CN111428670A - 人脸检测方法、装置、存储介质及设备 - Google Patents
人脸检测方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN111428670A CN111428670A CN202010243467.4A CN202010243467A CN111428670A CN 111428670 A CN111428670 A CN 111428670A CN 202010243467 A CN202010243467 A CN 202010243467A CN 111428670 A CN111428670 A CN 111428670A
- Authority
- CN
- China
- Prior art keywords
- face
- lifting
- detection model
- detection
- image
- 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.)
- Granted
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种人脸检测方法、装置、存储介质及设备,属于图像处理技术领域。所述方法包括:获取用户的人脸图像;通过预先训练得到的整容检测模型对所述人脸图像进行检测,所述整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的;根据所述整容检测模型输出的第一检测结果确定所述用户是否整容。本申请实施例可以将人脸检测技术应用到整容鉴定领域,从而扩展了人脸检测技术的应用范围。
Description
技术领域
本申请实施例涉及图像处理技术领域,特别涉及一种人脸检测方法、装置、存储介质及设备。
背景技术
人脸检测技术是指对图像中的人脸进行特征提取,再根据提取的特征数据进行检测的技术。
人脸检测技术可以应用于人脸搜索或人脸比对。比如,可以在获取到特征数据后,将人脸特征库中的特征数据与该提取的特征数据进行一一匹配,找到与其相似的一张或者若干张人脸图像;或者,多次利用人脸检测技术获取一张人脸的多张图像,对这些图像进行特征提取,将提取的这些特征数据多次与人脸特征库中的特征数据进行比对和查询,得到人脸比对结果。
目前的人脸检测技术大多应用于安全验证领域,比如,可以通过人脸搜索来进行人证对比,通过人脸比对来进行身份认证,使得人脸检测技术的应用范围较窄。
发明内容
本申请实施例提供了一种人脸检测方法、装置、存储介质及设备,用于解决人脸检测技术只能应用于安全验证方面,应用范围较窄的问题。所述技术方案如下:
一方面,提供了一种人脸检测方法,所述方法包括:
获取用户的人脸图像;
通过预先训练得到的整容检测模型对所述人脸图像进行检测,所述整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的;
根据所述整容检测模型输出的第一检测结果确定所述用户是否整容。
一方面,提供了一种人脸检测装置,所述装置包括:
获取模块,用于获取用户的人脸图像;
检测模块,用于通过预先训练得到的整容检测模型对所述人脸图像进行检测,所述整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的;
确定模块,用于根据所述整容检测模型输出的第一检测结果确定所述用户是否整容。
一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述的人脸检测方法。
一方面,提供了一种人脸检测设备,所述人脸检测设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如上所述的人脸检测方法。
本申请实施例提供的技术方案的有益效果至少包括:
通过获取用户的人脸图像,再通过预先训练得到的整容检测模型对人脸图像进行检测,由于整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的,所以,整容检测模型可以检测出人脸图像中的人脸是否进行了整容,从而生成用于指示用户是否整容的第一检测结果,这样,可以将人脸检测技术应用在整容鉴定领域,从而扩展了人脸检测技术的应用范围。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本申请一个实施例提供的人脸检测方法的方法流程图;
图2是本申请另一实施例提供的人脸检测方法的方法流程图;
图3是本申请再一实施例提供的人脸检测装置的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
请参考图1,其示出了本申请一个实施例提供的人脸检测方法的方法流程图,该人脸检测方法可以应用于人脸检测设备中。该人脸检测方法,可以包括:
步骤101,获取用户的人脸图像。
本实施例中,人脸图像可以是对人脸进行拍摄得到的图像,也可以是对包含人像的图像进行人脸识别后提取的包含人脸的图像,本实施例不对人脸图像的获取方式作限定。
用户的人脸图像可以包括一张人脸图像(比如正脸图像),也可以包括从多个拍摄角度对同一用户进行拍摄得到的至少两张人脸图像(比如正脸图像、左侧脸图像、右侧脸图像等等),本实施例不作限定。
