CN111783632B - 针对视频流的人脸检测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本实施例提供的针对视频流的人脸检测方法、装置、电子设备及存储介质，通过针对若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中第一像素尺寸不同于第二像素尺寸；根据若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出视频流对应的检测结果，从而在不降低检测精度的情况下，不必在针对每一帧采用全局人脸检测处理，有效降低了针对每一帧的待检测图像的检测难度，简化了每一帧的人脸检测处理流程，提高每一帧的人脸检测处理效率，节约了对视频流进行人脸检测时所需的处理资源。

Description

针对视频流的人脸检测方法、装置、电子设备及存储介质

技术领域

本公开实施例涉及视频处理领域，尤其涉及一种针对视频流的人脸检测方法、装置、电子设备及存储介质。

背景技术

对于视频流中的人脸进行跟踪检测技术广泛运用在各类场景交互中。在人脸的视频流跟踪中，为了保证能够及时获取到视频流中的全部人脸的人脸信息，需要每隔预设时间间隔，便执行一次对于视频流全局的针对视频流的人脸检测算法。

当上述的人脸的视频流跟踪技术运用在移动端上时，由于移动端的处理资源有限，采用按照设时间间隔执行全局针对视频流的人脸检测算法将占用大量的移动端的运算资源，容易造成移动端中进行全局针对视频流的人脸检测算法的那一时刻视频流发生卡顿，用户体验较差。

发明内容

针对上述问题，本公开提供了一种针对视频流的人脸检测方法、装置、电子设备及存储介质。

第一方面，本公开实施例提供一种针对视频流的人脸检测方法，包括：

获取视频流中若干帧的待检测图像；

针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸；

根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果。

第二方面，本公开实施例提供一种针对视频流的人脸检测装置，包括：

获取模块，所述获取视频流中若干帧的待检测图像；

人脸检测模块，用于针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸；

输出模块，用于根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果。

第三方面，本公开实施例提供一种电子设备，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的涉及的所述的针对视频流的人脸检测方法。

第四方面，本公开实施例提供一种非暂态计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的涉及的所述的针对视频流的人脸检测方法。

本实施例提供的针对视频流的人脸检测方法、装置、电子设备及存储介质，通过针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸；根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果，从而在不降低检测精度的情况下，不必在针对每一帧采用全局人脸检测处理，有效降低了针对每一帧的待检测图像的检测难度，简化了每一帧的人脸检测处理流程，提高每一帧的人脸检测处理效率，节约了对视频流进行人脸检测时所需的处理资源。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开所基于的一种网络架构的示意图；

图2为本公开实施例提供的一种针对视频流的人脸检测的流程示意图；

图3为本公开实施例提供的一种检测模型的架构示意图；

图4为本公开实施例提供的一种检测模型的处理界面示意图；

图5为本公开实施例提供的一种针对视频流的人脸检测方法的输出界面示意图；

图6为本公开实施例提供的针对视频流的人脸检测装置的结构框图；

图7为本公开实施例提供的电子设备的硬件结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

对于视频流中的人脸进行跟踪检测技术广泛运用在各类场景交互中。

在人脸的视频流跟踪中，为了保证能够及时获取到视频流中的全部人脸的人脸信息，需要每隔预设时间间隔，便执行一次对于视频流全局的针对视频流的人脸检测算法。具体来说，针对预设时间间隔对应的视频流，首先需要将其进行分帧处理，以获得每一帧的图像，随后，针对每一帧图像采用不同像素尺寸的像素识别框依次进行人脸检测处理，得到该帧的人脸检测结果。各帧的人脸检测结果构成针对视频流的人脸检测结果。

当上述的人脸的视频流跟踪技术运用在移动端上时，由于移动端的处理资源有限，采用按照设时间间隔执行全局的人脸检测算法将占用大量的移动端的运算资源，容易造成移动端中进行全局针对视频流的人脸检测算法的那一时刻视频流发生卡顿，用户体验较差。

在本公开提供的实施例中，为了有效避免这个问题，本公开将针对获取的视频流中不同帧的待检测图像，仅采用一种像素尺寸的像素检测框进行人脸检测处理，以将对视频流检测时的处理负载平分至多个时刻，降低了移动终端在每一时刻的负载，使得其每一时刻所需的处理资源数降低，避免终端播放视频流的卡顿。

