[发明专利]一种人脸检测方法及系统

说明书

本申请公开了一种人脸检测方法及系统。人脸检测方法包括：分割步骤：对检测图进行分割，获取所述检测图的分割图；检测步骤：对所述分割图中的人脸进行检测，获取所述分割图中的人脸框；映射步骤：将所述人脸框映射到所述检测图上；去重步骤：对所述检测图的所述人脸框进行去重处理。本发明提出一种人脸检测方法及系统，为了降低基于深度学习技术的人脸检测模型对GPU显存占用的需求，同时保证人脸检测任务的性能不受影响，本发明通过使用本专利提出的图像分割方法，将图片分割技术应用到深度学习人脸检测模型中，可以在降低人脸检测模型占用GPU显存的同时，保证模型的精度性能不会有下降。

技术领域

本申请涉及人脸检测技术领域，尤其涉及一种人脸检测方法及系统。

背景技术

目前人脸检测任务中基本上使用的都是深度学习技术，与传统的 人脸检测技术相比深度学习人脸检测技术具有更强的鲁棒性。但深度 学习的模型比较费资源，一般都需要运行在GPU上，对普通用户来说 一块大容量显存的GPU是十分昂贵的。为了降低深度学习人脸检测对 GPU显存占用需求，最简单的方法是直接对待检测的图片进行尺度缩 放，将缩放后的图片输入到模型中进行人脸检测，如图1所示。上述方 法能够降低人脸检测模型对GPU显存的使用，但会影响人脸检测模型 的性能，直接缩小图片尺寸会影响检测图片中的小人脸。在基于深度 学习的人脸检测任务中，为了保证对小人脸的检测效果，输入模型的图片尺寸一般都比较大，比如1280x1280或640x640。但大尺度图片 往往会占用较大的GPU显存，对拥有小显存GPU用户来说不是很友 好。

因此，针对以上现状，本发明提出一种人脸检测方法及系统，为 了降低基于深度学习技术的人脸检测模型对GPU显存占用的需求， 同时保证人脸检测任务的性能不受影响，本发明通过使用本专利提出 的图像分割方法，将图片分割技术应用到深度学习人脸检测模型中， 可以在降低人脸检测模型占用GPU显存的同时，保证模型的精度性 能不会有下降。

发明内容

本申请实施例提供了一种人脸检测方法及系统，以至少解决相关 技术中主观因素影响的问题。

本发明提供了一种人脸检测方法，包括：

分割步骤：对检测图进行分割，获取所述检测图的分割图；

检测步骤：对所述分割图中的人脸进行检测，获取所述分割图中的人脸框；

映射步骤：将所述人脸框映射到所述检测图上；

去重步骤：对所述检测图的所述人脸框进行去重处理。

上述的一种人脸检测方法，所述分割步骤包括，在一设定方向上以 一设定步长对所述检测图进行分割，分割后获得多张所述分割图。

上述的人脸检测方法，所述检测步骤包括，使用人脸检测模型检测 每一所述分割图中的人脸，获取所述分割图中的多个所述人脸框。

上述的人脸检测方法，映射步骤包括，对所述人脸框进行坐标调整， 并将调整后的所述人脸框映射到所述检测图片上。

上述的人脸检测方法，所述去重步骤包括，采用非极大值抑制的方法对 多个所述人脸框进行去重处理。

本发明还提供一种人脸检测系统，其特征在于，适用于上述所述 的一种一种人脸检测方法，包括：

分割单元：对检测图进行分割，获取所述检测图的分割图；

检测单元：对所述分割图中的人脸进行检测，获取所述分割图中的人脸框；

映射单元：将所述人脸框映射到所述检测图上；

去重单元：对所述检测图的所述人脸框进行去重处理。

上述的人脸检测系统，所述分割单元包括，在一设定方向上以一设 定步长对所述检测图进行分割，分割后获得多张所述分割图。