步骤102,通过预先训练得到的整容检测模型对人脸图像进行检测,该整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的。
其中,整容检测模型可以是人脸检测设备训练得到的,也可以是人脸检测设备从其他设备中获取到的,本实施例不限定整容检测模型的获取方式。
当整容检测模型由人脸检测设备训练得到时,人脸检测设备可以获取多个用户整容前后的人脸图像,再创建模型,利用这些人脸图像对该模型进行训练,得到整容检测模型。其中,训练方式详见下文中的描述,此处不作赘述。
在得到整容检测模型后,人脸检测设备可以将获取到的人脸图像输入该整容检测模型中,由该整容检测模型对该人脸图像进行检测。其中,检测方式详见下文中的描述,此处不作赘述。
步骤103,根据整容检测模型输出的第一检测结果确定用户是否整容。
整容检测模型可以输出第一检测结果,该第一检测结果可以用于指示用户整容或未整容。
综上所述,本申请实施例提供的人脸检测方法,通过获取用户的人脸图像,再通过预先训练得到的整容检测模型对人脸图像进行检测,由于整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的,所以,整容检测模型可以检测出人脸图像中的人脸是否进行了整容,从而生成用于指示用户是否整容的第一检测结果,这样,可以将人脸检测技术应用在整容鉴定领域,从而扩展了人脸检测技术的应用范围。
请参考图2,其示出了本申请另一实施例提供的人脸检测方法的方法流程图,该人脸检测方法可以应用于人脸检测设备中。该人脸检测方法,可以包括:
步骤201,获取用户的人脸图像。
本实施例中,人脸图像可以是对人脸进行拍摄得到的图像,也可以是对包含人像的图像进行人脸识别后提取的包含人脸的图像,本实施例不对人脸图像的获取方式作限定。
用户的人脸图像可以包括一张人脸图像(比如正脸图像),也可以包括从多个拍摄角度对同一用户进行拍摄得到的至少两张人脸图像(比如正脸图像、左侧脸图像、右侧脸图像等等),本实施例不作限定。
步骤202,通过整容检测模型对人脸图像进行特征提取,得到第一特征数据,该整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的。
本实施例中,整容检测模型可以是人脸检测设备训练得到的,也可以是人脸检测设备从其他设备中获取到的,本实施例不限定整容检测模型的获取方式。
当整容检测模型由人脸检测设备训练得到时,该方法还可以包括:获取训练样本集合,该训练样本集合中的每个训练样本包括同一用户在整容前后的人脸图像和标记信息,该标记信息用于指示人脸图像中的至少一个整容部位;根据训练样本集合对创建的模型进行训练,得到整容检测模型。
其中,训练样本集中包括多组训练样本,每组训练样本包括人脸图像和标记信息。下面先对训练样本中的人脸图像进行说明。
一个训练样本中的人脸图像可以包括整容前后同一拍摄角度拍摄的至少一组图像。比如,人脸图像可以包括整容前的正脸图像和整容后的正脸图像。由于利用单张人脸图像对人脸的特征描述具有偶然性,特别是人脸在运动过程中可能具有较大的姿态变化,而且人脸本身具有三维空间的多角度信息,因此,仅凭单张人脸图像提取出的特征很难保证检测的准确性。并且,整容后人脸的变化是多方位的,不限于鼻子,眼睛,嘴唇等,侧脸相应的部位也可能发生变化。因此,可以设置多个拍摄角度的多张人脸图像,从而提取出多方位的信息点。以正面、左侧和右侧这三个拍摄角度为例,则一个训练样本中的人脸图像可以包括整容前的正脸图像、左侧脸图像和右侧脸图像以及整容后的正脸图像、左侧脸图像和右侧脸图像。
训练样本集中的人脸图像可以是通过摄像头拍摄得到的,也可以是从网站上购买得到的,本实施例不限定人脸图像的获取方式。
在获取到人脸图像后,需要先在人脸图像中准确标定人脸的位置和大小。并且,由于原始的人脸图像中会存在干扰,需要先对训练样本集合中的每张人脸图像进行预处理。其中,预处理方式可以包括但不限于以下处理方式中的至少一种:光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化。
下面对训练样本中的标记信息进行说明。标记信息用于指示人脸图像中的至少一个整容部位,整容部位可以包括但不限于:额头、眼皮、鼻子、脸颊、下巴、嘴巴。比如,一个训练样本中包括的是眼睛整容前后的人脸图像,一个训练样本中包括的是下巴和嘴巴整容前后的人脸照片等等。
在获取到训练样本集之后,人脸检测设备可以创建模型,该模型中包括人脸的多方位检测算法和整容点算法;之后,人脸检测设备可以将训练样本集输入该模型中,利用大量数据不断使模型进行学习优化,最终分析出整容前后特征数据的差异,训练出整容检测模型。由于整容检测模型是通过大量的训练样本集训练得到的,降低了整容检测的主观性。
在得到整容检测模型后,人脸检测设备可以将获取到的人脸图像输入该整容检测模型中,由该整容检测模型对该人脸图像进行检测。检测时需要对人脸图像进行特征提取。其中,特征提取是人脸检测中关键的一步,因为人脸主要是由眼睛、额头、鼻子、耳朵、下巴、嘴巴等部位组成,这些部位以及它们之间的结构关系都是可以用几何形状特征来进行描述的,所以,简单来说,特征提取是指通过一些数字来表征人脸信息,这些数字就是要提取的特征数据。
