CN109948559A - 人脸检测方法及装置 - Google Patents
人脸检测方法及装置 Download PDFInfo
- Publication number
- CN109948559A CN109948559A CN201910226490.XA CN201910226490A CN109948559A CN 109948559 A CN109948559 A CN 109948559A CN 201910226490 A CN201910226490 A CN 201910226490A CN 109948559 A CN109948559 A CN 109948559A
- Authority
- CN
- China
- Prior art keywords
- image
- angle section
- images
- recognized
- facial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种人脸检测方法及装置,涉及图像识别技术领域。该人脸检测方法包括:采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像,其中,第一角度区间图像的角度区间为待识别图像的部分角度区间。采用第二预设网络识别处理第一角度区间图像,获取包含人脸图像的目标角度区间图像,其中,目标角度区间图像的角度区间为第一角度区间图像的部分角度区间。采用第三预设网络识别目标角度区间图像内的人脸位置信息。通过第一预设网络、第二预设网络将待识别图像中的人脸图像调整至目标角度区间,再通过第三预设网络识别人脸的位置信息,三层级联网络能够有效减少耗时,并且实现了覆盖全部角度。
Description
技术领域
本发明涉及图像识别技术领域,具体而言,涉及一种人脸检测方法及装置。
背景技术
人脸检测是深度神经网络的一个应用方向,人脸检测被应用在许多场景中,如安防监控、人证比对、人机交互等方面。
现有技术中,对不同角度的人脸检测是先通过混合分类器排除非人脸,然后通过多个识别不同角度人脸的分类器检测对应角度的人脸。
但是现有技术中存在着耗时长、无法精确覆盖全部角度的问题。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种人脸检测方法及装置,以解决耗时长、无法精确覆盖全部角度的问题。
为实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种人脸检测方法,包括:采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像,其中,第一角度区间图像的角度区间为待识别图像的部分角度区间。采用第二预设网络识别处理第一角度区间图像,获取包含人脸图像的目标角度区间图像,其中,目标角度区间图像的角度区间为第一角度区间图像的部分角度区间。采用第三预设网络识别目标角度区间图像内的人脸位置信息。
可选地,采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像,包括:采用第一预设网络识别处理待识别图像,确定待识别图像是否包含人脸图像。若待识别图像包含人脸图像,则判断人脸图像是否位于第一角度区间。若待识别图像中所有人脸图像均位于第一角度区间,则裁剪待识别图像获取第一角度区间图像。若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像调整至第一角度区间、并裁剪待识别图像获取第一角度区间图像。
可选地,若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像调整至第一角度区间、并裁剪待识别图像获取第一角度区间图像,包括:若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像按第一预设规则旋转至第一角度区间内、并裁剪待识别图像获取第一角度区间图像。
可选地,采用第二预设网络识别处理第一角度区间图像,获取包含人脸图像的目标角度区间图像,包括:采用第二预设网络识别处理第一角度区间图像,确定第一角度区间图像是否包含人脸图像。若第一角度区间图像包含人脸图像,则判断人脸图像是否位于目标角度区间。若第一角度区间图像中所有人脸图像均位于目标角度区间,则裁剪第一角度区间图像获取目标角度区间图像。若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像调整至目标角度区间、并裁剪第一角度区间图像获取目标角度区间图像。