参考图1，图1为本公开所基于的一种网络架构的示意图，该图1所示网络架构具体可包括针对视频流的人脸检测装置2以及终端1。

其中，终端1具体可为用户手机、台式电脑、智能家居设备、平板电脑等可用于采集图像的硬件设备，而针对视频流的人脸检测装置2是可与各终端1通过网络进行交互的硬件或软件，其可用于执行下述各示例中所述针对视频流的人脸检测，以将从各终端1获得的图像进行手部识别，以得到包括人间检测结果并进行输出，其中，该输出的对象为各终端1。

在上述图1所示的网络架构中，当针对视频流的人脸检测装置1为硬件时，其可包括具备运算功能的电子设备，当针对视频流的人脸检测装置1为软件时，其可以安装在具备运算功能的电子设备中，其中的电子设备所指一般为运算资源有限的移动设备、移动终端等等。

也就是说，本公开所基于的针对视频流的人脸检测方法具体可基于如图1所示的实施例中，适用于多种应用场景，该应用场景包括但不限于：基于人脸的特效处理、基于监控的人脸追踪、基于人脸表情的人机交互等，其可广泛运用在基于智能终端的人脸检测场景中。

第一方面，参考图2，图2为本公开实施例提供的一种针对视频流的人脸检测方法的流程示意图。本公开实施例提供的针对视频流的人脸检测方法，包括：

步骤101、获取视频流中若干帧的待检测图像。

需要说明的是，本示例的提供的处理方法的执行主体为前述的针对视频流的人脸检测装置，其可通过与终端进行交互，以得到终端中需要被检测的视频流。

一般来说，在一秒的视频中包括有30帧的视频图像。人脸检测装置在获取视频流之后，还需对视频流进行分帧处理，以将获得若干帧的视频图像作为待检测图像。在可选实施方式中，该分帧处理可为通过关键帧分帧技术处理得到间隔的若干关键帧，并将该关键帧对应的视频图像作为待检测图像；该分帧处理也可为通过截取分帧技术，得到连续的若干帧，并将该连续若干帧对应的视频图像作为待检测图像。

此外，在得到这些待检测图像之后，这些图像还将被预处理，以成为可被针对视频流的人脸检测装置处理的图像数据。其中，该预处理包括但不限于对待检测图像进行去噪处理、矩阵化处理等。

步骤102、针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸。

步骤103、根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果。

在现有技术中，可采用全局人脸检测算法，对于需要进行检测的某一帧的待检测图像进行处理。其中，该全局人脸检测算法具体可为基于神经网络模型的全局检测模型。将待检测图像输入至全局检测模型，全局检测模型将利用其全部像素尺寸的像素检测框，对该待检测图像依次进行人脸检测处理，以将得到的该待检测图像在不同像素尺寸下的人脸检测结果进行结合并输出。因此，在现有技术中，由于需要对某一帧的待检测图像采用多个像素尺寸的像素检测框进行多次检测处理，其处理所需资源很大，特别针对于处理能力有限的移动终端来说，其负载较大，容易出现视频流卡顿等问题。

因此，在本公开提供的实施例中，为了有效避免这个问题，本公开将针对步骤101中获取的每一帧的待检测图像，仅采用一种像素尺寸的像素检测框进行人脸检测处理。即，将检测时的处理负载平分至多个时刻，降低了移动终端在每一时刻的负载，使得其每一时刻所需的处理资源数降低，避免终端播放视频流的卡顿。

具体来说，本公开实施例将利用多个检测模型替代全局检测模型，其中，本公开中的不同检测模型可用于对待检测图像采用不同像素尺寸的像素检测框进行人脸检测处理。也就是说，还可预设多个检测模型，所述多个检测模型用于针对待检测图像采用不同像素尺寸的像素检测框进行人脸检测处理，所述不同像素尺寸至少包括第一像素尺寸和第二像素尺寸。相应的，将不同帧的待检测图像，输入至包括采用第一像素尺寸的像素检测框的检测模型以及采用第二像素尺寸的像素检测框的检测模型在内的不同的检测模型中，输出不同帧对应的包括第一人脸检测结果和第二人脸检测结果在内的人脸检测结果。