本实施中,通过整容检测模型对人脸图像进行特征提取,得到第一特征数据,可以包括:当人脸图像包括至少两张不同拍摄角度的人脸图像时,通过整容检测模型对每张人脸图像进行特征提取;通过整容检测模型对所有人脸图像中各个相同部位的特征数据进行融合,得到第一特征数据,该第一特征数据包括用户的人脸中多个部位的特征数据。
整容检测模型可以通过多方位检测算法对一个训练样本中的多张人脸图像进行特征提取,根据特征不变性描述得到的特征数据之间的相互关系,再根据相互关系对相同部位的特征数据进行融合,得到第一特征数据,该第一特征数据也可以称为均衡的多方位特征数据。比如,人脸图像包括正脸图像、左侧脸图像和右侧脸图像,则整容检测模型可以对这三张人脸图像进行处理后得到第一特征数据。
相比于对单张人脸图像进行特征提取来说,对多张人脸图像进行多方位的特征提取,可以在一定程度上降低了特征数据的偶然性,提高了特征数据的准确性。
步骤203,通过整容检测模型检测预设的模板库中是否存在与第一特征数据相匹配的整容模板,该整容模板是从包含至少一个整容部位的整容图像中提取的第二特征数据。
需要说明的是,在训练整容检测模型时,可以对整容前后的人脸图像进行多方位的特征提取,由于人脸具有一些不变的特征值,所以,可以根据特征值不变的特性,利用提取到的多方位特征数据去描述特征值之间的相互关系,得出整容前和整容后均衡的特征值,将这两组均衡的特征值进行归一化处理后得出具有整容特性的特征值模板,本实施例中将该特征值模板称为整容模板。
本实施例中,训练好的整容检测模型中可以包括多个整容模板,每个整容模板中存在至少一个整容部位。比如,一个整容模板中的眼睛被整容,一个整容模板中的鼻子被整容,一个整容模板中的眼睛和鼻子被整容等等。
每个整容模板对应于一个第二特征数据,则整容检测模型可以计算第一特征数据与每个第二特征数据之间的相似度,将相似度最大的第二特征数据所对应的整容模板确定为与第一特征数据相匹配的整容模板。
步骤204,当模板库中存在与第一特征数据相匹配的整容模板时,通过整容检测模型生成用于指示用户整容的第一检测结果。
步骤205,通过整容检测模型获取整容模板中标记的整容部位信息,该整容部位信息用于指示整容图像中的整容部位。
比如,一个整容模板中的眼睛被整容,则该整容模板中标记的整容部位信息为眼睛。
步骤206,通过整容检测模型根据整容部位信息和第一特征数据计算人脸图像中各个部位的整容可信度。
本实施例中,还可以利用匹配的整容模板来标记第一特征数据,使得标记后的第一特征数据中包含有标记的整容点(即整容部位信息),之后,再计算人脸各个部位的整容可信度。
整容检测模型可以在确定整容部位后,利用详细的整容点算法来计算第一特征数据中该整容部位的整容可信度,利用粗略的整容点算法来计算第一特征数据中其他部位的整容可信度,从而提高计算效率。
步骤207,通过整容检测模型根据各个部位的整容可信度生成第二检测结果。
整容检测模型可以预先设置预定阈值,并将各个部位的整容可信度与该预定阈值进行比较,将高于该预定阈值的整容可信度所对应的部位确定为整容部位,生成用于指示该整容部位的第二检测结果。
步骤208,根据整容检测模型输出的第一检测结果确定用户是否整容。
整容检测模型可以输出第一检测结果,该第一检测结果可以用于指示用户整容或未整容。
步骤209,当用户进行了整容时,根据整容检测模型输出的第二检测结果确定用户的至少一个整容部位,该整容部位是用户的人脸中的部位。
需要说明的是,整容检测模型可以在确定用户未整容时,输出用于指示用户未整容的第一检测结果;或者,可以在确定用户整容时,输出用于指示用户整容的第一检测结果和用于指示整容部位的第二检测结果;或者,可以在确定用户整容时,输出用于指示整容部位的第二检测结果。
本实施例可以通过整容检测模型来鉴定是否整容,从而为整容鉴定提供了一种新的思路。
综上所述,本申请实施例提供的人脸检测方法,通过获取用户的人脸图像,再通过预先训练得到的整容检测模型对人脸图像进行检测,由于整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的,所以,整容检测模型可以检测出人脸图像中的人脸是否进行了整容,从而生成用于指示用户是否整容的第一检测结果,这样,可以将人脸检测技术应用在整容鉴定领域,从而扩展了人脸检测技术的应用范围。
相比于对单张人脸图像进行特征提取来说,对多张人脸图像进行多方位的特征提取,可以在一定程度上降低了特征数据的偶然性,提高了特征数据的准确性。
请参考图3,其示出了本申请一个实施例提供的人脸检测装置的结构框图,该人脸检测装置可以应用于人脸检测设备中。该人脸检测装置,可以包括:
获取模块310,用于获取用户的人脸图像;
检测模块320,用于通过预先训练得到的整容检测模型对人脸图像进行检测,该整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的;
确定模块330,用于根据整容检测模型输出的第一检测结果确定用户是否整容。
在一个可选的实施例中,当用户进行了整容时,该确定模块330,还用于根据整容检测模型输出的第二检测结果确定用户的至少一个整容部位,该整容部位是用户的人脸中的部位。
在一个可选的实施例中,该检测模块320,还用于:
通过整容检测模型对人脸图像进行特征提取,得到第一特征数据;
通过整容检测模型检测预设的模板库中是否存在与第一特征数据相匹配的整容模板,该整容模板是从包含至少一个整容部位的整容图像中提取的第二特征数据;
