CN111382687A - 人脸检测方法及系统 - Google Patents

人脸检测方法及系统 Download PDF

Info

Publication number
CN111382687A
CN111382687A CN202010146008.4A CN202010146008A CN111382687A CN 111382687 A CN111382687 A CN 111382687A CN 202010146008 A CN202010146008 A CN 202010146008A CN 111382687 A CN111382687 A CN 111382687A
Authority
CN
China
Prior art keywords
face
rotation angle
area
image
candidate region
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
Application number
CN202010146008.4A
Other languages
English (en)
Inventor
赵娅琳
陆进
陈斌
宋晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202010146008.4A priority Critical patent/CN111382687A/zh
Priority to PCT/CN2020/093041 priority patent/WO2021174688A1/zh
Publication of CN111382687A publication Critical patent/CN111382687A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种人脸检测方法，包括：获取待检测图像；输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域；输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域；输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域；对所述人脸区域的图像进行识别，得到人脸识别结果。通过多个轻量级网络连级，由粗到细逐一检测多角度人脸，在检测旋转人脸的同时，保证了网络的轻量级，降低了检测耗时。由于其网络体积小，能够较容易地移植到移动端上；不需要对人脸角度空间进行采样，只由三个级联的小网络处理一张图片，计算量小耗时低，没有输入限制，达到较好地人机交互。

