CN108256451A - 用于检测人脸的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于检测人脸的方法和装置。该方法的一具体实施方式包括：获取待检测图像；使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。该实施方式丰富了人脸检测的方式，有助于提高人脸检测的准确性。

Description

用于检测人脸的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及人脸检测领域，尤其涉及用于检测人脸的方法和装置。

背景技术

人脸检测(Face Detection)是人脸识别系统中的一个关键环节。当前，人脸检测受到越来越多的研究者的关注与重视。人脸检测技术在基于内容的检索、数字视频处理、视频检测等方面有着重要的应用价值。

发明内容

本申请实施例提出了用于检测人脸的方法和装置。

第一方面，本申请实施例提供了一种用于检测人脸的方法，该方法包括：获取待检测图像；使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

在一些实施例中，针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果，包括：针对图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果，其中，第一卷积神经网络用于从图像区域中提取特征向量，第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。

在一些实施例中，第一卷积神经网络是通过如下步骤训练得到的：获取多个图像区域以及多个图像区域中的每个图像区域对应的特征向量；利用机器学习算法，将多个图像区域中的每个图像区域作为输入，将多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。

在一些实施例中，第二卷积神经网络是通过如下步骤训练得到的：获取多个特征向量以及多个特征向量中的每个特征向量对应的人脸检测结果；利用机器学习算法，将多个特征向量中的每个特征向量作为输入，将多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。

在一些实施例中，上述方法还包括：确定所得到的人脸检测结果的准确率；响应于确定出准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数。

在一些实施例中，单次移动距离是基于矩形框的边长以及预设的移动次数确定的。

第二方面，本申请实施例提供了一种用于检测人脸的装置，该装置包括：获取单元，配置用于获取待检测图像；第一确定单元，配置用于使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；生成单元，配置用于针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

在一些实施例中，生成单元包括：生成模块，配置用于针对图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果，其中，第一卷积神经网络用于从图像区域中提取特征向量，第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。

在一些实施例中，第一卷积神经网络是通过如下步骤训练得到的：获取多个图像区域以及多个图像区域中的每个图像区域对应的特征向量；利用机器学习算法，将多个图像区域中的每个图像区域作为输入，将多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。

在一些实施例中，第二卷积神经网络是通过如下步骤训练得到的：获取多个特征向量以及多个特征向量中的每个特征向量对应的人脸检测结果；利用机器学习算法，将多个特征向量中的每个特征向量作为输入，将多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。

在一些实施例中，上述装置还包括：第二确定单元，配置用于确定所得到的人脸检测结果的准确率；执行单元，配置用于响应于确定出准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数。

在一些实施例中，单次移动距离是基于矩形框的边长以及预设的移动次数确定的。

第三方面，本申请实施例提供了一种用于检测人脸的服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述用于检测人脸的方法中任一实施例的方法。

第四方面，本申请实施例提供了一种用于检测人脸的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述用于检测人脸的方法中任一实施例的方法。

本申请实施例提供的用于检测人脸的方法和装置，通过获取待检测图像，然后使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的，最后针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果，从而通过目标矩形框的边长确定单次移动距离，使得人脸检测更灵活，丰富了人脸检测的方式，有助于提高人脸检测的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于检测人脸的方法的一个实施例的流程图；

图3是根据本申请的用于检测人脸的方法的一个应用场景的示意图；

图4是根据本申请的用于检测人脸的方法的又一个实施例的流程图；

图5是根据本申请的用于检测人脸的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于检测人脸的方法或用于检测人脸的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送待检测图像等。终端设备101、102、103上可以安装有各种具有图像处理功能的客户端应用，例如美颜软件、图像处理软件、网页浏览器应用、购物类应用、搜索类应用、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持图像处理的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的图像进行处理的后台图像处理服务器。后台图像处理服务器可以对接收到的图像等数据进行人脸检测等处理，并将处理结果(例如人脸检测结果)反馈给终端设备。

需要说明的是，在实践中，本申请实施例所提供的用于检测人脸的方法和装置可能需要通过卷积神经网络等模型，实现对待检测图像的处理，而通常情况下，上述模型的使用需要占用大量的GPU(Graphics Processing Unit，图形处理器)等资源。相对终端设备而言，服务器往往具有更丰富的GPU资源。因而，通常情况下，本申请实施例所提供的用于检测人脸的方法一般由服务器105执行，相应地，用于检测人脸的装置一般设置于服务器105中。然而，当终端设备所提供的GPU等资源可以满足该方法的执行条件或该设备的设置条件时，本申请实施例所提供的用于检测人脸的方法也可以由终端设备101、102、103执行，用于检测人脸的装置也可以设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。基于实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于检测人脸的方法的一个实施例的流程200。该用于检测人脸的方法，包括以下步骤：

