CN111767868A - 人脸检测方法、装置、电子设备及存储介质 - Google Patents
人脸检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111767868A CN111767868A CN202010623639.0A CN202010623639A CN111767868A CN 111767868 A CN111767868 A CN 111767868A CN 202010623639 A CN202010623639 A CN 202010623639A CN 111767868 A CN111767868 A CN 111767868A
- Authority
- CN
- China
- Prior art keywords
- face
- initial
- image
- face detection
- infrared 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 283
- 238000000034 method Methods 0.000 claims description 49
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 25
- 230000008569 process Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Abstract
本申请提供一种人脸检测方法、装置、电子设备及存储介质，人脸检测方法，包括：获取目标检测场景的初始可见光图像及初始红外图像，目标检测场景包含有所需检测的人脸；对初始可见光图像及初始红外图像进行配准，得到配准可见光图像及配准红外图像；输入配准可见光图像及配准红外图像至预设的人脸检测网络模型，检出初始人脸检测框；根据初始人脸检测框及初始红外图像或配准红外图像对初始人脸检测框进行校准，生成目标人脸检测框。本申请人脸检测方法、装置、电子设备及存储介质，可区分人脸检测时人脸是来自真人还是照片，并且，可避免虚检或漏检，同时，能提高检出的人脸检测框的位置的准确度，以此提升人脸检测的检测效果以及应用效果。
Description
技术领域
本申请涉及人脸检测技术领域，具体而言，涉及一种人脸检测方法、装置、电子设备及存储介质。
背景技术
人脸检测有着广泛的应用，其主要可以应用于身份认证与安全防护、媒体与娱乐以及图像搜索领域。
目前，人脸检测主要采用可见光图像进行检测，但通过此种方式进行人脸检测是无法区分真人和照片的，并且，容易出现虚检或漏检的情形，其中，虚检即将非人脸检测为人脸，漏检即有个别人脸未检测出来；同时，通过此种方式进行人脸检测检出的人脸检测框的位置不够精准，影响了人脸检测的检测效果以及应用效果。
发明内容
本申请实施例的目的在于提供一种人脸检测方法、装置、电子设备及存储介质，可区分人脸检测时人脸是来自真人还是照片，并且，可避免虚检或漏检，同时，能提高检出的人脸检测框的位置的准确度，以此提升人脸检测的检测效果以及应用效果。
第一方面，本申请实施例提供了一种人脸检测方法，包括：
获取目标检测场景的初始可见光图像及初始红外图像，所述目标检测场景包含有所需检测的人脸；
对所述初始可见光图像及所述初始红外图像进行配准，得到配准可见光图像及配准红外图像；
输入所述配准可见光图像及所述配准红外图像至预设的人脸检测网络模型，检出初始人脸检测框；
根据所述初始人脸检测框及所述初始红外图像或所述配准红外图像对所述初始人脸检测框进行校准，生成目标人脸检测框。
在上述实现过程中，本申请实施例的人脸检测方法，结合了可见光图像和红外图像，将配准可见光图像及配准红外图像输入至预设的人脸检测网络模型，可以区分人脸检测时目标检测场景的人脸是来自真人还是照片，并且，可避免虚检或漏检，从而检出较为确切的初始人脸检测框；在检出初始人脸检测框后，还结合了初始红外图像或配准红外图像对初始人脸检测框进行校准，提高了生成的目标人脸检测框的位置的准确度，以此提升人脸检测的检测效果以及应用效果。
进一步地，所述对所述初始可见光图像及所述初始红外图像进行配准，得到配准可见光图像及配准红外图像，包括：
从所述初始可见光图像选取与所述初始红外图像具有相同视野的选取图像；
将所述选取图像的尺寸缩放至与所述初始红外图像的尺寸相同，得到配准可见光图像；
以所述初始红外图像作为配准红外图像。
在上述实现过程中，该方法以初始红外图像作为配准红外图像，并以初始红外图像作为参考，对初始可见光图像进行配准得到配准可见光图像，可以较为简单、快速地配准得到配准可见光图像及配准红外图像，进而可以提高人脸检测的效率。