Description

人脸检测方法及系统
技术领域
本发明涉及计算机技术领域，尤其涉及一种人脸检测方法及系统。
背景技术
人脸检测是人脸识别的重要模块，检测精度直接影响识别结果。当下，人脸识别应用越来越趋于终端，web端，并且输入条件的降低使人机交互更便利。由于终端与web端的输入不可控(如终端型号，采集方式，上传方式等不同，待检测的图片可能存在90°，180°，270°的旋转)，随之而来的是，人脸姿态的多样化，这对人脸检测算法带来了极大的挑战。由于现有大多数实时的人脸检测算法由于速度要求，并没有覆盖0°到360°的检测角度，极大概率在这些带有旋转的图片上检测不到人脸。
发明内容
有鉴于此，本发明实施例提供了一种人脸检测方法、系统、计算机设备及计算机可读存储介质，用于解决图片旋转后，人脸难以检测的问题。
本发明实施例是通过下述技术方案来解决上述技术问题：
一种人脸检测方法，包括：
获取待检测图像；
输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域，所述第一人脸候选区域为包含第一旋转角度的人脸图像的选区；
输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域，所述第二人脸候选区域为包含第二旋转角度的人脸图像的选区，所述第二旋转角度小于所述第一旋转角度；
输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域；
对所述人脸区域的图像进行识别，得到人脸识别结果。
进一步地，所述输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域包括：
获取第一人脸回归框；
确定所述第一人脸回归框中是否包含人脸图像；
判断所述第一人脸回归框的人脸旋转角度是否位于第一预定角度区间内；当所述人脸的旋转角度位于第一预定角度区间内时，则裁剪所述第一人脸回归框，获取所述第一人脸候选区域及
当所述人脸的旋转角度位于第一预定角度区间外时，则裁剪所述第一人脸回归框，旋转所述第一人脸回归框至所述人脸的旋转角度位于第一预定角度区间内后，获取所述第一人脸候选区域。
进一步地，所述当所述人脸的旋转角度位于第一预定角度区间外时，则裁剪所述第一人脸回归框，旋转所述第一人脸回归框至所述人脸的旋转角度位于第一预定角度区间内后，获取所述第一人脸候选区域包括：
以第一预设倍数外扩裁剪所述第一人脸回归框，得到第一待旋转人脸候选区域；
以第一预设角度旋转所述第一待旋转人脸候选区域，得到所述第一人脸候选区域。
进一步地，所述输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域包括：
获取第二人脸回归框；
确定所述第二人脸回归框中是否包含人脸图像；
判断所述第二人脸回归框的人脸旋转角度是否位于第二预定角度区间内；
当所述人脸的旋转角度位于所述第二预定角度区间外时，则裁剪所述人脸选区，获取所述第二人脸候选区域及
当所述人脸的旋转角度位于所述第二预定角度区间内时，则裁剪所述人脸选区，旋转所述人脸选区至所述人脸的旋转角度处于第二预定角度外以后，获取所述第二人脸候选区域。
进一步地，所述当所述人脸的旋转角度位于所述第二预定角度区间内时，则裁剪所述第二人脸回归框，旋转所述第二人脸回归框至所述人脸的旋转角度处于第二预定角度外以后，获取所述第二人脸候选区域包括：
以第二预设倍数外扩裁剪所述第二人脸回归框，得到第二待旋转人脸候选区域；
以第二预设角度旋转所述第二待旋转人脸候选区域，得到所述第二人脸候选区域。
进一步地，所述输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域包括：
获取第三人脸回归框；
判断所述第三人脸回归框中是否包含人脸图像；
当所述第三人脸回归框中包含人脸图像时，则裁剪所述第三人脸回归框为第三人脸候选区域。
进一步地，所述对所述人脸区域的图像进行识别，得到人脸识别结果包括：
接收所述人脸区域；
利用预设的人脸识别模型对所述人脸区域进行识别，得到人脸识别结果。
为了实现上述目的，本发明实施例还提供一种人脸检测系统，包括：
图像获取模块，用于获取待检测图像；
第一人脸检测模块，用于输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域，所述第一人脸候选区域为包含第一旋转角度的人脸图像的选区；
第二人脸检测模块，用于输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域，所述第二人脸候选区域为包含第二旋转角度的人脸图像的选区，所述第二旋转角度小于所述第一旋转角度；
第三人脸检测模块，用于输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域；
识别模块，用于对所述人脸区域的图像进行识别，得到人脸识别结果。
为了实现上述目的，本发明实施例还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述人脸检测方法的步骤。
