获取所述人脸图像中各关键点所对应的热力图的置信度；

根据各所述置信度计算每个所述人脸图像的人脸关键点得分，据以判断所述人脸图像中人脸被遮挡的程度。

2.根据权利要求1所述的人脸图像检测方法，其特征在于，还包括：当所述人脸图像中人脸被遮挡的比例小于预设阈值时，将所述人脸图像与若干预存的未被遮挡的人脸图像加以比对，从而识别出与所述人脸图像匹配的未被遮挡的人脸。

3.根据权利要求1所述的人脸图像检测方法，其特征在于，所述待处理图像为抓拍机采集到的人脸图像数据集，所述抓拍机拍摄的时间、地点随机，所述人脸图像数据集包括训练集和测试集。

4.根据权利要求1所述的人脸图像检测方法，其特征在于，所述人脸图像提取的方法包括：

对所述待处理图像进行质量筛选，剔除遮挡率、光照和分辨率不满足条件的所述人脸图像；

将通过质量筛选后的所述人脸图像缩放到对应输入尺寸；

将所述人脸图像进行像素归一化到[-1,1]区间，并减小像素均值与RGB通道值。

5.根据权利要求1所述的人脸图像检测方法，其特征在于，所述置信度由深度学习网络预测得到，并将所述置信度归一化到(0，1)区间。

6.根据权利要求1所述的人脸图像检测方法，其特征在于，所述人脸关键点得分计算公式为：

式中，conf_i为第i个关键点的置信度得分，均归一化到[0,1]之间，N为总关键点个数；

所述遮挡程度计算式为：

P(occlude)＝1-score。

7.根据权利要求1所述的人脸图像检测方法，其特征在于，还包括模型训练方法：

选取合适的深度学习框架供所述训练集和所述关键点的数据进行学习；

选取Dlib网络结构和HR-Net网络结构进行训练；

利用所述测试集评估模型，挑选最优测试结果的模型，以得到目标模型。

8.一种人脸图像检测系统，其特征在于，包括：

预处理和人脸检测模块，用于提取待处理图像中的人脸图像；

人脸关键点检测模块，用于获取所述人脸图像中各关键点所对应的热力图的置信度；

热力图应用模块，用于根据各所述置信度计算每个所述人脸图像的人脸关键点得分，据以判断所述人脸图像中人脸被遮挡的程度。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任一项所述人脸图像检测方法。

10.一种设备，其特征在于，所述设备包括：所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述设备执行如权利要求1至7中任一项所述人脸图像检测方法。