[发明专利]一种基于深度学习的人脸检测方法和系统

说明书

本说明书实施例提供一种基于深度学习的人脸检测方法和系统，该方法包括：获取待检测图像；对待检测图像进行预处理，确定处理后图像；基于处理后图像，通过人脸检测模型确定人脸识别结果，其中，人脸检测模型包括至少一个识别子模型，人脸检测模型为机器学习模型。

技术领域

本说明书涉及人脸识别技术领域，具体涉及一种基于深度学习的人脸检测方法和系统。

背景技术

人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术，是近年来随着计算机、图像处理、模式识别等技术的迅速进步而出现的一种崭新的生物特征识别技术。用摄像机或摄像头采集含有人脸的图像或者视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人的脸部进行一系列相关技术，达到识别不同人身份的目的。

针对如何检测人脸的问题，CN107392182B提出了一种基于深度学习的人脸采集识别方法及装置，可以将输入的视频流与由大量含有人脸照片训练出的学习模型比对，对视频中的人脸进行采集并提取人脸特征数据。然而，该申请直接学习人脸数据的方式存在许多不确定的因素，例如，人的不同运动状态、不同肤色、人所处的不同环境等。在多种不确定因素的影响下，无法保证人脸识别的速度和准确度不高。

因此，希望提供一种基于深度学习的人脸检测方法和系统，可以保证人脸识别的速度和准确度的稳定性，降低运动状态、肤色以及环境等多种因素的影响，满足用户需求。

发明内容

本说明书实施例之一提供一种基于深度学习的人脸检测方法，所述方法包括：获取待检测图像；对所述待检测图像进行预处理，确定处理后图像；基于所述处理后图像，通过人脸检测模型确定人脸识别结果，其中，所述人脸检测模型包括至少一个识别子模型，所述人脸检测模型为机器学习模型。

本说明书实施例之一提供一种基于深度学习的人脸检测系统，所述系统包括：获取模块，用于获取待检测图像；预处理模块，用于对所述待检测图像进行预处理，确定处理后图像；识别模块，用于基于所述处理后图像，通过人脸检测模型确定人脸识别结果，其中，所述人脸检测模型包括至少一个识别子模型，所述人脸检测模型为机器学习模型。

本说明书实施例之一提供一种基于深度学习的人脸检测装置。所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现基于深度学习的人脸检测方法。

本说明书实施例之一提供一种计算机可读存储介质。所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行基于深度学习的人脸检测方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的基于深度学习的人脸检测系统的示例性模块图；

图2是根据本说明书一些实施例所示的基于深度学习的人脸检测方法的示例性流程图；

图3是根据本说明书一些实施例所示的人脸检测模型的示例性示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。