当模板库中存在与第一特征数据相匹配的整容模板时,通过整容检测模型生成用于指示用户整容的第一检测结果。
在一个可选的实施例中,当模板库中存在与特征数据相匹配的整容模板时,该检测模块320,还用于:
通过整容检测模型获取整容模板中标记的整容部位信息,该整容部位信息用于指示整容图像中的整容部位;
通过整容检测模型根据整容部位信息和第一特征数据计算人脸图像中各个部位的整容可信度;
通过整容检测模型根据各个部位的整容可信度生成第二检测结果。
在一个可选的实施例中,该检测模块320,还用于:
当人脸图像包括至少两张不同拍摄角度的人脸图像时,通过整容检测模型对每张人脸图像进行特征提取;
通过整容检测模型对所有人脸图像中各个相同部位的特征数据进行融合,得到第一特征数据,该第一特征数据包括用户的人脸中多个部位的特征数据。
在一个可选的实施例中,该获取模块310,还用于在通过预先训练得到的整容检测模型对人脸图像进行检测之前,获取训练样本集合,该训练样本集合中的每个训练样本包括同一用户在整容前后的人脸图像和标记信息,该标记信息用于指示人脸图像中的至少一个整容部位;
该装置还包括训练模块,用于根据训练样本集合对创建的模型进行训练,得到整容检测模型。
在一个可选的实施例中,该装置还包括:
预处理模块,用于在训练模块根据训练集合对创建的整容检测模型进行训练之前,对训练样本集合中的每张人脸图像进行预处理。
综上所述,本申请实施例提供的人脸检测装置,通过获取用户的人脸图像,再通过预先训练得到的整容检测模型对人脸图像进行检测,由于整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的,所以,整容检测模型可以检测出人脸图像中的人脸是否进行了整容,从而生成用于指示用户是否整容的第一检测结果,这样,可以将人脸检测技术应用在整容鉴定领域,从而扩展了人脸检测技术的应用范围。
相比于对单张人脸图像进行特征提取来说,对多张人脸图像进行多方位的特征提取,可以在一定程度上降低了特征数据的偶然性,提高了特征数据的准确性。
本申请一个实施例提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述的人脸检测方法。
本申请一个实施例提供了一种人脸检测设备,所述人脸检测设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如上所述的人脸检测方法。
需要说明的是:上述实施例提供的人脸检测装置在进行人脸检测时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将人脸检测装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的人脸检测装置与人脸检测方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请实施例的保护范围之内。
Claims (10)
1.一种人脸检测方法,其特征在于,所述方法包括:
获取用户的人脸图像;
通过预先训练得到的整容检测模型对所述人脸图像进行检测,所述整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的;
根据所述整容检测模型输出的第一检测结果确定所述用户是否整容。
2.根据权利要求1所述的方法,其特征在于,当所述用户进行了整容时,所述方法还包括:
根据所述整容检测模型输出的第二检测结果确定所述用户的至少一个整容部位,所述整容部位是所述用户的人脸中的部位。
3.根据权利要求2所述的方法,其特征在于,所述通过预先训练得到的整容检测模型对所述人脸图像进行检测,包括:
通过所述整容检测模型对所述人脸图像进行特征提取,得到第一特征数据;
通过所述整容检测模型检测预设的模板库中是否存在与所述第一特征数据相匹配的整容模板,所述整容模板是从包含至少一个整容部位的整容图像中提取的第二特征数据;
当所述模板库中存在与所述第一特征数据相匹配的整容模板时,通过所述整容检测模型生成用于指示所述用户整容的所述第一检测结果。
4.根据权利要求3所述的方法,其特征在于,当所述模板库中存在与所述特征数据相匹配的整容模板时,所述方法还包括:
通过所述整容检测模型获取所述整容模板中标记的整容部位信息,所述整容部位信息用于指示所述整容图像中的整容部位;
通过所述整容检测模型根据所述整容部位信息和所述第一特征数据计算所述人脸图像中各个部位的整容可信度;
通过所述整容检测模型根据各个部位的整容可信度生成所述第二检测结果。
5.根据权利要求3所述的方法,其特征在于,所述通过所述整容检测模型对所述人脸图像进行特征提取,得到第一特征数据,包括:
当所述人脸图像包括至少两张不同拍摄角度的人脸图像时,通过所述整容检测模型对每张人脸图像进行特征提取;
通过所述整容检测模型对所有人脸图像中各个相同部位的特征数据进行融合,得到所述第一特征数据,所述第一特征数据包括所述用户的人脸中多个部位的特征数据。
6.根据权利要求1至5中任一项所述的方法,其特征在于,在所述通过预先训练得到的整容检测模型对所述人脸图像进行检测之前,所述方法还包括:
获取训练样本集合,所述训练样本集合中的每个训练样本包括同一用户在整容前后的人脸图像和标记信息,所述标记信息用于指示所述人脸图像中的至少一个整容部位;