为了实现上述目的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上所述的人脸检测方法的步骤。
本发明实施例提供的人脸检测方法、系统、计算机设备及计算机可读存储介质，本方案通过多个轻量级网络连级，由粗到细逐一检测多角度人脸，提高了旋转人脸的检测速度和准确率。
以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。
附图说明
图1为本发明实施例一之人脸检测方法的步骤流程图；
图2为本发明实施例输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域，所述第一人脸候选区域为包含第一旋转角度的人脸图像的选区的具体流程示意图；
图3为本发明实施例当所述人脸的旋转角度位于第一预定角度区间外时，则裁剪所述第一人脸回归框，旋转所述第一人脸回归框至所述人脸的旋转角度位于第一预定角度区间内后，获取所述第一人脸候选区域的具体流程示意图；
图4为本发明实施例输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域，所述第二人脸候选区域为包含第二旋转角度的人脸图像的选区，所述第二旋转角度小于所述第一旋转角度的具体流程示意图；
图5为本发明实施例当所述人脸的旋转角度位于所述第二预定角度区间内时，则裁剪所述第二人脸回归框，旋转所述第二人脸回归框至所述人脸的旋转角度处于第二预定角度外以后，获取所述第二人脸候选区域的具体流程示意图；
图6为本发明实施例输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域的具体流程示意图；
图7为本发明实施例对所述人脸区域的图像进行识别，得到人脸识别结果的具体流程示意图；
图8为本发明人脸检测系统之实施例二的程序模块示意图；
图9为本发明计算机设备之实施例三的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
实施例一
请参阅图1，示出了本发明实施例之人脸检测方法的步骤流程图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述，具体如下：
S100：获取待检测图像；
具体的，所述待检测图像通过具有计算能力的终端获得，例如手机、平板电脑、笔记本电脑、台式电脑等，所述待检测图像可以为呈现静态的图片或者照片等图像，也而可以为呈现动态的视频中的视频帧等，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，本实施例在此不做限制。所述待检测图像中的人脸可以为正脸，也可以为具有一定旋转角度的人脸，所述一定的旋转角度是指人脸中轴线与竖直向上方向的夹角，例如，人脸顺时针旋转180°，则人脸的旋转角度为180°；人脸顺时针方向旋转45°，则人脸的旋转角度为45°，人脸逆时针方向旋转45°，则人脸的旋转角度为-45°；人脸顺时针方向旋转90°，则人脸的旋转角度为90°，人脸逆时针方向旋转90°，则人脸的旋转角度为-90°。
S200：输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域，所述第一人脸候选区域为包含第一旋转角度的人脸图像的选区；
具体的，所述第一人脸检测模型可以是卷积神经网络，再加上角度预测的多任务分支，本方案在此不做限制。
所述第一人脸检测模型的损失函数包括人脸及其角度的分类损失函数和第一人脸回归框bbox1的损失函数式。
其中，人脸及其角度的分类损失函数为：
Figure BDA0002400736940000061
Figure BDA0002400736940000062
第一人脸回归框bbox1的损失函数式为
Figure BDA0002400736940000063
其中，b1，b1 *分别代表预测和真实的bbox1，S为Smooth函数(光滑函数)，bbox1主要预测三个目标：
b1w＝w1 */w1
b1x＝(x1 *+0.5w1 *-x1-0.5w1)/w1 *
b1y＝(y1 *+0.5w1 *-y1-0.5w1)/w1 *
其中，f1为第一人脸回归框是否存在人脸的置信度，x1，y1，w1分别代表真实bbox1的左上角点坐标与宽，x1 *，y1 *，w1 *分别代表预测bbox2的左上角点坐标与宽。b1x,b1y代表左上角点与中心点的偏移量的归一化值，cls解释为Classification(表示分类为人脸或非人脸)，ang解释为angle(旋转角度)。
因此，所述第一人脸检测模型损失函数为：
Figure BDA0002400736940000071
其中，
Figure BDA0002400736940000072
是一个用于均衡损失函数的权重系数，用于在训练网络的过程中，调整某个特征的学习程度。
g为人脸角度分类，θ1为人脸旋转角度，其具体过程如下：
Figure BDA0002400736940000073
在一实施方式中，请参阅图2，步骤S200进一步包括：
S202：获取第一人脸回归框；
S201：确定所述第一人脸回归框中是否包含人脸图像；