图3为本公开实施例提供的一种检测模型的架构示意图。如图3所示的，假设若干帧的数量为3，当人脸检测装置获得视频流中的第1、2、3帧的待检测图像之后，分别将该第1、2、3帧的待检测图像输入至并列的不同检测模型中，而每一检测模型均采用类似的处理方式，对待检测图像进行处理。

进一步来说，针对每一检测模型，需要根据预存的检测模型的可处理维度，对输入至该检测模型的待检测图像进行下采样处理，以对下采样处理后的图像进行是否包括有人脸的人脸检测处理，并输出人脸检测结果；其中，所述预存的可处理维度与像素检测框的像素尺寸负相关。

也就是说，在图3所示的任一检测模型中，如对第1帧的待检测图像进行处理的检测模型，在建立模型时，也将其处理维度进行预设，如为2倍处理维度、4倍处理维度等。不同可处理维度的检测模型的像素检测框的像素尺寸是不同的。图4为本公开实施例提供的一种检测模型的处理界面示意图。如图4所示的，一般的检测模型的可处理维度与其像素检测框的像素尺寸负相关，也就是说，相对于检测模型的可处理维度为2倍的像素检测框，可处理维度为4倍的检测模型的像素检测框的尺寸更小。

在检测模型进行人脸检测的过程中，需要利用像素检测框将图像进行选取，并针对选取得到的部分图像中是否包括有人脸进行判定。换句话说，采用不同像素尺寸的像素检测框对待检测图像进行人脸检测时，其获得的检测结果可能一致，也可能不一致。这也意味着，可处理维度为4倍的检测模型可针对于位于待检测图像中的远景的人脸进行有效识别，而可处理维度为2倍的检测模型可针对于位于待检测图像中的近景的人脸进行有效识别。

因此，在本实施例中，为了使得得到的人脸检测结果尽可能全面，也为了降低处理资源的占用率，针对不同帧的待检测图像，将采用异步处理的方式进行人脸检测处理，即，多个检测模型可异步执行处理操作。而当确定得到任一帧的待检测图像对应的人脸检测结果为存在人脸时，将其直接作为视频流对应的检测结果并进行输出。

图5为本公开实施例提供的一种针对视频流的人脸检测方法的输出界面示意图。如图5所示的，在不同时刻下，由于采用了本实施例的人脸检测方式，终端可在不同时刻得到不同检测模型对应的检测结果，并将叠加呈现或应用于后续的人脸追踪技术。

本实施例提供的针对视频流的人脸检测方法，通过针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸；根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果，从而在不降低检测精度的情况下，不必在针对每一帧采用全局人脸检测处理，有效降低了针对每一帧的待检测图像的检测难度，简化了每一帧的人脸检测处理流程，提高每一帧的人脸检测处理效率，节约了对视频流进行人脸检测时所需的处理资源。

对应于上文实施例的针对视频流的人脸检测方法，图6为本公开实施例提供的针对视频流的人脸检测装置的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图6，所述人脸检测装置包括：获取模块10、识人脸检测模块20和输出模块30。

其中，获取模块10，所述获取视频流中若干帧的待检测图像；

人脸检测模块20，用于针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸；

输出模块30，用于根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果。

可选实施例中，所述人脸检测模块20中预设多个检测模型，所述多个检测模型用于针对待检测图像采用不同像素尺寸的像素检测框进行人脸检测处理，所述不同像素尺寸至少包括第一像素尺寸和第二像素尺寸；

所述人脸检测模块20具体用于：将不同帧的待检测图像，输入至包括采用第一像素尺寸的像素检测框的检测模型以及采用第二像素尺寸的像素检测框的检测模型在内的不同的检测模型中，输出不同帧对应的包括第一人脸检测结果和第二人脸检测结果在内的人脸检测结果。

可选实施例中，所述人脸检测模块20还用于：针对每一检测模型，根据预存的检测模型的可处理维度，对所述输入至该检测模型的待检测图像进行下采样处理，以对下采样处理后的图像进行是否包括有人脸的人脸检测处理，并输出人脸检测结果；其中，所述预存的可处理维度与像素检测框的像素尺寸负相关。

