[发明专利]基于卷积神经网络的人脸检测方法、装置、终端及介质

权利要求书

1.一种基于卷积神经网络的人脸检测方法，其特征在于，所述方法包括下述步骤：

当接收到人脸检测请求时，从所述人脸检测请求中获取待检测图像；

通过预先训练好的第一预设数量个人脸姿态分类器对所述待检测图像同时进行人脸检测；

对所述第一预设数量个人脸姿态分类器检测出的人脸进行标记并输出。

2.如权利要求1所述的方法，其特征在于，将所述待检测图像通过预设数量的人脸姿态分类器对所述待检测图像同时进行人脸检测的步骤之前，包括：

用深度学习方法对人脸图像样本集中的人脸图像进行深度学习，以获取不同姿态下的样本子集；

通过所述不同姿态下的样本子集对预先构建的人脸姿态分类器进行训练，以得到训练好的所述第一预设数量个人脸姿态分类器。

3.如权利要求2所述的方法，其特征在于，对人脸图像样本集中的人脸图像进行深度学习的步骤，包括：

使用深度卷积神经网络从所述人脸图像样本集中提取人脸图像的深度特征；

通过预设的聚类算法对所述提取到的深度特征进行聚类，以得到所述各种不同姿态下人脸图像的样本子集。

4.如权利要求3所述的方法，其特征在于，通过预设的聚类算法对所述提取到的深度特征进行聚类的步骤，包括：

随机选定第二预设数量个质心；

根据所述第二预设数量个质心与所述深度特征的位置，将所述深度特征分配给所述位置与所述深度特征距离最小的质心，以得到所述第二预设数量个第一聚类；

计算所述第二预设数量个所述第一聚类的平均值，以更新所述第二预设数量个所述第一聚类的质心。

5.如权利要求4所述的方法，其特征在于，将所述深度特征分配给所述位置与所述深度特征距离最小的质心的步骤，包括：

通过目标函数获得所述质心与所述深度特征的距离；

通过最小化所述目标函数得到所述质心中最接近所述深度特征的质心的索引ci：＝j，其中，i为所述深度特征的变量，f为所述深度特征，j为所述质心变量，u为所述质心的位置，ci是所述质心当中最接近所述深度特征的所述质心索引，Dij是所述深度特征与所述质心之间的距离。

6.一种基于卷积神经网络的人脸检测装置，其特征在于，所述装置包括：

图像接收单元，用于当接收到人脸检测请求时，接收所述人脸检测请求需要检测的待检测图像；

图像检测单元，用于通过预先训练好的第一预设数量个人脸姿态分类器对所述待检测图像同时进行人脸检测；以及

标记输出单元，用于对所述第一预设数量个人脸姿态分类器检测出的人脸进行标记并输出。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

人脸学习单元，用于对人脸图像样本集中的人脸图像进行深度学习，以获取不同姿态下的样本子集；以及

分类器训练单元，用于通过所述不同姿态的样本子集对分类器进行训练，以得到所述预设数量的人脸姿态分类器。

8.如权利要求7所述的装置，其特征在于，所述数据学习单元，包括：

特征提取单元，用于使用深度卷积神经网络从所述人脸图像样本集中提取人脸图像的深度特征；以及

特征聚类单元，用于通过预设的聚类算法对所述提取到的深度特征进行聚类，以得到所述各种不同姿态下人脸图像的样本子集。

9.一种图像处理终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5项所述方法的步骤。