具体的，获取所述待检测图像的第一人脸回归框，并识别第一人脸回归框中是否存在人脸。
通过第一人脸检测模型获取第一人脸回归框中存在人脸的置信度，例如，当置信度为1时，表示第一人脸回归框存在人脸，当置信度为0时，则表示第一人脸回归框不存在人脸。
S203：判断所述第一人脸回归框的人脸旋转角度是否位于第一预定角度区间内；
在一个具体的实施例中，所述第一预定角度区间为[-90°,90°]，即人脸中轴线与竖直向上方向的夹角为-90°到90°之间，当人脸中轴线与竖直向上方向的夹角为[-90°,-180°]和[90°,180°]之间时，所述第一人脸选区的人脸旋转角度位于第一预定角度外。
在另外的实施例中，假设待识别图像为360°完整图像，那么第一预定角度区间可以是截取其中一半，例如[-90°,90°]，本方案在此不做限制。
S204：当所述人脸的旋转角度位于第一预定角度区间内时，则裁剪所述第一人脸回归框，获取所述第一人脸候选区域及
当所述人脸的旋转角度位于第一预定角度区间外时，则裁剪所述第一人脸回归框，旋转所述第一人脸回归框至所述人脸的旋转角度位于第一预定角度区间内后，获取所述第一人脸候选区域。
在示例性的实施例中，请参阅图3，步骤S204还进一步包括：
S2041：以第一预设倍数外扩裁剪所述第一人脸回归框，得到第一待旋转人脸候选区域；
S2042：以第一预设角度旋转所述第一待旋转人脸候选区域，得到所述第一人脸候选区域。
在一实施方式中，不同的人脸旋转角度区间可以输出不同的角度区间标签值表示，在本实施例中，当检测到人脸旋转角度为60°，位于[-90°,90°]区间内，则输出标签值为1，当检测到人脸的旋转角度位140°，位于[90°,180°]内，则输出标签值为0。
具体的，所述第一预设倍数为经验系数，由于检测第一阶段是较为粗略的检测，因此，在本实施例中，设置第一预设倍数为1.5，即以第一人脸回归框面积的1.5倍外扩裁剪所述第一人脸回归框，所述第一预设角度为可以将人脸旋转至所述人脸的旋转角度位于第一预定角度区间内的旋转角度，在本实施例中，所述第一预设角度为180°。
进一步地，当输出的标签值为1时，裁剪所述第一人脸回归框，获取第一人脸候选区域，当输出的标签值为0时，则以1.5外扩裁剪所述第一人脸回归框，并将裁剪后的第一人脸回归框旋转180°后，获取第一人脸候选区域，并输入第二人脸检测模型。
S300：输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域，所述第二人脸候选区域为包含第二旋转角度的人脸图像的选区，所述第二旋转角度小于所述第一旋转角度。
具体的，所述第二人脸检测模型可以是卷积神经网络再加上角度预测的多任务分支，但是第二人脸检测模型的参数量更多，其检测识别能力相对第一人脸检测模型更强，检测识别的精确度更高。
进一步地，所述第二人脸检测模型的损失函数为：
人脸及其角度的分类损失函数为：
Figure BDA0002400736940000093
Figure BDA0002400736940000094
人脸候选区域bbox2的损失函数式为
Figure BDA0002400736940000095
其中，b2，b2 *分别代表预测和真实的bbox2，S为Smooth函数(光滑函数)，bbox2主要预测三个目标：
b2w＝w2 */w2
b2x＝(x2 *+0.5w2 *-x2-0.5w2)/w2 *
b2y＝(y2 *+0.5w2 *-y2-0.5w2)/w2 *
其中，f2为第二人脸回归框是否存在人脸的置信度，x2，y2，w2分别代表真实bbox2的左上角点坐标与宽，x2 *，y2 *，w2 *分别代表预测bbox2的左上角点坐标与宽。b2x，b2y代表左上角点与中心点的偏移量的归一化值。
因此，所述第二人脸检测模型损失函数为：
Figure BDA0002400736940000091
其叫
Figure BDA0002400736940000092
是一个用于均衡损失函数的权重系数，用于在训练网络的过程中，调整某个特征的学习程度。
进一步地，所述角度分类过程如下：其中id为人脸角度分类，θ2为人脸旋转角度。
Figure BDA0002400736940000096
Figure BDA0002400736940000101
在一实施方式中，请参阅图4，步骤S300进一步包括：
S301：获取第二人脸回归框；
S302：确定所述第二人脸回归框中是否包含人脸图像；
具体的，通过第二人脸检测模型获取所述第一人脸候选区域的第二人脸回归框，进一步确定第一人脸候选区域存在人脸的置信度，例如，当置信度为1时，表示第二人脸回归框存在人脸，当置信度为0时，则表示第二人脸回归框不存在人脸。
S303：判断所述第二人脸回归框的人脸旋转角度是否位于第二预定角度区间内；
在一个具体的实施例中，所述第二预定角度区间为[-90°,-45°]，[45°,90°]，当所述人脸旋转角度为[45°,90°]时，输出的标签值为1，当所述人脸旋转角度为[-90°,-45°]时，输出的标签值为2，当所述人脸旋转角度在这两个区间以外时，输出的标签值为0，经过第一步旋转后，所有的人脸旋转角度均为[-90°,90°]之间，因此两个区间以外的区间为[-45°,45°]。
