[发明专利]一种人脸检测的方法、装置、电子设备及存储介质

说明书

本申请公开了一种人脸检测的方法、装置、电子设备及存储介质，具体包括：根据单尺度卷积神经网络对待检测人脸图像进行处理，获得第一特征图和第二特征图，单尺度卷积神经网络是输出单尺度特征图的卷积神经网络，第一特征图为单尺度的人脸分类概率特征图，第二特征图为单尺度的偏移量特征图；根据第一特征图从待检测人脸图像中确定出预测人脸框；根据第二特征图对预测人脸框进行修正处理，将修正后的人脸框作为人脸检测的结果。由于采用单尺度的卷积神经网络，其输出层仅输出单尺度的人脸分类概率特征图和单尺度的偏移量特征图，无需对多个尺度的特征进行融合，大大减少了计算量，从而加快人脸检测的效率。

技术领域

本申请涉及人脸识别技术领域，尤其涉及一种人脸检测的方法、装置、电子设备及存储介质。

背景技术

在目前的人脸识别技术中，经常采用卷积神经网络(CNN，Convolutional NeuralNetworks)进行人脸检测。CNN是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。虽然CNN算法的具有非常稳定的检测效果，但是其计算量大，占有内存多。而在硬件条件有限的情况下，比如在移动端，采用普通的CNN算法就难以满足快速检测的需求。

发明内容

针对上述现有技术，本发明实施例公开一种人脸检测的方法，可以克服现有人脸检测技术计算量大，难以满足快速检测的需求。

鉴于此，本申请实施例提出一种人脸检测的方法，该方法包括：

根据单尺度卷积神经网络对待检测人脸图像进行处理，获得第一特征图和第二特征图，所述单尺度卷积神经网络是输出单尺度特征图的卷积神经网络，所述第一特征图为单尺度的人脸分类概率特征图，所述第二特征图为单尺度的偏移量特征图；

根据所述第一特征图从所述待检测人脸图像中确定出预测人脸框；

根据所述第二特征图对所述预测人脸框进行修正处理，将修正后的人脸框作为人脸检测的结果。

进一步地，

所述根据单尺度卷积神经网络对待检测人脸图像进行处理的步骤之前，该方法进一步包括：

确定所述单尺度卷积神经网络，所述单尺度卷积神经网络包括五个卷积层和一个池化层，其中五个卷积层分别为第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层，且由第三卷积层输出结果分别输入到第四卷积层和第五卷积层，由第四卷积层输出单尺度的人脸分类概率特征图，由第五卷积层输出单尺度的偏移量特征图。

进一步地，

所述根据第一特征图从所述待检测人脸图像中确定出预测人脸框的步骤包括：

根据预设的人脸分类概率阈值对所述第一特征图进行二值化处理，获得人脸概率二值图；

利用两次遍历连通成分标记算法(SAUF)对所述人脸概率二值图进行处理，获得全部连通子图以及对应的包围矩形框，所述包围矩形框为包围所述连通子图的矩形框，并从中确定最大的包围矩形框；

将所述最大的包围矩形框映射到所述待检测人脸图像中，确定出所述预测人脸框。

进一步地，

所述根据第二特征图对所述预测人脸框进行修正处理的步骤包括：

确定所述预测人脸框左上角坐标为(x1，y1)，所述x1为预测人脸框左上角横坐标，所述y1为预测人脸框左上角纵坐标；

确定所述预测人脸框右下角坐标为(x2，y2)，所述x2为预测人脸框右下角横坐标，所述y2为预测人脸框右下角纵坐标；

计算所述预测人脸框左上角横坐标x1与所述第二特征图相应位置上的偏移量之和，作为修正后的人脸框左上角横坐标x1′；