进一步地，所述根据所述初始人脸检测框及所述初始红外图像或所述配准红外图像对所述初始人脸检测框进行校准，生成目标人脸检测框，包括：
根据检出的所述初始人脸检测框，从所述初始红外图像或所述配准红外图像选取人脸红外图像；
根据所述人脸红外图像及所述初始人脸检测框对所述初始人脸检测框进行校准，生成目标人脸检测框。
在上述实现过程中，该方法通过人脸红外图像对初始人脸检测框进行校准，可以更好地保障校准的效果，使得生成的目标人脸检测框的位置的准确度更高。
进一步地，所述根据所述人脸红外图像及所述初始人脸检测框对所述初始人脸检测框进行校准，生成目标人脸检测框，包括：
将所述人脸红外图像分别转换至BGR颜色空间、HSV颜色空间及YUV颜色空间中的至少两种；
根据转换后的人脸红外图像，在所述BGR颜色空间、所述HSV颜色空间及所述YUV颜色空间中的至少两个对应计算人脸框的位置；
根据所述人脸框的位置及所述初始人脸检测框对所述初始人脸检测框进行校准，生成目标人脸检测框。
在上述实现过程中，人脸红外图像在BGR颜色空间、HSV颜色空间及YUV颜色空间中的呈现效果是不一样的，该方法将人脸红外图像分别转换至BGR颜色空间、HSV颜色空间及YUV颜色空间中的至少两种，在三个颜色空间中的至少两个对应计算人脸框的位置，并以计算的人脸框的位置对初始人脸检测框进行校准，生成目标人脸检测框，综合了至少两个不同的颜色空间，可以使得本申请实施例的人脸检测方法能更好地兼容各种不同的目标检测场景，提高本申请实施例的人脸检测方法的适应性，并且，也能提高生成的目标人脸检测框的位置的准确度。
进一步地，根据所述BGR颜色空间转换后的人脸红外图像，在所述BGR颜色空间计算人脸框的位置，包括：
将所述BGR颜色空间转换后的人脸红外图像二值化，得到第一二值化图像；
将所述第一二值化图像进行二值图开运算处理，得到第一目标人脸图像；
根据所述第一目标人脸图像，在所述BGR颜色空间计算人脸框的位置。
在上述实现过程中，该方法对BGR颜色空间转换后的人脸红外图像的处理，可以使得在BGR颜色空间计算的人脸框的位置更为准确。
进一步地，根据所述HSV颜色空间转换后的人脸红外图像，在所述HSV颜色空间计算人脸框的位置，包括：
将所述HSV颜色空间转换后的人脸红外图像二值化，得到第二二值化图像；
将所述第二二值化图像进行二值图闭运算处理，得到第二目标人脸图像；
根据所述第二目标人脸图像，在所述HSV颜色空间计算人脸框的位置。
在上述实现过程中，该方法对HSV颜色空间转换后的人脸红外图像的处理，可以使得在HSV颜色空间计算的人脸框的位置更为准确。
进一步地，根据所述YUV颜色空间转换后的人脸红外图像，在所述YUV颜色空间计算人脸框的位置，包括：
将所述YUV颜色空间转换后的人脸红外图像二值化，得到第三二值化图像；
将所述第三二值化图像进行二值图开运算处理，得到第三目标人脸图像；
根据所述第三目标人脸图像，在所述YUV颜色空间计算人脸框的位置。
在上述实现过程中，该方法对YUV颜色空间转换后的人脸红外图像的处理，可以使得在YUV颜色空间计算的人脸框的位置更为准确。
第二方面，本申请实施例提供了一种人脸检测装置，包括：
获取模块，用于获取目标检测场景的初始可见光图像及初始红外图像，所述目标检测场景包含有所需检测的人脸；
图像配准模块，用于对所述初始可见光图像及所述初始红外图像进行配准，得到配准可见光图像及配准红外图像；
人脸检测模块，用于输入所述配准可见光图像及所述配准红外图像至预设的人脸检测网络模型，检出初始人脸检测框；
检测校准模块，用于根据所述初始人脸检测框及所述初始红外图像或所述配准红外图像对所述初始人脸检测框进行校准，生成目标人脸检测框。
在上述实现过程中，本申请实施例的人脸检测装置，结合了可见光图像和红外图像，将配准可见光图像及配准红外图像输入至预设的人脸检测网络模型，可以区分人脸检测时目标检测场景的人脸是来自真人还是照片，并且，可避免虚检或漏检，从而检出较为确切的初始人脸检测框；在检出初始人脸检测框后，还结合了初始红外图像或配准红外图像对初始人脸检测框进行校准，提高了生成的目标人脸检测框的位置的准确度，以此提升人脸检测的检测效果以及应用效果。