S304：当所述人脸的旋转角度位于所述第二预定角度区间外时，则裁剪所述人脸选区，获取所述第二人脸候选区域及
当所述人脸的旋转角度位于所述第二预定角度区间内时，则裁剪所述人脸选区，旋转所述人脸选区至所述人脸的旋转角度处于第二预定角度外以后，获取所述第二人脸候选区域。
在示例性的实施例中，请参阅图5，步骤S304还进一步包括：
S3041：以第二预设倍数外扩裁剪所述第二人脸回归框，得到第二待旋转人脸候选区域。
S3042：以第二预设角度旋转所述第二待旋转人脸候选区域，得到所述第二人脸候选区域。
当标签值为0时，裁剪所述第二人脸回归框，获取所述第二人脸候选区域，当标签值为1时，以第二预设倍数为0.5外扩裁剪所述第二人脸回归框，所述第二预设角度为-45°，当标签值为2时，以第二预设倍数为0.5外扩裁剪所述第二人脸回归框，所述第二预设角度为45°。
S400：输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域；
具体的，第三个人脸检测模型，主要在所述第二人脸候选区域调整上获取第三人脸回归框，并判断第三人脸回归框内是否存在人脸。
具体的，所述第三人脸检测模型在训练过程中进行中，对训练样本做了小角度的数据增强训练，所述小角度数据增强是指在一定的小角度范围中，例如[-45°，45°]这个角度范围中，随机取任意度数，对一定比例参与网络训练的图片做旋转变换，使所述第三人脸检测模型学习到带有[-45°，45°]的旋转人脸角度特征，对相应旋转角度区间范围的人脸检测更加准确，以便进行后续的人脸识别和人脸关键点定位等操作。
其中，人脸的分类损失函数为：
Figure BDA0002400736940000111
进一步地，所述第三人脸检测模型的损失函数为人脸第三候选区域bbox3的损失函数式为：
Figure BDA0002400736940000112
其中，b3，b3 *分别代表预测和真实的bbox3，S为Smooth函数，bbox3主要预测三个目标：
b3w＝w3 */w3
b3x＝(x3 *+0.5w3 *-x3-0.5w3)/w3 *
b3y＝(y3 *+0.5w3 *-y3-0.5w3)/w3 *
其中，f3为第三人脸回归框是否存在人脸的置信度，x3，y3，w3分别代表真实bbox3的左上角点坐标与宽，x3 *，y3 *，w3 *分别代表预测bbox2的左上角点坐标与宽。b3x，b3y代表左上角点与中心点的偏移量的归一化值。
因此，所述人脸区域模型损失函数为：
Figure BDA0002400736940000121
在一实施方式中，请参阅图6，步骤S400进一步包括：
S401：获取第三人脸回归框；
S402：判断所述第三人脸回归框中是否包含人脸图像；
具体的，通过第三人脸检测模型获取所述第二人脸候选区域的第三人脸回归框，进一步确定第二人脸候选区域存在人脸的置信度，例如，当置信度为1时，表示第三人脸回归框存在人脸，当置信度为0时，则表示第三人脸回归框不存在人脸。
S403：当所述第三人脸回归框中包含人脸图像时，则裁剪所述第三人脸回归框为人脸区域。
S500：对所述人脸区域的图像进行识别，得到人脸识别结果。
在一实施方式中，请参阅图7，步骤S500进一步包括：：
S501：接收所述人脸区域；
S502：利用预设的人脸识别模型对所述人脸区域进行识别，得到人脸识别结果。
具体的，使用预设的人脸识别模型对所述人脸区域进行识别，所述识别方法包括基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法等，本实施例在此不做限制。
本发明实施例通过多个轻量级网络连级，由粗到细逐一检测多角度人脸，在提高了旋转人脸准确率的同时，保证了网络的轻量级，降低了检测耗时。由于其网络体积小，能够较容易地移植到移动端上；不需要对人脸角度空间进行采样，只由三个级联的小网络处理一张图片，计算量小耗时低，没有输入限制，达到较好地人机交互。
实施例二
请继续参阅图8，示出了本发明人脸检测系统的程序模块示意图。在本实施例中，人脸检测系统20可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述人脸检测方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述人脸检测系统20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：
图像获取模块200，用于获取待检测图像。
第一人脸检测模块202：用于输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域，所述第一人脸候选区域为包含第一旋转角度的人脸图像的选区；
进一步地，第一人脸检测模块202还用于：
获取第一人脸回归框；
确定所述第一人脸回归框中是否包含人脸图像；
判断所述第一人脸回归框的人脸旋转角度是否位于第一预定角度区间内；当所述人脸的旋转角度位于第一预定角度区间内时，则裁剪所述第一人脸回归框，获取所述第一人脸候选区域及
