[发明专利]人脸检测方法及装置、计算机可读存储介质、设备

摘要

本发明涉及人脸识别领域，具体涉及一种人脸检测方法及装置、计算机可读存储介质、设备，旨在解决人脸检测方法在保持高精度的前提下不能实现CPU实时检测速度的问题。为此目的，本发明的人脸检测方法包括利用预设的人脸检测模型，获取待检测图像的检测结果框；对该检测结果框，获取满足预设筛选条件的最终检测结果框；其中，人脸检测模型包括级联的第一级卷积子网络和第二级卷积子网络，该方法还在第二级卷积子网络中关联锚点框，并优化不同尺度的锚点框在待检测图像上的铺设间隔。同时，本发明提供的人脸检测装置、计算机可读存储介质和设备可以执行上述方法的各步骤。本发明的技术方案可以在保持高精度的前提下具备CPU实时的检测速度，适应范围广。

主权项

1.一种人脸检测方法，其特征在于，所述人脸检测方法包括：/n利用预设的人脸检测模型，获取待检测图像的检测结果框；/n对所获取的检测结果框，获取满足预设筛选条件的最终检测结果框；/n其中，/n所述人脸检测模型为依据深度卷积神经网络构建的检测模型，具体步骤包括：/n构建级联的第一级卷积子网络和第二级卷积子网络；/n在所述第二级卷积子网络中关联锚点框，并优化不同尺度的锚点框在待检测图像上的铺设间隔；/n依据预设的训练图像，对该深度卷积神经网络进行网络训练，得到满足预设的收敛条件的人脸检测模型；/n“依据预设的训练图像，对该深度卷积神经网络进行网络训练”的步骤具体包括：/n对所述预设的训练图像进行数据增广处理，得到训练样本；/n对锚点框与所述训练样本中的人脸标注框进行匹配，并依据匹配结果将锚点框划分为正样本和负样本；所述正样本为与人脸标注框匹配的锚点框，所述负样本为与人脸标注框未匹配的锚点框；/n采用困难负样本挖掘方法选取预设的第一数量的负样本；/n依据所述正样本与所选取的负样本计算损失函数值，并依据损失函数值更新所述深度卷积神经网络；对更新后的深度卷积神经网络重新进行网络训练，直至其满足预设的收敛条件；/n其中，所述对锚点框与所述训练样本中的人脸标注框进行匹配，包括：/n计算各锚点框与各人脸标注框的交除并重叠比；/n选取与各人脸标注框的交除并重叠比最大的锚点框，并将所选取的各锚点框与各对应的人脸标注框进行匹配；/n判断去除所选取的锚点框之后，剩余的各锚点框与各人脸标注框的交除并重叠比是否大于预设的第一阈值：若大于则进行匹配；/n获取锚点框匹配数量小于预设的第二数量的人脸标注框，并选取与所述人脸标注框的交除并重叠比大于预设的第二阈值的所有锚点框；所述预设的第一阈值大于预设的第二阈值；/n按照所选取的所有锚点框的交除并重叠比由大到小的顺序，选取预设的第三数量的锚点框与对应的人脸标注框进行匹配；所述预设的第三数量的取值为锚点框匹配数量大于或等于预设的第二数量的人脸标注框的锚点框平均匹配数量。/n