根据所述训练样本集合对创建的模型进行训练,得到所述整容检测模型。
7.根据权利要求6中所述的方法,其特征在于,在所述根据所述训练集合对创建的整容检测模型进行训练之前,所述方法还包括:
对所述训练样本集合中的每张人脸图像进行预处理。
8.一种人脸检测装置,其特征在于,所述装置包括:
获取模块,用于获取用户的人脸图像;
检测模块,用于通过预先训练得到的整容检测模型对所述人脸图像进行检测,所述整容检测模型是根据多个用户整容前后的人脸图像进行训练得到的;
确定模块,用于根据所述整容检测模型输出的第一检测结果确定所述用户是否整容。
9.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的人脸检测方法。
10.一种人脸检测设备,其特征在于,所述人脸检测设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如权利要求1至7任一所述的人脸检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010243467.4A CN111428670B (zh) | 2020-03-31 | 2020-03-31 | 人脸检测方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010243467.4A CN111428670B (zh) | 2020-03-31 | 2020-03-31 | 人脸检测方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111428670A true CN111428670A (zh) | 2020-07-17 |
CN111428670B CN111428670B (zh) | 2022-08-09 |
Family
ID=71550121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010243467.4A Active CN111428670B (zh) | 2020-03-31 | 2020-03-31 | 人脸检测方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428670B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112396117A (zh) * | 2020-11-24 | 2021-02-23 | 维沃移动通信有限公司 | 图像的检测方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529445A (zh) * | 2016-10-27 | 2017-03-22 | 珠海市魅族科技有限公司 | 一种妆容检测方法及设备 |
CN108447017A (zh) * | 2018-05-31 | 2018-08-24 | Oppo广东移动通信有限公司 | 人脸虚拟整容方法和装置 |
US20190095764A1 (en) * | 2017-09-26 | 2019-03-28 | Panton, Inc. | Method and system for determining objects depicted in images |
CN110889376A (zh) * | 2019-11-28 | 2020-03-17 | 创新奇智(南京)科技有限公司 | 一种基于深度学习的安全帽佩戴检测系统及方法 |
-
2020
- 2020-03-31 CN CN202010243467.4A patent/CN111428670B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529445A (zh) * | 2016-10-27 | 2017-03-22 | 珠海市魅族科技有限公司 | 一种妆容检测方法及设备 |
US20190095764A1 (en) * | 2017-09-26 | 2019-03-28 | Panton, Inc. | Method and system for determining objects depicted in images |
CN108447017A (zh) * | 2018-05-31 | 2018-08-24 | Oppo广东移动通信有限公司 | 人脸虚拟整容方法和装置 |
CN110889376A (zh) * | 2019-11-28 | 2020-03-17 | 创新奇智(南京)科技有限公司 | 一种基于深度学习的安全帽佩戴检测系统及方法 |
Non-Patent Citations (2)
Title |
---|
YANG MH: "《IEEE Transactions on Pattern Analysis and Machine Intelligence》", 30 December 2002 * |
