[发明专利]人脸区域的确定方法和装置

说明书

技术领域

本发明涉及图像处理领域，具体而言，涉及一种人脸区域的确定方法和装置。

背景技术

人脸识别，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。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

人脸检测作为人脸识别、人脸关键点定位、人脸检索等应用的基础，一直以来受到广泛研究。人脸检测是从给定的一幅图像中，采用一定的方式判断图像中是否存在人脸，如果存在，则给出人脸的大小和位置，如图1所示，对左侧的图像进行检测，得到右侧图像，并标识出人脸区域(即虚线区域)。

虽然人类可以很容易的从一幅图像中找出人脸，但要计算机自动地检测出人脸仍然存在困难，其主要的难点来自于以下两个方面：人脸本身可以存在多种形式的细节变化，如不同的肤色、脸型、表情和人脸姿态带来的变化；图像中的人脸还会受到多种外部因素的影响，如光照、相机抖动、人脸上的装饰物带来的遮挡等。

在相关技术中，人脸检测方法多种多样，可以分为基于特征的检测方法和基于统计模型的检测方法。基于特征的人脸检测方法主要是基于一些经验规则和人工构造的特征进行人脸检测，例如基于一些面部器官结构和纹理特征的检测方法；基于统计模型的检测方法虽然也需要在样本上先提取特征，但与基于特征的检测方法不同的是，基于统计模型的人脸检测不是纯粹的基于一些设定规则，而是采用大量的样本来训练检测器模型，常见的有基于支持向量机(SVM)的人脸检测算法，基于adaboost的人脸检测算法等。

评估人脸检测方法(也称为检测器)的常用指标主要有以下几种：(1)检测率，即在给定的图像集合中，被正确检测到的人脸数与图像中总的人脸数之间的比值；(2)错误检测数，即被当做人脸区域检测出来的，实际为非人脸区域的数量，理想的人脸检测器应该具有100％的检测率和0个错误检测数；(3)检测速度，从开始检测到正确定位出人脸区域所需要消耗的时间，目前很多应用中对检测速度有较高的要求，如直播美颜、人脸跟踪都需要实时地检测人脸，在检测率高，误检数低的情况下，检测速度自然越快越能提高用户的体验；(4)鲁棒性，用于表示在各种条件下，人脸检测器对环境的适应能力，检测器鲁棒性越高，在光照、人脸姿态、表情等变化以及人脸出现遮挡等情况下能准确地检测出人脸的概率越大。

为了克服上述提及的问题，实现对人脸区域的准确检测，利用相关技术中基于特征的检测方法时，由于需要使用经验规则和人工构造的特征，容易受到使用者主观因素的影响，无法保证人脸识别的检测率和鲁棒性；若利用相关技术中的基于统计模型的检测方法，目前常用的模型为了保证识别的准确度，往往设置的层数较多，会导致模型比较大，基本上这些模型均超过15MB，虽然层数较多会保证识别的准确率，但是层数的增加会带来人脸检测速度降低(在主流PC上大于300ms)的缺陷，无法满足实时性的要求。

针对相关技术中进行人脸检测的实时性较差的技术问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种人脸区域的确定方法和装置，以至少解决相关技术中进行人脸检测的实时性较差的技术问题。

根据本发明实施例的一个方面，提供了一种人脸区域的确定方法，该人脸区域的确定方法包括：接收定位请求，其中，定位请求用于请求在目标图片中定位出人脸区域；通过卷积神经网络对目标图片进行人脸定位操作，得到定位结果，其中，卷积神经网络用于调用图形处理器对目标图片进行卷积操作，人脸定位操作包括卷积操作；在定位结果用于表示目标图片中定位出存在人脸区域的情况下，返回定位结果。

根据本发明实施例的另一方面，还提供了一种人脸区域的确定装置，该人脸区域的确定装置包括：接收单元，用于接收定位请求，其中，定位请求用于请求在目标图片中定位出人脸区域；定位单元，用于通过卷积神经网络对目标图片进行人脸定位操作，得到定位结果，其中，卷积神经网络用于调用图形处理器对目标图片进行卷积操作，人脸定位操作包括卷积操作；返回单元，用于在定位结果用于表示目标图片中定位出存在人脸区域的情况下，返回定位结果。