可选地,若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像调整至目标角度区间、并裁剪第一角度区间图像获取目标角度区间图像,包括:若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像按第二预设规则旋转至目标角度区间内、并裁剪第一角度区间图像获取目标角度区间图像。
采用第三预设网络识别目标角度区间图像内的人脸位置信息,包括:通过第三预设网络识别目标角度区间图像内人脸图像的关键点。根据关键点的位置信息,获取目标角度区间图像内的人脸位置信息。
第二方面,本发明实施例还提供了一种人脸检测装置包括:
第一获取模块,用于采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像,其中,第一角度区间图像的角度区间为待识别图像的部分角度区间。第二获取模块,采用第二预设网络识别处理第一角度区间图像,获取包含人脸图像的目标角度区间图像,其中,目标角度区间图像的角度区间为第一角度区间图像的部分角度区间。识别模块,采用第三预设网络识别目标角度区间图像内的人脸位置信息。
可选地,第一获取模块,具体用于采用第一预设网络识别处理待识别图像,确定待识别图像是否包含人脸图像。若待识别图像包含人脸图像,则判断人脸图像是否位于第一角度区间。若待识别图像中所有人脸图像均位于第一角度区间,则裁剪待识别图像获取第一角度区间图像。若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像调整至第一角度区间、并裁剪待识别图像获取第一角度区间图像。
可选地,第一获取模块,具体用于若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像按第一预设规则旋转至第一角度区间内、并裁剪待识别图像获取第一角度区间图像。
可选地,第二获取模块,具体用于采用第二预设网络识别处理第一角度区间图像,确定第一角度区间图像是否包含人脸图像。若第一角度区间图像包含人脸图像,则判断人脸图像是否位于目标角度区间。若第一角度区间图像中所有人脸图像均位于目标角度区间,则裁剪第一角度区间图像获取目标角度区间图像。若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像调整至目标角度区间、并裁剪第一角度区间图像获取目标角度区间图像。
可选地,第二获取模块,具体用于若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像按第二预设规则旋转至目标角度区间内、并裁剪第一角度区间图像获取目标角度区间图像。
可选地,识别模块,具体用于通过第三预设网络识别目标角度区间图像内人脸图像的关键点。根据关键点的位置信息,获取目标角度区间图像内的人脸位置信息。
本发明的有益效果是:通过第一预设网络、第二预设网络将待识别图像中的人脸图像调整至目标角度区间,再通过第三预设网络识别人脸的位置信息,三层级联网络能够有效减少耗时,并且实现了覆盖全部角度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请一实施例提供的人脸检测方法流程示意图;
图2为本申请另一实施例提供的人脸检测方法流程示意图;
图3为本申请另一实施例提供的人脸检测方法流程示意图;
图4为本申请另一实施例提供的人脸检测方法流程示意图;
图5为本申请一实施例提供人脸检测方法装置结构示意图;
图6为本申请一实施例提供电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
图1为本申请一实施例提供的人脸检测方法流程示意图。该方法可以应用于具有计算能力的终端,例如手机、平板电脑、笔记本电脑、台式电脑等;也可以应用于服务器等处理器设备,在此不作限制。
需要说明的是,在本申请中,人脸的方向指的是人脸的中轴线与水平方向的夹角,例如,竖直向上的人脸的中轴线与水平方向的夹角为90°,则人脸的方向为90°;逆时针方向水平方向的人脸,其中轴线与水平方向夹角为0°,则人脸的方向为0°;顺时针方向水平方向的人脸,其中轴线与水平方向夹角为180°,则人脸的方向为180°。
如图1所示,该人脸检测方法包括:
S101、采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像。
其中,第一角度区间图像的角度区间为待识别图像的部分角度区间。即缩小待识别图像的范围。