第三方面，本申请实施例提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的人脸检测方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有上述的电子设备中所使用的计算机程序。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请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申请的某些实施例，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为本申请实施例一提供的人脸检测方法的流程示意图；
图2为本申请实施例一提供的人脸检测方法的框架示意图；
图3为本申请实施例一提供的步骤S120的流程示意图；
图4为本申请实施例一提供的人脸检测网络模型的结构示意图；
图5为本申请实施例一提供的步骤S140的流程示意图；
图6为本申请实施例一提供的人脸检测框校准的框架示意图；
图7为本申请实施例二提供的人脸检测装置的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
目前，人脸检测主要采用可见光图像进行检测，但通过此种方式进行人脸检测是无法区分真人和照片的，并且，容易出现虚检或漏检的情形，其中，虚检即将非人脸检测为人脸，漏检即有个别人脸未检测出来；同时，通过此种方式进行人脸检测检出的人脸检测框的位置不够精准，影响了人脸检测的检测效果以及应用效果。
针对上述现有技术中的问题，本申请提供了一种人脸检测方法、装置、电子设备及存储介质，可区分人脸检测时人脸是来自真人还是照片，并且，可避免虚检或漏检，同时，能提高检出的人脸检测框的位置的准确度，以此提升人脸检测的检测效果以及应用效果。
实施例一
参见图1，图1为本申请实施例提供的人脸检测方法的流程示意图。本申请实施例中执行下述的人脸检测方法的执行主体可以是人脸检测设备或人脸识别设备等等。
本申请实施例的人脸检测方法，包括如下步骤：
步骤S110，获取目标检测场景的初始可见光图像及初始红外图像，目标检测场景包含有所需检测的人脸。
在本实施例中，目标检测场景包含有所需检测的人脸，因此，初始可见光图像及初始红外图像也均包含有所需检测的人脸。
目标检测场景包含有的所需检测的人脸可以是一个或多个。目标检测场景包含有的所需检测的人脸可以是来自真人，或来自照片，或来自真人和照片等等。
可选地，初始可见光图像及初始红外图像可通过双摄像头拍摄得到。
步骤S120，对初始可见光图像及初始红外图像进行配准，得到配准可见光图像及配准红外图像。
在本实施例中，图像配准后的配准可见光图像及配准红外图像会具有相同的视野和尺寸。
初始可见光图像及初始红外图像通常会存在有差异，对初始可见光图像及初始红外图像进行配准，得到配准可见光图像及配准红外图像，可以有利于人脸检测。
步骤S130，输入配准可见光图像及配准红外图像至预设的人脸检测网络模型，检出初始人脸检测框。
在本实施例中，预设的人脸检测网络模型是预先训练好的人脸检测网络模型。
输入配准红外图像至预设的人脸检测网络模型，可以区分人脸检测时人脸是来自真人还是照片，并且，可避免虚检或漏检。
在目标检测场景包含有的所需检测的人脸为多个时，检出的初始人脸检测框为多个。
步骤S140，根据初始人脸检测框及初始红外图像或配准红外图像对初始人脸检测框进行校准，生成目标人脸检测框。
在本实施例中，对初始人脸检测框进行校准，是根据初始人脸检测框及初始红外图像进行的，或是根据初始人脸检测框及配准红外图像进行的。
在检出的初始人脸检测框为多个时，对初始人脸检测框进行校准即对多个检出的初始人脸检测框进行校准。
在上述内容的基础上，本申请实施例的人脸检测方法，可参见图2所示的人脸检测方法的框架示意图，图2中所示的人脸检测框为三个，即经预设的人脸检测网络模型检出的初始人脸检测框为三个。
本申请实施例的人脸检测方法，结合了可见光图像和红外图像，将配准可见光图像及配准红外图像输入至预设的人脸检测网络模型，可以区分人脸检测时目标检测场景的人脸是来自真人还是照片，并且，可避免虚检或漏检，从而检出较为确切的初始人脸检测框；在检出初始人脸检测框后，还结合了初始红外图像或配准红外图像对初始人脸检测框进行校准，提高了生成的目标人脸检测框的位置的准确度，以此提升人脸检测的检测效果以及应用效果。
在进行图像配准时，为了可以较为简单、快速地配准得到配准可见光图像及配准红外图像，本申请实施例提供一种可能的实施方式，参见图3，图3为本申请实施例提供的步骤S120的流程示意图，本申请实施例的人脸检测方法，步骤S120，对初始可见光图像及初始红外图像进行配准，得到配准可见光图像及配准红外图像，可包括如下步骤：
步骤S121，从初始可见光图像选取与初始红外图像具有相同视野的选取图像；
步骤S122，将选取图像的尺寸缩放至与初始红外图像的尺寸相同，得到配准可见光图像；