步骤201，获取待检测图像。

在本实施例中，用于检测人脸的方法运行于其上的电子设备(例如图1所示的服务器105)可以获取待检测图像。其中，上述待检测图像可以是与上述电子设备通信连接的终端设备(例如图1所示的终端设备101、102、103)通过有线连接方式或无线连接方式上传至上述电子设备中的，也可以是上述电子设备本地所存储的。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。上述待检测图像可以是提取自视频帧的图像，也可以是利用图像生成设备(例如手机、电脑、照相机等)生成的图像。

示例性的，请参考图3。在图3中，终端设备首先上传了待检测图像301至图像处理服务器；之后，图像处理服务器获取了待检测图像301。

步骤202，使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合。

在本实施例中，基于步骤201中获取的待检测图像，上述电子设备可以使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合。其中，单次移动距离是基于目标矩形框的边长确定的。可以理解，在图像处理领域，图像的大小可以通过像素等单位加以表征，因此，单次移动距离的单位可以是厘米、像素等等。示例性的，单次移动距离可以是采用目标矩形框的边长(例如300像素)除以预设数值(例如3)的方式确定；也可以采用目标矩形框的边长(例如300像素)减去预设数值(例如100)像素的方式确定。目标矩形框可以是由技术人员预先确定了边长(包括矩形框的长和宽)的矩形框。移动初始位置可以是技术人员预先确定的、待检测图像中的位置；也可以是待检测图像中的随机的位置。单次移动距离是在目标矩形框一次移动之前，以及该次移动之后，目标矩形框上的固定点(例如在规定了方向之后，目标矩形框的左上角的点)与待检测图像重合的两个点(例如移动之前以及移动之后与待检测图像重合的两个像素点)之间的距离。

可以理解，上述目标矩形框在待检测图像上的移动方向可以根据需求通过上述电子设备确定。示例性的，上述目标矩形框可以在待检测图像上从左至右，自上而下移动；也可以在待检测图像上从右至左，自下而上移动。

在本实施例的一些可选的实现方式中，单次移动距离是基于矩形框的边长以及预设的移动次数确定的。其中，移动次数可以是技术人员预先设置的期望目标矩形框在待检测图像上移动的次数。作为示例，单次移动距离可以是采用矩形框的边长除以预设的移动次数(例如10、20等等)的方式确定的。其中，移动次数是期望目标矩形框移动的次数。在实践中，当待检测图像中的人脸图像较小时，可以将移动次数设置成较大的数值，以增加目标矩形框框选到人脸图像的次数。移动次数也可以是采用如下方式确定的：首先，确定矩形框的边长与预设的移动次数的比值，然后，将上述比值减去预设的数值(例如10)，将最后的结果确定为单次移动距离。

示例性的，请继续参考图3。在图3中，图像处理服务器使用目标矩形框(例如边长为300像素的正方相框)在待检测图像301上，从左到右，自上而下每次移动单次移动距离(例如100像素)，确定移动初始位置(待检测图像302中所包括的目标矩形框的位置)以及每次移动后目标矩形框所框选的图像区域(待检测图像303、304、305中所包括的目标矩形框所框选的图像区域，即图像区域3030、3040、3050)，得到图像区域集合。

步骤203，针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

在本实施例中，上述电子设备可以针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。其中，人脸检测结果可以包括但不限于以下至少一项：待检测图像是否包括人脸图像，人脸图像在待检测图像中的位置信息，人脸图像的大小信息。

示例性的，上述电子设备可以采用基于统计的方法(例如基于直方图粗分割和奇异值特征的人脸检测算法)，生成该图像区域的人脸检测结果。

请继续参见图3，其中，上述电子设备针对图像区域集合中的每个图像区域(即图像区域3020、3030、3040、3050)，生成该图像区域的人脸检测结果。例如，图像区域3020不包括人脸图像，图像区域3030不包括人脸图像，图像区域3040包括人脸图像，图像区域3050包括人脸图像。

本申请的上述实施例提供的方法通过获取待检测图像，然后使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的，最后针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果，丰富了人脸检测的方式，有助于提高人脸检测的准确性。