一些实施方式中,第一预设网络可以是多任务卷积神经网络(Multi-taskconvolutional neural networks,MTCNN)中的提议网络(Proposal Network,P-Net),再加上一个角度预测的多任务分支,但是在此不做限制。第一预设网络接收待识别图像,其中,待识别图像可以是存储在终端内的图像,也可以是通过终端的图像获取设备获取的图像,在此不做限制。
一种可能的实施方式中,第一预设网络在获得包含人脸图像的第一角度区间图像后,将包含人脸图像的第一角度区间图像发送给第二预设网络。
可选地,假设待识别图像为360°完整图像,那么第一角度区间图像的角度区间可以是截取其中一半,例如0°~180°,但不以此为限。
S102、采用第二预设网络识别处理第一角度区间图像,获取包含人脸图像的目标角度区间图像。
其中,目标角度区间图像的角度区间为第一角度区间图像的部分角度区间。即在第一角度区间的基础上继续缩小人脸识别范围。
一些实施方式中,第二预设网络可以是MTCNN中的提炼网络(Refine Network,R-Net),再加上一个多任务检测角度的分支,但其网络结构及类型在此不做限制。第二预设网络接收第一预设网络发送的第一角度区间图像,其中,第二预设网络的参数量更多,其检测识别能力相对第一预设网络更强,检测识别的精确度更高。
一种可能的实施方式中,第二预设网络在获得包含人脸图像的目标角度区间图像后,将包含人脸图像的目标角度区间图像发送给第三预设网络。
可选地,假设第一角度区间图像的角度区间包含0°~180°,那么目标角度区间图像的角度区间可以是其中一半,例如45°~135°,但不以此为限。
S103、采用第三预设网络识别目标角度区间图像内的人脸位置信息。
一些实施方式中,第三预设网络可以通过深度神经网络、识别模型等方式实现,在此不做限制。
其中,人脸位置信息可以包括:人脸的精确角度,即人脸的方向、人脸图像在待识别图像中的坐标,但不以此为限。
本实施例中,通过第一预设网络、第二预设网络将待识别图像中的人脸图像调整至目标角度区间,再通过第三预设网络识别人脸的位置信息,即通过三层级联网络不断缩小人脸识别的范围,从而能够有效减少耗时,并且实现了覆盖全部角度。
图2为本申请另一实施例提供的人脸检测方法流程示意图。
如图2所示,上述采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像,包括:
S1011、采用第一预设网络识别处理待识别图像,确定待识别图像是否包含人脸图像。
一种可能的实施方式中,第一预设网络输出待识别图像中,每个人脸的人脸回归框(box-regression),并识别人脸回归框中是否存在人脸,得到人脸回归框中存在人脸的置信度,将不符合置信度规则的人脸回归框排除,例如,置信度0表示人脸回归框中不是人脸,置信度1表示人脸回归框中是人脸,则排除置信度为0的人脸回归框。
需要说明的是,第一预设网络的主要功能是排除误检的人脸,但由于第一预设网络的性能所限,不可避免的会出现误检和重复的人脸回归框,此时可以通过非极大值抑制(Non-Maximum Suppression,NMS)算法进行排除。
S1012、若待识别图像包含人脸图像,则判断人脸图像是否位于第一角度区间。
一些实施方式中,第一预设网络判断人脸回归框中的人脸的方向。例如,当人脸的方向处于第一角度区间时,认为人脸向上,输出人脸的方向标签为0,当人脸的方向不处于第一角度区间时,认为人脸向下,输出人脸的方向标签为1,在本实施例中,假设第一角度区间为0°~180°,即人脸的方向处于0°~180°时,输出人脸的方向标签为0,人脸的方向处于180°~360°时,输出人脸的方向标签为1,但不以此为限。
S1013、若待识别图像中所有人脸图像均位于第一角度区间,则裁剪待识别图像获取第一角度区间图像。
一种可能的实施方式中,如上例所示,若待识别图像中存在人脸回归框的人脸方向标签为0,则裁剪待识别图像中,所有人脸方向标签为0的人脸回归框,并输入第二预设网络。
S1014、若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像调整至第一角度区间、并裁剪待识别图像获取第一角度区间图像。
一些实施方式中,如上例中的人脸回归框的人脸方向标签为1,则可以将该人脸回归框中的人脸进行调整,使人脸方向处于第一角度区间中,例如,将该人脸回归框中的人脸旋转180°,即可将人脸方向调整至第一角度区间内,但不以此为限。
在将人脸回归框的人脸方向调整至第一角度区间后,裁剪待识别图像中所有调整后的人脸回归框,并输入第二预设网络。