当所述人脸的旋转角度位于第一预定角度区间外时，则裁剪所述第一人脸回归框，旋转所述第一人脸回归框至所述人脸的旋转角度位于第一预定角度区间内后，获取所述第一人脸候选区域。
进一步地，第一人脸检测模块202还用于：
以第一预设倍数外扩裁剪所述第一人脸回归框，得到第一待旋转人脸候选区域；
以第一预设角度旋转所述第一待旋转人脸候选区域，得到所述第一人脸候选区域。
第二人脸检测模块204：用于输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域，所述第二人脸候选区域为包含第二旋转角度的人脸图像的选区，所述第二旋转角度小于所述第一旋转角度；
进一步地，第二人脸检测模块204还用于：
获取第二人脸回归框；
确定所述第二人脸回归框中是否包含人脸图像；
判断所述第二人脸回归框的人脸旋转角度是否位于第二预定角度区间内；
当所述人脸的旋转角度位于所述第二预定角度区间外时，则裁剪所述人脸选区，获取所述第二人脸候选区域及
当所述人脸的旋转角度位于所述第二预定角度区间内时，则裁剪所述人脸选区，旋转所述人脸选区至所述人脸的旋转角度处于第二预定角度外以后，获取所述第二人脸候选区域。
进一步地，第二人脸检测模块204还用于：
以第二预设倍数外扩裁剪所述第二人脸回归框，得到第二待旋转人脸候选区域；
以第二预设角度旋转所述第二待旋转人脸候选区域，得到所述第二人脸候选区域。
第三人脸检测模块206：用于输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域；
进一步地，第三人脸检测模块206还用于：
获取第三人脸回归框；
判断所述第三人脸回归框中是否包含人脸图像；
当所述第三人脸回归框中包含人脸图像时，则裁剪所述第三人脸回归框为人脸区域。
识别模块208：用于对所述人脸区域的图像进行识别，得到人脸识别结果。
进一步地，识别模块208还用于：
接收所述人脸区域；
利用预设的人脸识别模型对所述人脸区域进行识别，得到人脸识别结果。
实施例三
参阅图9，是本发明实施例三之计算机设备的硬件架构示意图。本实施例中，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图9所示，所述计算机设备2至少包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及人脸检测系统20。其中：
本实施例中，存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备2的外部存储设备，例如该计算机设备2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件，例如实施例二的人脸检测系统20的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行人脸检测系统20，以实现上述实施例的人脸检测方法。
所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端相连，在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(WidebandCode Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图9仅示出了具有部件20-23的计算机设备2，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器21中的所述人脸检测系统20还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。
例如，图8示出了所述实现人脸检测系统20实施例二的程序模块示意图，该实施例中，所述基于人脸检测系统20可以被划分为图像获取模块200、第一人脸检测模块202、第二人脸检测模块204、第三人脸检测模块206和识别模块208。其中，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述人脸检测系统20在所述计算机设备2中的执行过程。所述程序模块图像获取模块200-识别模块208的具体功能在实施例二中已有详细描述，在此不再赘述。
实施例四
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储人脸检测系统20，被处理器执行时实现上述实施例的人脸检测方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种人脸检测方法，其特征在于，包括：
获取待检测图像；
输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域，所述第一人脸候选区域为包含第一旋转角度的人脸图像的选区；
输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域，所述第二人脸候选区域为包含第二旋转角度的人脸图像的选区，所述第二旋转角度小于所述第一旋转角度；
