[发明专利]人脸检测方法、装置、计算机设备和存储介质

说明书

本申请涉及计算机技术领域，特别是涉及一种人脸检测方法、装置、计算机设备和存储介质。所述方法包括：获取待检测图像，待检测图像中包括待检测人脸；通过检测模型对待检测图像进行特征的提取，得到人脸特征，检测模型包括轻量级的反卷积模块，轻量级的反卷积模块包括一个通用卷积层、一个反卷积层以及一个可分离卷积层；对人脸特征进行回归预测，得到待检测人脸的检测结果。采用本方法能够提升边缘设备人脸检测的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种人脸检测方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，人脸检测广泛应用于各行各业，例如，银行系统的远程核身、微信的人脸支付、出租车司机远程认证、小区门禁系统等。

在传统方式中，为了保障人脸检测的准确性，检测模型需要占用几百M的内存，即需要图形处理器(Graphics Processing Unit，GPU)的支持。在没有GPU的边缘设备上，常规的检测模型根本无法正常运行。从而使得人脸检测的准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提升边缘设备人脸检测准确性的人脸检测方法、装置、计算机设备和存储介质。

一种人脸检测方法，所述方法包括：

获取待检测图像，待检测图像中包括待检测人脸；

通过检测模型对待检测图像进行特征的提取，得到人脸特征，检测模型包括轻量级的反卷积模块，轻量级的反卷积模块包括一个通用卷积层、一个反卷积层以及一个可分离卷积层；

对人脸特征进行回归预测，得到待检测人脸的检测结果。

在其中一个实施例中，通过检测模型对待检测图像进行特征的提取，得到人脸特征，包括：

通过检测模型的各卷积模块对待检测图像进行多尺度特征的提取，得到对应各尺度的初始特征；

从多个尺度中确定目标尺度，并确定对应各目标尺度的各初始特征为目标初始特征；

通过轻量级的反卷积模块对各目标初始特征进行反卷积处理，生成对应各目标尺度的人脸特征。

在其中一个实施例中，通过轻量级的反卷积模块对各目标初始特征进行反卷积处理，生成对应各目标尺度的人脸特征，包括：

根据目标尺度中最小尺度的目标初始特征，得到对应最小目标尺度的人脸特征；

通过轻量级的反卷积模块对最小尺度的目标初始特征进行反卷积处理，生成对应第一目标尺度的目标特征；

对第一目标尺度对应的目标特征以及第一目标尺度对应的目标初始特征进行融合处理，得到对应第一目标尺度的人脸特征；

将第一目标尺度对应的目标初始特征作为最小尺度的目标初始特征，并继续进行反卷积处理以及融合处理，直至得到对应所有目标尺度的人脸特征。

在其中一个实施例中，通过轻量级的反卷积模块对最小尺度的目标初始特征进行反卷积处理，生成对应第一目标尺度的目标特征，包括：

通过通用卷积层对目标初始特征进行第一反卷积处理，得到满足第一目标尺度的第一比例输出通道的第一特征；

通过反卷积层对第一特征进行第二反卷积处理，得到满足第一目标尺度的第二比例输出通道的第二特征，第一比例小于第二比例；

通过可分离卷积对第二特征进行第三反卷积处理，生成满足第一目标尺度对应输出通道的目标特征。

在其中一个实施例中，对人脸特征进行回归预测，得到待检测人脸的检测结果，包括：