进一步参考图4，其示出了用于检测人脸的方法的又一个实施例的流程400。该用于检测人脸的方法的流程400，包括以下步骤：

步骤401，获取待检测图像。

在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。

步骤402，使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合。

在本实施例中，步骤402与图2对应实施例中的步骤202基本一致，这里不再赘述。

步骤403，针对图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果。

在本实施例中，上述电子设备还可以针对图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果。其中，第一卷积神经网络用于从图像区域中提取特征向量，第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。上述特征向量可以是包括图像区域的颜色信息，纹理信息的向量。

在本实施例的一些可选的实现方式中，第一卷积神经网络可以是通过如下步骤训练得到的：获取多个图像区域以及多个图像区域中的每个图像区域对应的特征向量；利用机器学习算法，将多个图像区域中的每个图像区域作为输入，将多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。具体步骤如下：

首先，上述电子设备可以获取多个图像区域以及与所获取的多个图像区域中的每个图像区域对应的特征向量。其中，图像区域与特征向量的数量可以根据需求通过上述电子设备确定。在实践中，图像区域与特征向量的数量过少可能导致训练得到的第一卷积神经网络的参数不够准确，因而使得第一卷积神经网络所提取的特征向量不准确；图像区域与特征向量的数量过多将需要花费较多的时间去训练第一卷积神经网络。然而通常情况下，图像区域与特征向量的数量越多，所得到的第一卷积神经网络提取的特征向量的准确率越高。

然后，上述电子设备可以利用机器学习算法，将多个图像区域中的每个图像区域作为输入，将与多个图像区域中的每个图像区域对应的特征向量作为输出(即与每次所输入的图像区域对应的特征向量作为输出)，对初始模型进行训练，针对每个输入输出对(即每个图像区域以及与该图像区域对应的特征向量)，调整模型的参数，并将每次调整参数后得到的模型作为下次训练(即通过下一对输入输出对对模型进行训练)的模型。重复执行上述调整参数的步骤，直到所获取的图像区域以及特征向量都作为输入或者输出，参与了模型的训练时，停止训练。并将停止训练后的模型作为上述预先训练的第一卷积神经网络。其中，上述初始模型可以是现有的深度卷积神经网络(例如DenseBox、VGGNet、ResNet、SegNet等)。

可选的，上述第一卷积神经网络还可以按照如下步骤构建(训练)：

首先，技术人员可以对大量的图像区域和特征向量的进行统计。

然后，技术人员可以将统计结果(图像区域、特征向量以及图像区域和特征向量的对应关系信息)存储至数据库，将存储有图像区域、特征向量以及图像区域和特征向量的对应关系信息的数据库作为第一卷积神经网络。

可以理解，上述两种第一卷积神经网络均可实现对图像区域的特征向量的提取。

在本实施例的一些可选的实现方式中，第二卷积神经网络可以是通过如下步骤训练得到的：获取多个特征向量以及多个特征向量中的每个特征向量对应的人脸检测结果；利用机器学习算法，将多个特征向量中的每个特征向量作为输入，将多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。具体步骤如下：

首先，上述电子设备可以获取多个特征向量以及与所获取的多个特征向量中的每个特征向量对应的人脸检测结果。其中，特征向量与人脸检测结果的数量可以根据需求通过上述电子设备确定。在实践中，特征向量与人脸检测结果的数量过少可能导致训练得到的第二卷积神经网络的参数不够准确，因而使得第二卷积神经网络所生成的人脸检测结果不准确；特征向量与人脸检测结果的数量过多将需要花费较多的时间去训练第二卷积神经网络。然而通常情况下，特征向量与人脸检测结果的数量越多，所得到的第二卷积神经网络生成的人脸检测结果的准确率越高。

然后，上述电子设备可以利用机器学习算法，将多个特征向量中的每个特征向量作为输入，将与多个特征向量中的每个特征向量对应的人脸检测结果作为输出(即将与每次输入的特征向量对应的人脸检测结果作为输出)，对初始模型进行训练，针对每个输入输出对(即每个特征向量以及与该特征向量对应的人脸检测结果)，调整模型的参数，并将每次调整参数后得到的模型作为下次训练(即通过下一对输入输出对对模型进行训练)的模型。重复执行上述调整参数的步骤，直到所获取的特征向量以及人脸检测结果都作为输入或者输出，参与了模型的训练时，停止训练。并将停止训练后的模型作为上述预先训练的第二卷积神经网络。其中，上述初始模型可以是现有的深度卷积神经网络(例如DenseBox、VGGNet、ResNet、SegNet等)。