可选地,若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像调整至第一角度区间、并裁剪待识别图像获取第一角度区间图像,包括:若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像按第一预设规则旋转至第一角度区间内、并裁剪待识别图像获取第一角度区间图像。
一些实施方式中,第一预设规则可以是按照顺时针方向旋转180°、按照逆时针方向旋转180°、垂直镜像、或者垂直水平镜像等,在此不做限制。
图3为本申请另一实施例提供的人脸检测方法流程示意图。
如图3所示,上述采用第二预设网络识别处理所述第一角度区间图像,获取包含人脸图像的目标角度区间图像,可以包括:
S1021、采用第二预设网络识别处理第一角度区间图像,确定第一角度区间图像是否包含人脸图像。
一些实施方式中,第二预设网络相对与第一预设网络,具有更多的参数,可以将第一角度区间图像中误检的框排除掉。第二预设网络先获取第一角度区间图像中的人脸回归框,并判断人脸回归框中存在人脸的置信度,将不符合置信度规则的人脸回归框排除,具体的排除方式与第一预设网络相同,在此不再赘述。
S1022、若第一角度区间图像包含人脸图像,则判断人脸图像是否位于目标角度区间。
其中,对于符合置信度规则的人脸回归框,判断人脸图像中人脸方向是否位于目标角度区间,目标角度区间可以是一个容易检测的区间,例如,45°~135°,但不以此为限。在本实施例中,以目标角度区间的范围为45°~135°为例,若人脸方向为0°~45°,则输出人脸方向的标签为0;若人脸方向为45°~135°,则输出人脸方向的标签为1;若人脸方向为135°~180°,则输出人脸方向的标签为2,但不以此为限。
S1023、若第一角度区间图像中所有人脸图像均位于目标角度区间,则裁剪第一角度区间图像获取目标角度区间图像。
一种可能的实施方式中,如上例所示,若第一区间图像中存在人脸回归框的人脸方向标签为1,则裁剪第一区间图像中,所有人脸方向标签为1的人脸回归框,裁剪后得到目标角度区间图像,在目标角度区间图像中,人脸方向的范围进一步缩小,例如,若第一角度区间图像中人脸方向的范围为0°~180°,则在目标角度区间图像中,人脸方向的范围可以是45°~135°。最后将目标角度区间图像输入第三预设网络。
S1024、若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像调整至目标角度区间、并裁剪第一角度区间图像获取目标角度区间图像。
一些实施方式中,如上例所示,人脸回归框的人脸方向标签为0或2,则可以将该人脸回归框中的人脸进行调整,使人脸方向处于目标角度区间中,例如,将标签为0的人脸回归框中的人脸顺时针旋转45°,将标签为2的人脸回归框中的人脸逆时针旋转45°,即可将人脸方向调整至目标角度区间内,但不以此为限。
在将人脸回归框的人脸方向调整至目标角度区间后,裁剪待识别图像中所有调整后的人脸回归框,并输入第三预设网络。
可选地,若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像调整至目标角度区间、并裁剪第一角度区间图像获取目标角度区间图像,包括:若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像按第二预设规则旋转至目标角度区间内、并裁剪第一角度区间图像获取目标角度区间图像。
一些实施方式中,第二预设规则可以是将人脸方向标签为0的第一区间图像按照顺时针方向旋转45°、逆时针方向旋转315°;将人脸方向标签为2的第一区间图像按照逆时针方向旋转315°、顺时针方向旋转315°等,在此不做限制。
图4为本申请另一实施例提供的人脸检测方法流程示意图。
如图4所示,上述采用第三预设网络识别所述目标角度区间图像内的人脸位置信息,可以包括:
S1031、通过第三预设网络识别目标角度区间图像内人脸图像的关键点。
一些实施方式中,第三预设网络可以是人脸对齐网络,例如MTCNN中的输出网络(Output Network,O-Net),但不以此为限。第三预设网络可以根据输入的目标角度区间图片,通过回归算法,输出多个人脸关键点位置。其中关键点可以是预先规定的点,例如,眼睛、鼻子、嘴巴的位置等。
在本实施例中,可以使用15个关键来定位人脸,其中,左右眉毛各设置两个定位点,左右眼睛各设置三个定位点,鼻子设置三个定位点,嘴巴设置两个定位点。但不以此为限。
S1032、根据关键点的位置信息,获取目标角度区间图像内的人脸位置信息。