输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域；
对所述人脸区域的图像进行识别，得到人脸识别结果。
2.根据权利要求1所述的人脸检测方法，其特征在于，所述输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域，所述第一人脸候选区域为包含第一旋转角度的人脸图像的选区包括：
获取第一人脸回归框；
确定所述第一人脸回归框中是否包含人脸图像；
判断所述第一人脸回归框的人脸旋转角度是否位于第一预定角度区间内；当所述人脸的旋转角度位于第一预定角度区间内时，则裁剪所述第一人脸回归框，获取所述第一人脸候选区域；及
当所述人脸的旋转角度位于第一预定角度区间外时，则裁剪所述第一人脸回归框，旋转所述第一人脸回归框至所述人脸的旋转角度位于第一预定角度区间内后，获取所述第一人脸候选区域。
3.根据权利要求2所述的人脸检测方法，其特征在于，所述当所述人脸的旋转角度位于第一预定角度区间外时，则裁剪所述第一人脸回归框，旋转所述第一人脸回归框至所述人脸的旋转角度位于第一预定角度区间内后，获取所述第一人脸候选区域包括：
以第一预设倍数外扩裁剪所述第一人脸回归框，得到第一待旋转人脸候选区域；
以第一预设角度旋转所述第一待旋转人脸候选区域，得到所述第一人脸候选区域。
4.根据权利要求3所述的人脸检测方法，其特征在于，所述输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域，所述第二人脸候选区域为包含第二旋转角度的人脸图像的选区，所述第二旋转角度小于所述第一旋转角度包括：
获取第二人脸回归框；
确定所述第二人脸回归框中是否包含人脸图像；
判断所述第二人脸回归框的人脸旋转角度是否位于第二预定角度区间内；
当所述人脸的旋转角度位于所述第二预定角度区间外时，则裁剪所述人脸选区，获取所述第二人脸候选区域及
当所述人脸的旋转角度位于所述第二预定角度区间内时，则裁剪所述人脸选区，旋转所述人脸选区至所述人脸的旋转角度处于第二预定角度外以后，获取所述第二人脸候选区域。
5.根据权利要求4所述的人脸检测方法，其特征在于，所述当所述人脸的旋转角度位于所述第二预定角度区间内时，则裁剪所述第二人脸回归框，旋转所述第二人脸回归框至所述人脸的旋转角度处于第二预定角度外以后，获取所述第二人脸候选区域包括：
以第二预设倍数外扩裁剪所述第二人脸回归框，得到第二待旋转人脸候选区域；
以第二预设角度旋转所述第二待旋转人脸候选区域，得到所述第二人脸候选区域。
6.根据权利要求5所述的人脸检测方法，其特征在于，所述输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域包括：
获取第三人脸回归框；
判断所述第三人脸回归框中是否包含人脸图像；
当所述第三人脸回归框中包含人脸图像时，则裁剪所述第三人脸回归框为人脸区域。
7.根据权利要求6所述的人脸检测方法，其特征在于，所述对所述人脸区域的图像进行识别，得到人脸识别结果包括：
接收所述人脸区域；
利用预设的人脸识别模型对所述人脸区域进行识别，得到人脸识别结果。
8.一种人脸检测系统，其特征在于，包括：
图像获取模块，用于获取待检测图像；
第一人脸检测模块，用于输入所述待检测图像至第一人脸检测模型，得到第一人脸候选区域，所述第一人脸候选区域为包含第一旋转角度的人脸图像的选区；
第二人脸检测模块，用于输入所述第一人脸候选区域至第二人脸检测模型，得到第二人脸候选区域，所述第二人脸候选区域为包含第二旋转角度的人脸图像的选区，所述第二旋转角度小于所述第一旋转角度；
第三人脸检测模块，用于输入所述第二人脸候选区域至人脸区域检测模型，得到人脸区域；
识别模块，用于对所述人脸区域的图像进行识别，得到人脸识别结果。
9.一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器上并可在所述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计算机程序时实现如权利要求1至7任一项所述的人脸检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如权利要求1至7中任一项所述的人脸检测方法的步骤。
CN202010146008.4A 2020-03-05 2020-03-05 人脸检测方法及系统 Pending CN111382687A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010146008.4A CN111382687A (zh) 2020-03-05 2020-03-05 人脸检测方法及系统
PCT/CN2020/093041 WO2021174688A1 (zh) 2020-03-05 2020-05-28 人脸检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010146008.4A CN111382687A (zh) 2020-03-05 2020-03-05 人脸检测方法及系统