可选的，上述第二卷积神经网络还可以按照如下步骤构建(训练)：

首先，技术人员可以对大量的特征向量和人脸检测结果进行统计。

然后，技术人员可以将统计结果(例如，特征向量、人脸检测结果、特征向量和人脸检测结果的对应关系信息)存储至数据库，将存储有特征向量、人脸检测结果、特征向量和人脸检测结果的对应关系信息的数据库作为第二卷积神经网络。

可以理解，上述第二卷积神经网络可以用于表征特征向量和人脸检测结果的对应关系。基于上述两种方式得到的第二卷积神经网络，均可生成人脸检测结果。

步骤404，确定所得到的人脸检测结果的准确率。

在本实施例中，利用步骤403所得到的人脸检测结果，上述电子设备还可以确定所得到的人脸检测结果的准确率。

可选的，技术人员可以首先设置测试样本集合。其中，测试样本包括图像区域以及该图像区域对应的、正确的人脸检测结果(例如包括或不包括人脸的人脸检测结果)。然后，针对测试样本集合中的每个测试样本，按照上述步骤201至步骤203的方式，上述电子设备可以生成图像区域的人脸检测结果。再将所生成的人脸检测结果与测试样本集合所包括的人脸检测结果进行比对，以确定人脸检测结果的准确率。示例性的，如果所生成的人脸检测结果中存在50％的人脸检测结果与测试样本集合所包括的人脸检测结果相同，其他50％人脸检测结果与测试样本集合所包括的人脸检测结果不同，则可以将人脸检测结果的准确率确定为50％。

可选的，上述电子设备还可以将所生成的人脸检测结果发送至终端设备，然后由终端设备的使用者判断每个人脸检测结果是否准确或与实际的人脸检测结果的匹配程度，并将结果发送到上述电子设备，以此确定人脸检测结果的准确率。示例性的，上述匹配程度可以如下确定：如果实际的人脸检测结果为“人脸图像中的人脸的大小为100*100像素”，所生成的人脸检测结果为“人脸图像中的人脸的大小为110*110像素”，则匹配程度可以是“1-(110-100)*(110-100)/100*100”，即匹配程度(即准确率)为99％。

需要说明的是，上述确定人脸检测结果的准确率的方式可以根据实际需要而设定，在此不再赘述。

步骤405，响应于确定出准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数。

在本实施例中，响应于确定出准确率不大于预设数值，上述电子设备还可以执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数。

可以理解，当准确率不大于预设准确率(例如70％)时，上述电子设备可以通过重新设置目标矩形框的边长，重新确定单次移动距离，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数的方式，提高人脸检测结果的准确率。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于检测人脸的方法的流程400突出了通过第一卷积神经网络和第二卷积神经网络生成人脸检测结果的步骤。由此，本实施例描述的方案可以引入更多的人脸检测结果生成方式，从而实现更丰富的人脸检测的方式，进一步提高人脸检测的准确性。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于检测人脸的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于检测人脸的装置500包括：获取单元501、第一确定单元502和生成单元503。其中，获取单元501配置用于获取待检测图像；第一确定单元502配置用于使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；生成单元503配置用于针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

在本实施例中，用于检测人脸的装置500的获取单元501可以获取待检测图像。其中，上述待检测图像可以是与上述装置通信连接的终端设备(例如图1所示的终端设备101、102、103)通过有线连接方式或无线连接方式上传至上述装置中的，也可以是上述装置本地所存储的。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。上述待检测图像可以是提取自视频帧的图像，也可以是利用图像生成设备(例如手机、电脑、照相机等)生成的图像。

在本实施例中，基于获取单元501获取的待检测图像，上述第一确定单元502可以使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合。其中，单次移动距离是基于目标矩形框的边长确定的。

在本实施例中，用于检测人脸的装置500的生成单元503可以针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。其中，人脸检测结果可以包括但不限于以下至少一项：待检测图像是否包括人脸图像，人脸图像在待检测图像中的位置信息，人脸图像的大小信息。

在本实施例的一些可选的实现方式中，上述生成单元可以包括：生成模块，配置用于针对图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果，其中，第一卷积神经网络用于从图像区域中提取特征向量，第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。上述特征向量可以是包括图像区域的颜色信息，纹理信息的向量。

在本实施例的一些可选的实现方式中，第一卷积神经网络可以是通过如下步骤训练得到的：获取多个图像区域以及多个图像区域中的每个图像区域对应的特征向量；利用机器学习算法，将多个图像区域中的每个图像区域作为输入，将多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。具体步骤如下：