一些实施方式中,可以通过关键点来计算目标角度区间图像内的人脸的方向,获得目标角度区间图像内人脸的位置信息。
例如,可以通过以下公式计算人脸的方向:
cx=(leye_x+reye_x)/2
cy=(leye_y+reye_y)/2
deg=-atan2(nosemouth_avgx-cx,nosemouth_avgy-cy)
其中,deg则是人脸的方向,cx、cy是左眼与右眼中心点的横坐标与纵坐标,nosemouth_avgx和nosemouth_avgy是嘴鼻中心的横坐标与纵坐标。
可选地,获得目标角度区间图像内人脸的位置信息后,根据目标角度区间图像在第一预设网络和第二预设网络中调整的角度值,获取待检测图片中,人脸的精确角度,例如,若目标角度区间图像内人脸的位置信息中,人脸方向为80°,在第二预设网络中逆时针旋转了45°,在第一预设网络中顺时针旋转了180°,则该人脸在待检测图片中的角度为350°。同时,根据目标角度区间图像内人脸的位置信息,还可以在待检测图像中将该人脸通过人脸回归框框出,获得人脸的框的位置。
图5为本申请一实施例提供人脸检测方法装置结构示意图。
如图5所示,该装置包括:
第一获取模块201,用于采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像,其中,第一角度区间图像的角度区间为待识别图像的部分角度区间。第二获取模块202,采用第二预设网络识别处理第一角度区间图像,获取包含人脸图像的目标角度区间图像,其中,目标角度区间图像的角度区间为第一角度区间图像的部分角度区间。识别模块203,采用第三预设网络识别目标角度区间图像内的人脸位置信息。
可选地,第一获取模块201,具体用于采用第一预设网络识别处理待识别图像,确定待识别图像是否包含人脸图像。若待识别图像包含人脸图像,则判断人脸图像是否位于第一角度区间。若待识别图像中所有人脸图像均位于第一角度区间,则裁剪待识别图像获取第一角度区间图像。若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像调整至第一角度区间、并裁剪待识别图像获取第一角度区间图像。
可选地,第一获取模块201,具体用于若待识别图像中存在人脸图像位于第一角度区间之外,则将第一角度区间之外的人脸图像按第一预设规则旋转至第一角度区间内、并裁剪待识别图像获取第一角度区间图像。
可选地,第二获取模块202,具体用于采用第二预设网络识别处理第一角度区间图像,确定第一角度区间图像是否包含人脸图像。若第一角度区间图像包含人脸图像,则判断人脸图像是否位于目标角度区间。若第一角度区间图像中所有人脸图像均位于目标角度区间,则裁剪第一角度区间图像获取目标角度区间图像。若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像调整至目标角度区间、并裁剪第一角度区间图像获取目标角度区间图像。
可选地,第二获取模块202,具体用于若第一角度区间图像中存在人脸图像位于目标角度区间之外,则将目标角度区间之外的人脸图像按第二预设规则旋转至目标角度区间内、并裁剪第一角度区间图像获取目标角度区间图像。
可选地,识别模块203,具体用于通过第三预设网络识别目标角度区间图像内人脸图像的关键点。根据关键点的位置信息,获取目标角度区间图像内的人脸位置信息。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图6为本申请提供的电子设备结构示意图,该电子设备可以集成于终端设备或者终端设备的芯片。
如图6所示,该电子设备包括:存储器301、处理器302和总线303。
存储器301用于存储程序,处理器302调用存储器301存储的程序,存储器301和处理器302通过总线303通信连接,用以执行上述实施方式中的方法。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (12)
1.一种人脸检测方法,其特征在于,包括:
采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像,其中,所述第一角度区间图像的角度区间为所述待识别图像的部分角度区间;
采用第二预设网络识别处理所述第一角度区间图像,获取包含人脸图像的目标角度区间图像,其中,所述目标角度区间图像的角度区间为所述第一角度区间图像的部分角度区间;
采用第三预设网络识别所述目标角度区间图像内的人脸位置信息。
2.如权利要求1所述的方法,其特征在于,所述采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像,包括:
采用第一预设网络识别处理待识别图像,确定所述待识别图像是否包含人脸图像;
若所述待识别图像包含人脸图像,则判断所述人脸图像是否位于第一角度区间;
若所述待识别图像中所有人脸图像均位于所述第一角度区间,则裁剪所述待识别图像获取所述第一角度区间图像;
若所述待识别图像中存在人脸图像位于所述第一角度区间之外,则将所述第一角度区间之外的人脸图像调整至所述第一角度区间、并裁剪所述待识别图像获取所述第一角度区间图像。
3.如权利要求2所述的方法,其特征在于,所述若所述待识别图像中存在人脸图像位于所述第一角度区间之外,则将所述第一角度区间之外的人脸图像调整至所述第一角度区间、并裁剪所述待识别图像获取所述第一角度区间图像,包括:
若所述待识别图像中存在人脸图像位于所述第一角度区间之外,则将所述第一角度区间之外的人脸图像按第一预设规则旋转至所述第一角度区间内、并裁剪所述待识别图像获取所述第一角度区间图像。
4.如权利要求1所述的方法,其特征在于,所述采用第二预设网络识别处理所述第一角度区间图像,获取包含人脸图像的目标角度区间图像,包括:
采用第二预设网络识别处理所述第一角度区间图像,确定所述第一角度区间图像是否包含人脸图像;
若所述第一角度区间图像包含人脸图像,则判断所述人脸图像是否位于目标角度区间;
若所述第一角度区间图像中所有人脸图像均位于所述目标角度区间,则裁剪所述第一角度区间图像获取所述目标角度区间图像;
若所述第一角度区间图像中存在人脸图像位于所述目标角度区间之外,则将所述目标角度区间之外的人脸图像调整至所述目标角度区间、并裁剪所述第一角度区间图像获取所述目标角度区间图像。
5.如权利要求4所述的方法,其特征在于,若所述第一角度区间图像中存在人脸图像位于所述目标角度区间之外,则将所述目标角度区间之外的人脸图像调整至所述目标角度区间、并裁剪所述第一角度区间图像获取所述目标角度区间图像,包括:
若所述第一角度区间图像中存在人脸图像位于所述目标角度区间之外,则将所述目标角度区间之外的人脸图像按第二预设规则旋转至所述目标角度区间内、并裁剪所述第一角度区间图像获取所述目标角度区间图像。
6.如权利要求1所述的方法,其特征在于,所述采用第三预设网络识别所述目标角度区间图像内的人脸位置信息,包括:
通过第三预设网络识别所述目标角度区间图像内人脸图像的关键点;
根据所述关键点的位置信息,获取所述目标角度区间图像内的人脸位置信息。
7.一种人脸检测装置,其特征在于,包括:
第一获取模块,用于采用第一预设网络识别处理待识别图像,获取包含人脸图像的第一角度区间图像,其中,所述第一角度区间图像的角度区间为所述待识别图像的部分角度区间;
第二获取模块,采用第二预设网络识别处理所述第一角度区间图像,获取包含人脸图像的目标角度区间图像,其中,所述目标角度区间图像的角度区间为所述第一角度区间图像的部分角度区间;
识别模块,采用第三预设网络识别所述目标角度区间图像内的人脸位置信息。
8.如权利要求7所述的装置,其特征在于,所述第一获取模块,具体用于采用第一预设网络识别处理待识别图像,确定所述待识别图像是否包含人脸图像;若所述待识别图像包含人脸图像,则判断所述人脸图像是否位于第一角度区间;若所述待识别图像中所有人脸图像均位于所述第一角度区间,则裁剪所述待识别图像获取所述第一角度区间图像;若所述待识别图像中存在人脸图像位于所述第一角度区间之外,则将所述第一角度区间之外的人脸图像调整至所述第一角度区间、并裁剪所述待识别图像获取所述第一角度区间图像。
9.如权利要求8所述的装置,其特征在于,所述第一获取模块,具体用于若所述待识别图像中存在人脸图像位于所述第一角度区间之外,则将所述第一角度区间之外的人脸图像按第一预设规则旋转至所述第一角度区间内、并裁剪所述待识别图像获取所述第一角度区间图像。
10.如权利要求7所述的装置,其特征在于,所述第二获取模块,具体用于采用第二预设网络识别处理所述第一角度区间图像,确定所述第一角度区间图像是否包含人脸图像;若所述第一角度区间图像包含人脸图像,则判断所述人脸图像是否位于目标角度区间;若所述第一角度区间图像中所有人脸图像均位于所述目标角度区间,则裁剪所述第一角度区间图像获取所述目标角度区间图像;若所述第一角度区间图像中存在人脸图像位于所述目标角度区间之外,则将所述目标角度区间之外的人脸图像调整至所述目标角度区间、并裁剪所述第一角度区间图像获取所述目标角度区间图像。
11.如权利要求10所述的装置,其特征在于,所述第二获取模块,具体用于若所述第一角度区间图像中存在人脸图像位于所述目标角度区间之外,则将所述目标角度区间之外的人脸图像按第二预设规则旋转至所述目标角度区间内、并裁剪所述第一角度区间图像获取所述目标角度区间图像。