步骤S123，以初始红外图像作为配准红外图像。
以初始红外图像作为配准红外图像，即初始红外图像和配准红外图像为同一图像。
需要说明的是，上述步骤S121至步骤S123在执行时，也可先执行步骤S123，再执行步骤S121，进而再执行步骤S122，本申请实施例并不对“从初始可见光图像选取与初始红外图像具有相同视野的选取图像”步骤、“将选取图像的尺寸缩放至与初始红外图像的尺寸相同，得到配准可见光图像”步骤及“以初始红外图像作为配准红外图像”步骤的执行顺序进行限定。
在上述过程中，该方法以初始红外图像作为配准红外图像，并以初始红外图像作为参考，对初始可见光图像进行配准得到配准可见光图像，可以较为简单、快速地配准得到配准可见光图像及配准红外图像，进而可以提高人脸检测的效率。
作为一种可选的实施方式，预设的人脸检测网络模型的结构可参见图4所示的人脸检测网络模型的结构示意图。
在对初始人脸检测框进行校准，生成目标人脸检测框时，为了更好地保障校准的效果，本申请实施例提供一种可能的实施方式，参见图5，图5为本申请实施例提供的步骤S140的流程示意图，本申请实施例的人脸检测方法，步骤S140，根据初始人脸检测框及初始红外图像或配准红外图像对初始人脸检测框进行校准，生成目标人脸检测框，可包括如下步骤：
步骤S141，根据检出的初始人脸检测框，从初始红外图像或配准红外图像选取人脸红外图像；
步骤S142，根据人脸红外图像及初始人脸检测框对初始人脸检测框进行校准，生成目标人脸检测框。
在上述过程中，该方法通过人脸红外图像对初始人脸检测框进行校准，可以更好地保障校准的效果，使得生成的目标人脸检测框的位置的准确度更高。
可选地，在根据人脸红外图像及初始人脸检测框对初始人脸检测框进行校准，生成目标人脸检测框时，可：
将人脸红外图像分别转换至BGR颜色空间、HSV颜色空间及YUV颜色空间中的至少两种；
根据转换后的人脸红外图像，在BGR颜色空间、HSV颜色空间及YUV颜色空间中的至少两个对应计算人脸框的位置；
根据人脸框的位置及初始人脸检测框对初始人脸检测框进行校准，生成目标人脸检测框。
在计算人脸框的位置时，BGR颜色空间转换后的人脸红外图像在BGR颜色空间进行计算，HSV颜色空间转换后的人脸红外图像在HSV颜色空间进行计算，YUV颜色空间转换后的人脸红外图像在YUV颜色空间进行计算。
在初始人脸检测框为多个时，每个初始人脸检测框均以上述方式进行校准。
在上述过程中，人脸红外图像在BGR颜色空间、HSV颜色空间及YUV颜色空间中的呈现效果是不一样的，该方法将人脸红外图像分别转换至BGR颜色空间、HSV颜色空间及YUV颜色空间中的至少两种，在三个颜色空间中的至少两个对应计算人脸框的位置，并以计算的人脸框的位置对初始人脸检测框进行校准，生成目标人脸检测框，综合了至少两个不同的颜色空间，可以使得本申请实施例的人脸检测方法能更好地兼容各种不同的目标检测场景，提高本申请实施例的人脸检测方法的适应性，并且，也能提高生成的目标人脸检测框的位置的准确度。
具体地，可参见图6，图6为本申请实施例提供的人脸检测框校准的框架示意图。
在根据BGR颜色空间转换后的人脸红外图像，在BGR颜色空间计算人脸框的位置时，可：
将BGR颜色空间转换后的人脸红外图像二值化，得到第一二值化图像；
将第一二值化图像进行二值图开运算处理，得到第一目标人脸图像；
根据第一目标人脸图像，在BGR颜色空间计算人脸框的位置。
在根据HSV颜色空间转换后的人脸红外图像，在HSV颜色空间计算人脸框的位置时，可：
将HSV颜色空间转换后的人脸红外图像二值化，得到第二二值化图像；
将第二二值化图像进行二值图闭运算处理，得到第二目标人脸图像；
根据第二目标人脸图像，在HSV颜色空间计算人脸框的位置。
在根据YUV颜色空间转换后的人脸红外图像，在YUV颜色空间计算人脸框的位置时，可：
将YUV颜色空间转换后的人脸红外图像二值化，得到第三二值化图像；
将第三二值化图像进行二值图开运算处理，得到第三目标人脸图像；
根据第三目标人脸图像，在YUV颜色空间计算人脸框的位置。
图像二值化是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。
二值图开运算处理是先腐蚀后膨胀的处理过程，能用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同一时候并不明显改变其面积。
二值图闭运算处理是先膨胀后腐蚀的处理过程，能用来填充物体内细小空洞、连接邻近物体、平滑其边界的同一时候并不明显改变其面积。
在上述过程中，该方法对各个颜色空间转换后的人脸红外图像的处理，可以使得在各个颜色空间计算的人脸框的位置更为准确。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种人脸检测装置。
参见图7，图7为本申请实施例提供的人脸检测装置的结构框图。
本申请实施例的人脸检测装置，包括：
获取模块210，用于获取目标检测场景的初始可见光图像及初始红外图像，目标检测场景包含有所需检测的人脸；
图像配准模块220，用于对初始可见光图像及初始红外图像进行配准，得到配准可见光图像及配准红外图像；
人脸检测模块230，用于输入配准可见光图像及配准红外图像至预设的人脸检测网络模型，检出初始人脸检测框；
检测校准模块240，用于根据初始人脸检测框及初始红外图像或配准红外图像对初始人脸检测框进行校准，生成目标人脸检测框。
本申请实施例的人脸检测装置，结合了可见光图像和红外图像，将配准可见光图像及配准红外图像输入至预设的人脸检测网络模型，可以区分人脸检测时目标检测场景的人脸是来自真人还是照片，并且，可避免虚检或漏检，从而检出较为确切的初始人脸检测框；在检出初始人脸检测框后，还结合了初始红外图像或配准红外图像对初始人脸检测框进行校准，提高了生成的目标人脸检测框的位置的准确度，以此提升人脸检测的检测效果以及应用效果。
作为一种可选的实施方式，图像配准模块220，可具体用于：
从初始可见光图像选取与初始红外图像具有相同视野的选取图像；
将选取图像的尺寸缩放至与初始红外图像的尺寸相同，得到配准可见光图像；
以初始红外图像作为配准红外图像。
作为一种可选的实施方式，检测校准模块240，可具体用于：
根据检出的初始人脸检测框，从初始红外图像或配准红外图像选取人脸红外图像；
根据人脸红外图像及初始人脸检测框对初始人脸检测框进行校准，生成目标人脸检测框。
可选地，检测校准模块240在根据人脸红外图像及初始人脸检测框对初始人脸检测框进行校准，生成目标人脸检测框时，可：
将人脸红外图像分别转换至BGR颜色空间、HSV颜色空间及YUV颜色空间中的至少两种；
根据转换后的人脸红外图像，在BGR颜色空间、HSV颜色空间及YUV颜色空间中的至少两个对应计算人脸框的位置；
根据人脸框的位置及初始人脸检测框对初始人脸检测框进行校准，生成目标人脸检测框。
可选地，检测校准模块240在根据BGR颜色空间转换后的人脸红外图像，在BGR颜色空间计算人脸框的位置时，可：
将BGR颜色空间转换后的人脸红外图像二值化，得到第一二值化图像；
将第一二值化图像进行二值图开运算处理，得到第一目标人脸图像；
根据第一目标人脸图像，在BGR颜色空间计算人脸框的位置。
可选地，检测校准模块240在根据HSV颜色空间转换后的人脸红外图像，在HSV颜色空间计算人脸框的位置时，可：
将HSV颜色空间转换后的人脸红外图像二值化，得到第二二值化图像；
将第二二值化图像进行二值图闭运算处理，得到第二目标人脸图像；
根据第二目标人脸图像，在HSV颜色空间计算人脸框的位置。
可选地，检测校准模块240在根据YUV颜色空间转换后的人脸红外图像，在YUV颜色空间计算人脸框的位置时，可：
将YUV颜色空间转换后的人脸红外图像二值化，得到第三二值化图像；
将第三二值化图像进行二值图开运算处理，得到第三目标人脸图像；
根据第三目标人脸图像，在YUV颜色空间计算人脸框的位置。
上述的人脸检测装置可实施上述实施例一的人脸检测方法。上述实施例一中的可选项也适用于本实施例，这里不再详述。
本申请实施例的其余内容可参照上述实施例一的内容，在本实施例中，不再进行赘述。
实施例三
本申请实施例提供一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的人脸检测方法。
可选地，上述电子设备可以是人脸检测设备或人脸识别设备等等。
另外，本申请实施例还提供一种计算机可读存储介质，其存储有上述的电子设备中所使用的计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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，所述模块、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方式中，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，两个连续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动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。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种人脸检测方法，其特征在于，包括：