首先，上述装置可以获取多个图像区域以及与所获取的多个图像区域中的每个图像区域对应的特征向量。其中，图像区域与特征向量的数量可以根据需求通过上述电子设备确定。在实践中，图像区域与特征向量的数量过少可能导致训练得到的第一卷积神经网络的参数不够准确，因而使得第一卷积神经网络所提取的特征向量不准确；图像区域与特征向量的数量过多将需要花费较多的时间去训练第一卷积神经网络。然而通常情况下，图像区域与特征向量的数量越多，所得到的第一卷积神经网络提取的特征向量的准确率越高。

然后，上述装置可以利用机器学习算法，将多个图像区域中的每个图像区域作为输入，将与多个图像区域中的每个图像区域对应的特征向量作为输出(即与每次所输入的图像区域对应的特征向量作为输出)，对初始模型进行训练，针对每个输入输出对(即每个图像区域以及与该图像区域对应的特征向量)，调整模型的参数，并将每次调整参数后得到的模型作为下次训练(即通过下一对输入输出对对模型进行训练)的模型。重复执行上述调整参数的步骤，直到所获取的图像区域以及特征向量都作为输入或者输出，参与了模型的训练时，停止训练。并将停止训练后的模型作为上述预先训练的第一卷积神经网络。其中，上述初始模型可以是现有的深度卷积神经网络(例如DenseBox、VGGNet、ResNet、SegNet等)。

可选的，上述第一卷积神经网络还可以按照如下步骤构建(训练)：

首先，技术人员可以对大量的图像区域和特征向量的进行统计。

然后，技术人员可以将统计结果(图像区域、特征向量以及图像区域和特征向量的对应关系信息)存储至数据库，将存储有图像区域、特征向量以及图像区域和特征向量的对应关系信息的数据库作为第一卷积神经网络。

可以理解，上述两种第一卷积神经网络均可实现对图像区域的特征向量的提取。

在本实施例的一些可选的实现方式中，第二卷积神经网络可以是通过如下步骤训练得到的：获取多个特征向量以及多个特征向量中的每个特征向量对应的人脸检测结果；利用机器学习算法，将多个特征向量中的每个特征向量作为输入，将多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。具体步骤如下：

首先，上述装置可以获取多个特征向量以及与所获取的多个特征向量中的每个特征向量对应的人脸检测结果。其中，特征向量与人脸检测结果的数量可以根据需求通过上述电子设备确定。在实践中，特征向量与人脸检测结果的数量过少可能导致训练得到的第二卷积神经网络的参数不够准确，因而使得第二卷积神经网络所生成的人脸检测结果不准确；特征向量与人脸检测结果的数量过多将需要花费较多的时间去训练第二卷积神经网络。然而通常情况下，特征向量与人脸检测结果的数量越多，所得到的第二卷积神经网络生成的人脸检测结果的准确率越高。

然后，上述装置可以利用机器学习算法，将多个特征向量中的每个特征向量作为输入，将与多个特征向量中的每个特征向量对应的人脸检测结果作为输出(即将与每次输入的特征向量对应的人脸检测结果作为输出)，对初始模型进行训练，针对每个输入输出对(即每个特征向量以及与该特征向量对应的人脸检测结果)，调整模型的参数，并将每次调整参数后得到的模型作为下次训练(即通过下一对输入输出对对模型进行训练)的模型。重复执行上述调整参数的步骤，直到所获取的特征向量以及人脸检测结果都作为输入或者输出，参与了模型的训练时，停止训练。并将停止训练后的模型作为上述预先训练的第二卷积神经网络。其中，上述初始模型可以是现有的深度卷积神经网络(例如DenseBox、VGGNet、ResNet、SegNet等)。

可选的，上述第二卷积神经网络还可以按照如下步骤构建(训练)：

首先，技术人员可以对大量的特征向量和人脸检测结果进行统计。

然后，技术人员可以将统计结果(例如，特征向量、人脸检测结果、特征向量和人脸检测结果的对应关系信息)存储至数据库，将存储有特征向量、人脸检测结果、特征向量和人脸检测结果的对应关系信息的数据库作为第二卷积神经网络。

可以理解，上述第二卷积神经网络可以用于表征特征向量和人脸检测结果的对应关系。基于上述两种方式得到的第二卷积神经网络，均可生成人脸检测结果。需要说明的是，上述确定人脸检测结果的准确率的方式可以根据实际需要而设定，在此不再赘述。

