[发明专利]人脸检测方法及装置

权利要求书

1.一种人脸检测方法，其特征在于，包括：

将处理后的待检测图片输入至训练后的改进型多任务级联卷积神经网络，所述改进型多任务级联卷积神经网络是在多任务级联卷积神经网络网络结构的基础上加入特征融合结构构建的；

获取所述改进型多任务级联卷积神经网络输出层中所述待检测图片的人脸检测结果。

2.根据权利要求1所述的方法，其特征在于，所述将处理后的待检测图片输入至训练后的改进型多任务级联卷积神经网络之前，还包括：

在所述多任务级联卷积神经网络网络结构中加入特征融合结构，构建所述改进型多任务级联卷积神经网络；

对所述改进型多任务级联卷积神经网络进行训练，获得所述训练后的改进型多任务级联卷积神经网络。

3.根据权利要求1所述的方法，其特征在于，所述获取所述改进型多任务级联卷积神经网络输出层中所述待检测图片的人脸检测结果，包括：

根据所述改进型多任务级联卷积神经网络输出层中的软化非极大值抑制Soft-NMS算法，获取分类得分大于预设阈值的人脸框作为所述人脸检测结果。

4.根据权利要求2所述的方法，其特征在于，所述在所述多任务级联卷积神经网络网络结构中加入特征融合结构，包括：

对多任务级联卷积神经网络每一级卷积网络的最后两层卷积层使用特征金字塔网络FPN结构进行特征融合。

5.根据权利要求2所述的方法，其特征在于，所述构建所述改进型多任务级联卷积神经网络，包括：

将所述多任务级联卷积神经网络中的softmaxLoss层替换为FocalLoss层。

6.根据权利要求2所述的方法，其特征在于，所述构建所述改进型多任务级联卷积神经网络，包括：

将多任务级联卷积神经网络每一级卷积网络的低层卷积层中的卷积替换为等效的扩张卷积。

7.根据权利要求2所述的方法，其特征在于，所述对所述改进型多任务级联卷积神经网络进行训练，包括：

将第一级卷积网络选定的人脸框图和处理后的样本图片作为第二级卷积网络的输入，以及将第二级卷积网络选定的人脸框图和处理后的样本图片作为第三级卷积网络的输入。

8.一种人脸检测装置，其特征在于，包括：

处理模块，用于将处理后的待检测图片输入至训练后的改进型多任务级联卷积神经网络，所述改进型多任务级联卷积神经网络是在多任务级联卷积神经网络网络结构的基础上加入特征融合结构构建的；

输出模块，用于获取所述改进型多任务级联卷积神经网络输出层中所述待检测图片的人脸检测结果。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至7任一项所述人脸检测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述人脸检测方法的步骤。