获取目标检测场景的初始可见光图像及初始红外图像，所述目标检测场景包含有所需检测的人脸；
对所述初始可见光图像及所述初始红外图像进行配准，得到配准可见光图像及配准红外图像；
输入所述配准可见光图像及所述配准红外图像至预设的人脸检测网络模型，检出初始人脸检测框；
根据所述初始人脸检测框及所述初始红外图像或所述配准红外图像对所述初始人脸检测框进行校准，生成目标人脸检测框。
2.根据权利要求1所述的人脸检测方法，其特征在于，所述对所述初始可见光图像及所述初始红外图像进行配准，得到配准可见光图像及配准红外图像，包括：
从所述初始可见光图像选取与所述初始红外图像具有相同视野的选取图像；
将所述选取图像的尺寸缩放至与所述初始红外图像的尺寸相同，得到配准可见光图像；
以所述初始红外图像作为配准红外图像。
3.根据权利要求1所述的人脸检测方法，其特征在于，所述根据所述初始人脸检测框及所述初始红外图像或所述配准红外图像对所述初始人脸检测框进行校准，生成目标人脸检测框，包括：
根据检出的所述初始人脸检测框，从所述初始红外图像或所述配准红外图像选取人脸红外图像；
根据所述人脸红外图像及所述初始人脸检测框对所述初始人脸检测框进行校准，生成目标人脸检测框。
4.根据权利要求3所述的人脸检测方法，其特征在于，所述根据所述人脸红外图像及所述初始人脸检测框对所述初始人脸检测框进行校准，生成目标人脸检测框，包括：
将所述人脸红外图像分别转换至BGR颜色空间、HSV颜色空间及YUV颜色空间中的至少两种；
根据转换后的人脸红外图像，在所述BGR颜色空间、所述HSV颜色空间及所述YUV颜色空间中的至少两个对应计算人脸框的位置；
根据所述人脸框的位置及所述初始人脸检测框对所述初始人脸检测框进行校准，生成目标人脸检测框。
5.根据权利要求4所述的人脸检测方法，其特征在于，根据所述BGR颜色空间转换后的人脸红外图像，在所述BGR颜色空间计算人脸框的位置，包括：
将所述BGR颜色空间转换后的人脸红外图像二值化，得到第一二值化图像；
将所述第一二值化图像进行二值图开运算处理，得到第一目标人脸图像；
根据所述第一目标人脸图像，在所述BGR颜色空间计算人脸框的位置。
6.根据权利要求4所述的人脸检测方法，其特征在于，根据所述HSV颜色空间转换后的人脸红外图像，在所述HSV颜色空间计算人脸框的位置，包括：
将所述HSV颜色空间转换后的人脸红外图像二值化，得到第二二值化图像；
将所述第二二值化图像进行二值图闭运算处理，得到第二目标人脸图像；
根据所述第二目标人脸图像，在所述HSV颜色空间计算人脸框的位置。
7.根据权利要求4所述的人脸检测方法，其特征在于，根据所述YUV颜色空间转换后的人脸红外图像，在所述YUV颜色空间计算人脸框的位置，包括：
将所述YUV颜色空间转换后的人脸红外图像二值化，得到第三二值化图像；
将所述第三二值化图像进行二值图开运算处理，得到第三目标人脸图像；
根据所述第三目标人脸图像，在所述YUV颜色空间计算人脸框的位置。
8.一种人脸检测装置，其特征在于，包括：
获取模块，用于获取目标检测场景的初始可见光图像及初始红外图像，所述目标检测场景包含有所需检测的人脸；
图像配准模块，用于对所述初始可见光图像及所述初始红外图像进行配准，得到配准可见光图像及配准红外图像；
人脸检测模块，用于输入所述配准可见光图像及所述配准红外图像至预设的人脸检测网络模型，检出初始人脸检测框；
检测校准模块，用于根据所述初始人脸检测框及所述初始红外图像或所述配准红外图像对所述初始人脸检测框进行校准，生成目标人脸检测框。
9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至7中任一项所述的人脸检测方法。
10.一种计算机可读存储介质，其特征在于，其存储有权利要求9所述的电子设备中所使用的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010623639.0A CN111767868A (zh) | 2020-06-30 | 2020-06-30 | 人脸检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010623639.0A CN111767868A (zh) | 2020-06-30 | 2020-06-30 | 人脸检测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111767868A true CN111767868A (zh) | 2020-10-13 |