在本实施例的一些可选的实现方式中，上述装置还可以包括：第二确定单元，配置用于确定所得到的人脸检测结果的准确率；执行单元，配置用于响应于确定出准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数。可以理解，当准确率不大于预设准确率(例如70％)时，上述装置可以通过重新设置目标矩形框的边长，重新确定单次移动距离，调整第一卷积神经网络的参数，调整第二卷积神经网络的参数的方式，提高人脸检测结果的准确率。

在本实施例的一些可选的实现方式中，单次移动距离可以是基于矩形框的边长以及预设的移动次数确定的。其中，移动次数可以是技术人员预先设置的期望目标矩形框在待检测图像上移动的次数。

本申请的上述实施例提供的装置，通过获取单元501获取待检测图像，而后第一确定单元502使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的，最后生成单元503针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果，丰富了人脸检测的方式，有助于提高人脸检测的准确性。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待检测图像的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取待检测图像；使用目标矩形框在待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；针对图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于检测人脸的方法，包括：

获取待检测图像；

使用目标矩形框在所述待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；

针对所述图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

2.根据权利要求1所述的方法，其中，所述针对所述图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果，包括：

针对所述图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果，其中，所述第一卷积神经网络用于从图像区域中提取特征向量，所述第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。

3.根据权利要求2所述的方法，其中，所述第一卷积神经网络是通过如下步骤训练得到的：

获取多个图像区域以及所述多个图像区域中的每个图像区域对应的特征向量；

利用机器学习算法，将所述多个图像区域中的每个图像区域作为输入，将所述多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。

4.根据权利要求2所述的方法，其中，所述第二卷积神经网络是通过如下步骤训练得到的：

获取多个特征向量以及所述多个特征向量中的每个特征向量对应的人脸检测结果；

利用机器学习算法，将所述多个特征向量中的每个特征向量作为输入，将所述多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。

5.根据权利要求2所述的方法，其中，所述方法还包括：

确定所得到的人脸检测结果的准确率；

响应于确定出所述准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整所述第一卷积神经网络的参数，调整所述第二卷积神经网络的参数。

6.根据权利要求1-5之一所述的方法，其中，单次移动距离是基于所述矩形框的边长以及预设的移动次数确定的。

7.一种用于检测人脸的装置，包括：

获取单元，配置用于获取待检测图像；

第一确定单元，配置用于使用目标矩形框在所述待检测图像上每次移动单次移动距离，确定移动初始位置以及每次移动后目标矩形框所框选的图像区域，得到图像区域集合，其中，单次移动距离是基于目标矩形框的边长确定的；

生成单元，配置用于针对所述图像区域集合中的每个图像区域，生成该图像区域的人脸检测结果。

8.根据权利要求7所述的装置，其中，所述生成单元包括：

生成模块，配置用于针对所述图像区域集合中的每个图像区域，将该图像区域输入至预先训练的第一卷积神经网络，得到该图像区域的特征向量，以及将该图像区域的特征向量输入至预先训练的第二卷积神经网络，生成该图像区域的人脸检测结果，其中，所述第一卷积神经网络用于从图像区域中提取特征向量，所述第二卷积神经网络用于表征特征向量与人脸检测结果之间的对应关系。

9.根据权利要求8所述的装置，其中，所述第一卷积神经网络是通过如下步骤训练得到的：

获取多个图像区域以及所述多个图像区域中的每个图像区域对应的特征向量；

利用机器学习算法，将所述多个图像区域中的每个图像区域作为输入，将所述多个图像区域中的每个图像区域对应的特征向量作为输出，训练得到第一卷积神经网络。

10.根据权利要求8所述的装置，其中，所述第二卷积神经网络是通过如下步骤训练得到的：

获取多个特征向量以及所述多个特征向量中的每个特征向量对应的人脸检测结果；

利用机器学习算法，将所述多个特征向量中的每个特征向量作为输入，将所述多个特征向量中的每个特征向量对应的人脸检测结果作为输出，训练得到第二卷积神经网络。

11.根据权利要求8所述的装置，其中，所述装置还包括：

第二确定单元，配置用于确定所得到的人脸检测结果的准确率；

执行单元，配置用于响应于确定出所述准确率不大于预设数值，执行以下至少一项：重新设置目标矩形框的边长，重新确定单次移动距离，调整所述第一卷积神经网络的参数，调整所述第二卷积神经网络的参数。

12.根据权利要求7-11之一所述的装置，其中，单次移动距离是基于所述矩形框的边长以及预设的移动次数确定的。

13.一种服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。