[发明专利]一种人脸检测方法及人脸检测装置、存储介质

权利要求书

1.一种人脸检测方法,其特征在于，包括以下步骤：

在一图像序列中获取待检测图像；

根据前一次在所述图像序列中的人脸检测结果选择所述待检测图像的处理方式，当前一次在所述图像序列中检测出人脸时开始，对检测的各帧图像进行计数，计数结果超过预设的帧数时，则对所述待检测图像进行感兴趣区域计算，计数结果未超过预设的帧数时，则对所述待检测图像进行人脸跟踪处理并清除计数结果以进行下一轮的计数；

当前一次在所述图像序列中未检测出人脸时，对所述待检测图像进行人脸识别处理；

根据处理的结果输出所述待检测图像中的人脸区域。

2.如权利要求1所述的人脸检测方法，其特征在于，所述根据前一次在所述图像序列中的人脸检测结果选择所述待检测图像的处理方式，包括：

对所述图像序列中的各帧图像依次进行处理，将所述待检测图像的上一帧图像的人脸检测结果作为前一次的人脸检测结果，根据所述前一次的人脸检测结果选择所述待检测图像的处理方式。

3.如权利要求2所述的人脸检测方法，其特征在于，所述将所述待检测图像的上一帧图像的人脸检测结果作为前一次的人脸检测结果，包括：

获取所述待检测图像的上一帧图像中输出的人脸区域；

将所述上一帧图像输出的人脸区域输入至一用于人脸置信计算的深度神经网络，得到人脸置信度；

将所述人脸置信度与预设的阈值进行比较，当所述人脸置信度超过预设的阈值时，则上一帧图像的人脸检测结果为检测出人脸，反之，则上一帧图像的人脸检测结果为未检测出人脸。

4.如权利要求3所述的人脸检测方法，其特征在于，所述将所述上一帧图像的人脸区域输入至一用于人脸置信计算的深度神经网络，得到人脸置信度，包括：

将所述上一帧图像的人脸区域进行缩放处理，得到缩放后的图像；

将所述缩放后的图像输入至一用于人脸置信计算的深度神经网络，得到人脸置信度；所述用于人脸置信计算的深度神经网络包括一个或多个瓶颈卷积单元，所述瓶颈卷积单元用于对输入的图像进行卷积处理操作。

5.如权利要求1所述的人脸检测方法，其特征在于，所述对所述待检测图像进行人脸识别处理，包括：

将所述待检测图像进行降采样处理，得到多个不同大小的图像；

将各个不同大小的图像输入至一用于人脸识别的轻量级深度神经网络，以从所述待检测图像中检测出人脸区域。

6.如权利要求1所述的人脸检测方法，其特征在于，所述对所述待检测图像进行人脸跟踪处理，包括：

获取前一次在所述图像序列中检测出的人脸区域；

在所述待检测图像中对前一次在所述图像序列中检测出的人脸区域进行KCF目标跟踪处理，得到所述待检测图像中的人脸区域。

7.如权利要求1所述的人脸检测方法，其特征在于，所述对所述待检测图像进行感兴趣区域计算，包括：

根据前一次在所述图像序列中检测出的人脸区域对所述待检测图像进行感兴趣区域计算，得到所述待检测图像中人脸的预估区域；

将所述待检测图像中人脸的预估区域输入至一用于人脸识别的轻量级深度神经网络，以从所述待检测图像中检测出人脸区域。

8.如权利要求5或7所述的人脸检测方法，其特征在于，所述用于人脸识别的轻量级深度神经网络包括：

BP-Net网络，用于在输入的图像中获得人脸的候选区域；

BR-Net网络，用于对所述人脸的候选区域进行训练，从候选区域中去除非人脸区域；

BO-Net网络，用于在去除非人脸区域的候选区域中对人脸关键部位进行定位，根据人脸关键部位的定位结果得到人脸区域。

9.如权利要求8所述的人脸检测方法，其特征在于，所述BP-Net网络、所述BR-Net网络和所述BO-Net网络之间形成网络级联结构，各个网络中包括一个或多个瓶颈卷积单元，所述瓶颈卷积单元用于对输入的图像进行卷积处理操作。