徐庆等: "一种基于特征模型的人脸检测方法", 《计算机工程与应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112396117A (zh) * | 2020-11-24 | 2021-02-23 | 维沃移动通信有限公司 | 图像的检测方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111428670B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Fingerprint liveness detection using an improved CNN with image scale equalization | |
US10049262B2 (en) | Method and system for extracting characteristic of three-dimensional face image | |
CN108985134B (zh) | 基于双目摄像机的人脸活体检测及刷脸交易方法及系统 | |
US7873189B2 (en) | Face recognition by dividing an image and evaluating a similarity vector with a support vector machine | |
CN105550657B (zh) | 基于关键点的改进sift人脸特征提取方法 | |
Ranjan et al. | Unconstrained age estimation with deep convolutional neural networks | |
CN109376604B (zh) | 一种基于人体姿态的年龄识别方法和装置 | |
Singh et al. | Face recognition using facial symmetry | |
CN104598888B (zh) | 一种人脸性别的识别方法 | |
Emeršič et al. | Pixel-wise ear detection with convolutional encoder-decoder networks | |
CN106650574A (zh) | 基于PCANet的人脸识别方法 | |
CN109376717A (zh) | 人脸对比的身份识别方法、装置、电子设备及存储介质 | |
CN110598574A (zh) | 智能人脸监控识别方法及系统 | |
CN110599187A (zh) | 一种基于人脸识别的支付方法、装置、计算机设备和存储介质 | |
TW201828156A (zh) | 圖像識別方法、度量學習方法、圖像來源識別方法及裝置 | |
CN111428670B (zh) | 人脸检测方法、装置、存储介质及设备 | |
CN117095436A (zh) | 企业员工信息智能管理系统及其方法 | |
Silva et al. | POEM-based facial expression recognition, a new approach | |
Geetha et al. | 3D face recognition using Hadoop | |
Reddy et al. | Comparison of HOG and fisherfaces based face recognition system using MATLAB | |
Mishra et al. | Integrating State-of-the-Art Face Recognition and Anti-Spoofing Techniques into Enterprise Information Systems | |
Jatain et al. | Automatic human face detection and recognition based on facial features using deep learning approach | |
Mohammad | Multi-Modal Ocular Recognition in Presence of Occlusion in Mobile Devices | |
CN114743249B (zh) | 识别模型训练方法、微表情识别方法、装置、设备及介质 | |
Albakri et al. | FEATURE-BASED FACE DETECTION: ASurvey |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 210000 Longmian Avenue 568, High-tech Park, Jiangning District, Nanjing City, Jiangsu Province Patentee after: Xiaoshi Technology (Jiangsu) Co.,Ltd. Address before: 210000 Longmian Avenue 568, High-tech Park, Jiangning District, Nanjing City, Jiangsu Province Patentee before: NANJING ZHENSHI INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |