[发明专利]正脸定位方法、装置、电子设备及计算机可读存储介质

说明书

本发明涉及人工智能技术，揭露了一种正脸定位方法，包括：对原始正脸训练集中的图像进行图像增强处理，得到标准正脸训练集，基于预设的第一轻量神经网络及第二神经网络构造正脸定位网络，利用正脸定位网络生成所述标准正脸训练集中图像的正脸预测置信度图及正脸预测尺寸图，根据正脸预测置信度图及正脸预测尺寸图对所述正脸定位网络进行串联损失训练，得到正脸定位模型，利用正脸定位模型对待检测正脸图像进行正脸定位，并输出正脸定位坐标。此外，本发明还涉及区块链技术，所述正脸定位坐标可存储在区块链的节点中。本发明还提出一种正脸定位方法装置、电子设备以及计算机可读存储介质。本发明可以解决正脸定位准确率较低的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种正脸定位方法、装置、电子设备及计算机可读存储介质。

背景技术

随着人工智能的发展，人脸识别在各领域逐渐发挥着越来越重要的作用，其中，正脸识别是人脸检测中十分重要的流量数据，准确地正脸定位在人脸识别、分类中至关重要。例如，银行领域，通过口袋app前端对正脸进行定位及采集。

然而现有技术下，正脸定位存在以下弊端：1、传统机器学习方法Adaboost的正脸，基于积分图、级联检测器和Adaboost算法，自动从多个弱分类器级联成强分类器，此类方法容易受到复杂环境影响，导致定位结果不稳定，鲁棒性不好，定位准确率不高。2、基于深度学习方法的正脸定位，如二阶段的faster RCNN,一阶段的SSD等方法，此类方法存在的不足之处是需要借助繁多的锚点定位进行后续处理，增加了后续处理时间，定位效率不高。

发明内容

本发明提供一种正脸定位方法、装置、设备及存储介质，其主要目的在于解决正脸定位准确率较低的问题。

为实现上述目的，本发明提供的一种正脸定位方法，包括：

获取原始正脸训练集，对所述原始正脸训练集中的图像进行图像增强处理，得到标准正脸训练集；

基于预设的第一轻量神经网络及第二神经网络构造正脸定位网络；

利用所述正脸定位网络生成所述标准正脸训练集中图像的正脸预测置信度图及正脸预测尺寸图，根据所述正脸预测置信度图及所述正脸预测尺寸图对所述正脸定位网络进行串联损失训练，得到正脸定位模型；

利用所述正脸定位模型对待检测正脸图像进行正脸定位，并输出正脸定位坐标。

可选地，所述对所述原始正脸训练集中的图像进行图像增强处理，得到标准正脸训练集，包括：

依次对所述原始正脸训练集中的图像进行随机裁剪及拼接，得到拼接图像；

对所述拼接图像进行随机图像抖动，得到增强图像，汇总所有的增强图像得到所述标准正脸训练集。

可选地，所述基于预设的第一轻量神经网络及第二神经网络构造正脸定位网络，包括：

选择MobileNetV2神经网络作为第一轻量神经网络，并去除所述MobileNetV2神经网络的最后三层，并将去除后的MobileNetV2神经网络作为主干网络；

选择UNet神经网络作为所述第二神经网络，并将所述UNet神经网络作为检测网络添加至所述主干网络之后，得到拼接网络；

在所述拼接网络后设置特征金字塔网络，得到所述正脸定位网络。

可选地，所述利用所述正脸定位网络生成所述标准正脸训练集中图像的正脸预测置信度图及正脸预测尺寸图，根据所述正脸预测置信度图及所述正脸预测尺寸图对所述正脸定位网络进行串联损失训练，得到正脸定位模型，包括：

根据所述标准正脸训练集中预先标注的真实框生成正脸真实置信度图及正脸真实尺寸图；

利用所述正脸定位网络输出所述标准训练集中图像的正脸的预测框；