Family
ID=72723245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010623639.0A Pending CN111767868A (zh) | 2020-06-30 | 2020-06-30 | 人脸检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111767868A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113246931A (zh) * | 2021-06-11 | 2021-08-13 | 创新奇智(成都)科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
| CN113642425A (zh) * | 2021-07-28 | 2021-11-12 | 北京百度网讯科技有限公司 | 基于多模态的图像检测方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105654028A (zh) * | 2015-09-29 | 2016-06-08 | 厦门中控生物识别信息技术有限公司 | 一种真假人脸识别方法及装置 |
| CN107862299A (zh) * | 2017-11-28 | 2018-03-30 | 电子科技大学 | 一种基于近红外与可见光双目摄像头的活体人脸检测方法 |
| CN109192302A (zh) * | 2018-08-24 | 2019-01-11 | 杭州体光医学科技有限公司 | 一种脸部多模态图像采集处理装置及方法 |
| CN110008783A (zh) * | 2018-01-04 | 2019-07-12 | 杭州海康威视数字技术股份有限公司 | 基于神经网络模型的人脸活体检测方法、装置及电子设备 |
| CN110032915A (zh) * | 2018-01-12 | 2019-07-19 | 杭州海康威视数字技术股份有限公司 | 一种人脸活体检测方法、装置及电子设备 |
| CN110060272A (zh) * | 2018-01-18 | 2019-07-26 | 杭州海康威视数字技术股份有限公司 | 人脸区域的确定方法、装置、电子设备及存储介质 |
| CN110309782A (zh) * | 2019-07-02 | 2019-10-08 | 四川大学 | 一种基于红外与可见光双目系统的活体人脸检测方法 |
| CN110427875A (zh) * | 2019-07-31 | 2019-11-08 | 天津大学 | 基于深度迁移学习和极限学习机的红外图像目标检测方法 |
| CN111222396A (zh) * | 2019-10-23 | 2020-06-02 | 江苏大学 | 一种全天候多光谱行人检测方法 |
-
2020
- 2020-06-30 CN CN202010623639.0A patent/CN111767868A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105654028A (zh) * | 2015-09-29 | 2016-06-08 | 厦门中控生物识别信息技术有限公司 | 一种真假人脸识别方法及装置 |
| CN107862299A (zh) * | 2017-11-28 | 2018-03-30 | 电子科技大学 | 一种基于近红外与可见光双目摄像头的活体人脸检测方法 |
| CN110008783A (zh) * | 2018-01-04 | 2019-07-12 | 杭州海康威视数字技术股份有限公司 | 基于神经网络模型的人脸活体检测方法、装置及电子设备 |
| CN110032915A (zh) * | 2018-01-12 | 2019-07-19 | 杭州海康威视数字技术股份有限公司 | 一种人脸活体检测方法、装置及电子设备 |
| CN110060272A (zh) * | 2018-01-18 | 2019-07-26 | 杭州海康威视数字技术股份有限公司 | 人脸区域的确定方法、装置、电子设备及存储介质 |
| CN109192302A (zh) * | 2018-08-24 | 2019-01-11 | 杭州体光医学科技有限公司 | 一种脸部多模态图像采集处理装置及方法 |