12.如权利要求7所述的装置,其特征在于,所述识别模块,具体用于通过第三预设网络识别所述目标角度区间图像内人脸图像的关键点;根据所述关键点的位置信息,获取所述目标角度区间图像内的人脸位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910226490.XA CN109948559A (zh) | 2019-03-25 | 2019-03-25 | 人脸检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910226490.XA CN109948559A (zh) | 2019-03-25 | 2019-03-25 | 人脸检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109948559A true CN109948559A (zh) | 2019-06-28 |
Family
ID=67011533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910226490.XA Pending CN109948559A (zh) | 2019-03-25 | 2019-03-25 | 人脸检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948559A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796029A (zh) * | 2019-10-11 | 2020-02-14 | 北京达佳互联信息技术有限公司 | 人脸校正及模型训练方法、装置、电子设备及存储介质 |
CN111222452A (zh) * | 2020-01-03 | 2020-06-02 | 北京明略软件系统有限公司 | 一种人脸匹配方法、装置、电子设备及可读存储介质 |
CN111382687A (zh) * | 2020-03-05 | 2020-07-07 | 平安科技(深圳)有限公司 | 人脸检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105227832A (zh) * | 2015-09-09 | 2016-01-06 | 厦门美图之家科技有限公司 | 一种基于关键点检测的自拍方法、自拍系统及拍摄终端 |
CN105718868A (zh) * | 2016-01-18 | 2016-06-29 | 中国科学院计算技术研究所 | 一种针对多姿态人脸的人脸检测系统及方法 |
CN107103271A (zh) * | 2016-02-23 | 2017-08-29 | 芋头科技(杭州)有限公司 | 一种人脸检测方法 |
CN108197602A (zh) * | 2018-01-30 | 2018-06-22 | 厦门美图之家科技有限公司 | 一种卷积神经网络生成方法及表情识别方法 |
CN108319937A (zh) * | 2018-03-28 | 2018-07-24 | 北京市商汤科技开发有限公司 | 人脸检测方法及装置 |
-
2019
- 2019-03-25 CN CN201910226490.XA patent/CN109948559A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105227832A (zh) * | 2015-09-09 | 2016-01-06 | 厦门美图之家科技有限公司 | 一种基于关键点检测的自拍方法、自拍系统及拍摄终端 |
CN105718868A (zh) * | 2016-01-18 | 2016-06-29 | 中国科学院计算技术研究所 | 一种针对多姿态人脸的人脸检测系统及方法 |
CN107103271A (zh) * | 2016-02-23 | 2017-08-29 | 芋头科技(杭州)有限公司 | 一种人脸检测方法 |
CN108197602A (zh) * | 2018-01-30 | 2018-06-22 | 厦门美图之家科技有限公司 | 一种卷积神经网络生成方法及表情识别方法 |
CN108319937A (zh) * | 2018-03-28 | 2018-07-24 | 北京市商汤科技开发有限公司 | 人脸检测方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796029A (zh) * | 2019-10-11 | 2020-02-14 | 北京达佳互联信息技术有限公司 | 人脸校正及模型训练方法、装置、电子设备及存储介质 |