Publications (1)

Publication Number Publication Date
CN111382687A true CN111382687A (zh) 2020-07-07

Family

ID=71221500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010146008.4A Pending CN111382687A (zh) 2020-03-05 2020-03-05 人脸检测方法及系统

Country Status (2)

Country Link
CN (1) CN111382687A (zh)
WO (1) WO2021174688A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496186A (zh) * 2020-08-21 2021-10-12 上海齐感电子信息科技有限公司 移动端设备及其人脸识别方法
CN113838056A (zh) * 2021-11-29 2021-12-24 中国电力科学研究院有限公司 一种电力设备联合检测识别方法、系统、设备及存储介质
CN117831187A (zh) * 2024-01-08 2024-04-05 浙江德方智能科技有限公司 基于人脸识别授权的园区人行道闸管理方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792672B (zh) * 2021-09-16 2024-05-28 平安科技（深圳）有限公司 公共场所健康码获取方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948559A (zh) * 2019-03-25 2019-06-28 厦门美图之家科技有限公司 人脸检测方法及装置
CN110210457A (zh) * 2019-06-18 2019-09-06 广州杰赛科技股份有限公司 人脸检测方法、装置、设备及计算机可读存储介质
CN110458095A (zh) * 2019-08-09 2019-11-15 厦门瑞为信息技术有限公司 一种有效手势的识别方法、控制方法、装置和电子设备
CN110599554A (zh) * 2019-09-16 2019-12-20 腾讯科技（深圳）有限公司 人脸肤色的识别方法和装置、存储介质及电子装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6128397A (en) * 1997-11-21 2000-10-03 Justsystem Pittsburgh Research Center Method for finding all frontal faces in arbitrarily complex visual scenes
US7155036B2 (en) * 2000-12-04 2006-12-26 Sony Corporation Face detection under varying rotation
CN107220635A (zh) * 2017-06-21 2017-09-29 北京市威富安防科技有限公司 基于多造假方式的人脸活体检测方法
CN108446602B (zh) * 2018-02-28 2021-08-20 中科视拓（北京）科技有限公司 一种用于人脸检测的装置和方法
CN110502961B (zh) * 2018-05-16 2022-10-21 腾讯科技（深圳）有限公司 一种面部图像检测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948559A (zh) * 2019-03-25 2019-06-28 厦门美图之家科技有限公司 人脸检测方法及装置
CN110210457A (zh) * 2019-06-18 2019-09-06 广州杰赛科技股份有限公司 人脸检测方法、装置、设备及计算机可读存储介质
CN110458095A (zh) * 2019-08-09 2019-11-15 厦门瑞为信息技术有限公司 一种有效手势的识别方法、控制方法、装置和电子设备
CN110599554A (zh) * 2019-09-16 2019-12-20 腾讯科技（深圳）有限公司 人脸肤色的识别方法和装置、存储介质及电子装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496186A (zh) * 2020-08-21 2021-10-12 上海齐感电子信息科技有限公司 移动端设备及其人脸识别方法
CN113838056A (zh) * 2021-11-29 2021-12-24 中国电力科学研究院有限公司 一种电力设备联合检测识别方法、系统、设备及存储介质
CN117831187A (zh) * 2024-01-08 2024-04-05 浙江德方智能科技有限公司 基于人脸识别授权的园区人行道闸管理方法及系统
CN117831187B (zh) * 2024-01-08 2024-08-23 浙江德方智能科技有限公司 基于人脸识别授权的园区人行道闸管理方法及系统

Also Published As

Publication number Publication date
WO2021174688A1 (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN111382687A (zh) 人脸检测方法及系统
CN112966725B (zh) 匹配模板图像的方法、装置及终端设备
WO2020147410A1 (zh) 行人检测方法、系统、计算机设备及计算机可存储介质
WO2020228181A1 (zh) 手掌图像裁剪方法、装置、计算机设备及存储介质
WO2023035531A1 (zh) 文本图像超分辨率重建方法及其相关设备
CN113673519B (zh) 基于文字检测模型的文字识别方法及其相关设备
CN113139626B (zh) 模板匹配方法、装置、电子设备及计算机可读存储介质
CN112529888B (zh) 基于深度学习的人脸图像评估方法、装置、设备及介质
CN111259137A (zh) 知识图谱摘要的生成方法及系统
CN113205047A (zh) 药名识别方法、装置、计算机设备和存储介质
CN110928889A (zh) 训练模型更新方法、设备以及计算机存储介质
CN110287361B (zh) 一种人物图片筛选方法及装置
CN114049646A (zh) 一种银行卡识别方法、装置、计算机设备及存储介质
CN111325179B (zh) 手势跟踪方法、装置、电子设备和存储介质
CN114241411A (zh) 基于目标检测的计数模型处理方法、装置及计算机设备
CN113761262A (zh) 图像的检索类别确定方法、系统以及图像检索方法
CN113420161A (zh) 一种节点文本融合方法、装置、计算机设备及存储介质
CN116089788B (zh) 在线缺失数据处理方法、装置、计算机设备及存储介质
CN112651399A (zh) 检测倾斜图像中同行文字的方法及其相关设备
CN112396048A (zh) 图片信息提取方法、装置、计算机设备及存储介质
CN111199182A (zh) 基于智慧社区的丢失物件方法、系统及存储介质
CN111695441B (zh) 图像文档处理方法、装置及计算机可读存储介质
CN114968719A (zh) 线程运行状态分类方法、装置、计算机设备及存储介质
CN112686847A (zh) 身份证图像拍摄质量评价方法、装置、计算机设备和介质
CN114782433B (zh) 一种键帽检测方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40032301

Country of ref document: HK

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: 20200707

RJ01 Rejection of invention patent application after publication