| CN110309782A (zh) * | 2019-07-02 | 2019-10-08 | 四川大学 | 一种基于红外与可见光双目系统的活体人脸检测方法 |
| CN110427875A (zh) * | 2019-07-31 | 2019-11-08 | 天津大学 | 基于深度迁移学习和极限学习机的红外图像目标检测方法 |
| CN111222396A (zh) * | 2019-10-23 | 2020-06-02 | 江苏大学 | 一种全天候多光谱行人检测方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113246931A (zh) * | 2021-06-11 | 2021-08-13 | 创新奇智(成都)科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
| CN113246931B (zh) * | 2021-06-11 | 2021-09-28 | 创新奇智(成都)科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
| CN113642425A (zh) * | 2021-07-28 | 2021-11-12 | 北京百度网讯科技有限公司 | 基于多模态的图像检测方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6482195B2 (ja) | 画像認識装置、画像認識方法及びプログラム | |
| US8983131B2 (en) | Video analysis | |
| US9047673B2 (en) | Apparatus and method for extracting target, and recording medium storing program for performing the method | |
| CN108009466B (zh) | 行人检测方法和装置 | |
| JP5106356B2 (ja) | 画像監視装置 | |
| CN107507226B (zh) | 一种图像匹配的方法及装置 | |
| JP2015062121A5 (zh) | ||
| US9704024B2 (en) | Object discriminating apparatus and method | |
| JP2011053953A (ja) | 画像処理装置及びプログラム | |
| CN108830184B (zh) | 黑眼圈识别方法及装置 | |
| JP2007156655A (ja) | 変動領域検出装置及びその方法 | |
| US20150146991A1 (en) | Image processing apparatus and image processing method of identifying object in image | |
| CN111767868A (zh) | 人脸检测方法、装置、电子设备及存储介质 | |
| KR20150136225A (ko) | 관심객체 검출을 위한 관심영역 학습장치 및 방법 | |
| KR101769741B1 (ko) | 동공 탐지를 통한 홍채 인식 방법 및 홍채 인식 장치 | |
| CN106970709B (zh) | 一种基于全息成像的3d交互方法和装置 | |
| CN112102207A (zh) | 一种确定温度的方法、装置、电子设备及可读存储介质 | |
| CN112149592A (zh) | 图像处理方法、装置以及计算机设备 | |
| JP5264457B2 (ja) | 物体検出装置 | |
| CN111723656B (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
| KR101394473B1 (ko) | 이동 물체 탐지 방법 및 그 감시 시스템 | |
| CN111402185B (zh) | 一种图像检测方法及装置 | |
| JP2012133587A (ja) | 画像解析装置、画像解析方法及びプログラム | |
| CN110853127A (zh) | 图像处理方法、装置及设备 | |
| JP6132996B1 (ja) | 画像処理装置，画像処理方法，画像処理プログラム |
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 |