CN111222452A (zh) * | 2020-01-03 | 2020-06-02 | 北京明略软件系统有限公司 | 一种人脸匹配方法、装置、电子设备及可读存储介质 |
CN111382687A (zh) * | 2020-03-05 | 2020-07-07 | 平安科技(深圳)有限公司 | 人脸检测方法及系统 |
WO2021174688A1 (zh) * | 2020-03-05 | 2021-09-10 | 平安科技(深圳)有限公司 | 人脸检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11423695B2 (en) | Face location tracking method, apparatus, and electronic device | |
CN110147717A (zh) | 一种人体动作的识别方法及设备 | |
WO2020199479A1 (zh) | 一种人体动作的识别方法及设备 | |
WO2019128508A1 (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN106295533B (zh) | 一种自拍图像的优化方法、装置和拍摄终端 | |
CN109948559A (zh) | 人脸检测方法及装置 | |
WO2022078041A1 (zh) | 遮挡检测模型的训练方法及人脸图像的美化处理方法 | |
US20210382542A1 (en) | Screen wakeup method and apparatus | |
WO2015016988A1 (en) | Object recognition and tracking using a classifier comprising cascaded stages of multiple decision trees | |
CN109344806A (zh) | 利用多任务目标检测模型执行目标检测的方法和系统 | |
CN109858384A (zh) | 人脸图像的捕捉方法、计算机可读存储介质及终端设备 | |
CN111931592A (zh) | 对象识别方法、装置及存储介质 | |
CN107944381B (zh) | 人脸跟踪方法、装置、终端及存储介质 | |
CN110276308A (zh) | 图像处理方法及装置 | |
Lai et al. | Proposed FPGA hardware architecture for high frame rate (≫ 100 fps) face detection using feature cascade classifiers | |
CN108961387A (zh) | 一种房屋虚拟三维模型的显示方法及终端设备 | |
WO2016165614A1 (zh) | 一种即时视频中的表情识别方法和电子设备 | |
CN108734126A (zh) | 一种美颜方法、美颜装置及终端设备 | |
CN109955257A (zh) | 一种机器人的唤醒方法、装置、终端设备和存储介质 | |
WO2015012896A1 (en) | Gesture recognition method and apparatus based on analysis of multiple candidate boundaries | |
US10706555B2 (en) | Image processing method and device | |
CN109034025A (zh) | 一种基于zynq的人脸关键点检测系统 | |
CN108154130B (zh) | 一种目标图像的检测方法、装置及存储介质、机器人 | |
WO2021003692A1 (zh) | 算法配置方法、设备、系统及可移动平台 | |
Yuan et al. | Real-time ear detection based on embedded systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |
|
RJ01 | Rejection of invention patent application after publication |