可选实施例中，还包括：训练模块；

所述训练模块用于建立多个待训练的检测模型，并获得待检测图像样本；其中，所述待检测图像样本包括单帧的待检测图像，以及所述待检测图像中的人脸标注信息；所述不同待训练的检测模型的可处理维度是不同的；利用所述待检测图像样本，分别对所述多个待训练的检测模型进行训练，获得所述多个训练完毕的检测模型。

可选实施例中，所述人脸检测模块20具体用于针对不同帧的待检测图像，采用异步处理的方式进行人脸检测处理。

可选实施例中，所述输出模块30具体用于当所述人脸检测模块20确定得到任一帧的待检测图像对应的人脸检测结果为存在人脸时，将其直接作为视频流对应的检测结果并进行输出。

可选实施例中，所述获取模块10具体用于：获取视频流并对所述视频流进行分帧处理，获得所述若干帧的待检测图像。

可选实施例中，对视频流进行分帧处理得到的连续若干帧的待检测图像。

本实施例提供的针对视频流的人脸检测装置，通过针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸；根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果，从而在不降低检测精度的情况下，不必在针对每一帧采用全局人脸检测处理，有效降低了针对每一帧的待检测图像的检测难度，简化了每一帧的人脸检测处理流程，提高每一帧的人脸检测处理效率，节约了对视频流进行人脸检测时所需的处理资源。

本实施例提供的电子设备，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

参考图7，其示出了适于用来实现本公开实施例的电子设备900的结构示意图，该电子设备900可以为终端设备或服务器。其中，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑(Portable Android Device，简称PAD)、便携式多媒体播放器(Portable MediaPlayer，简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备900可以包括针对视频流的人脸检测装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(Read Only Memory，简称ROM)902中的程序或者从存储装置908加载到随机访问存储器(Random Access Memory，简称RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有电子设备900操作所需的各种程序和数据。针对视频流的人脸检测装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

通常，以下装置可以连接至I/O接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(Liquid CrystalDisplay，简称LCD)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备900，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

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装置909从网络上被下载和安装，或者从存储装置908被安装，或者从ROM902被安装。在该计算机程序被针对视频流的人脸检测装置901执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的非暂态计算机可读存储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。在本公开中，非暂态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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述非暂态计算机可读存储介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述非暂态计算机可读存储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电子设备执行时，使得该电子设备执行上述实施例所示的方法。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network，简称LAN)或广域网(Wide Area Network，简称WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。

描述于本公开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。其中，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，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以下是本公开的一些实施例。

第一方面，根据本公开的一个或多个实施例，一种针对视频流的人脸检测，包括：

获取视频流中若干帧的待检测图像；

针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸；

根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果。

在本公开提供的可选实施例中，还包括：

预设多个检测模型，所述多个检测模型用于针对待检测图像采用不同像素尺寸的像素检测框进行人脸检测处理，所述不同像素尺寸至少包括第一像素尺寸和第二像素尺寸；

所述针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸，包括：

将不同帧的待检测图像，输入至包括采用第一像素尺寸的像素检测框的检测模型以及采用第二像素尺寸的像素检测框的检测模型在内的不同的检测模型中，输出不同帧对应的包括第一人脸检测结果和第二人脸检测结果在内的人脸检测结果。

在本公开提供的可选实施例中，所述将不同帧的待检测图像，还包括：

针对每一检测模型，根据预存的检测模型的可处理维度，对所述输入至该检测模型的待检测图像进行下采样处理，以对下采样处理后的图像进行是否包括有人脸的人脸检测处理，并输出人脸检测结果；

其中，所述预存的可处理维度与像素检测框的像素尺寸负相关。

在本公开提供的可选实施例中，还包括：

建立多个待训练的检测模型，并获得待检测图像样本；其中，所述待检测图像样本包括单帧的待检测图像，以及所述待检测图像中的人脸标注信息；所述不同待训练的检测模型的可处理维度是不同的；

利用所述待检测图像样本，分别对所述多个待训练的检测模型进行训练，获得所述多个训练完毕的检测模型。

在本公开提供的可选实施例中，还包括：

针对不同帧的待检测图像，采用异步处理的方式进行人脸检测处理。

在本公开提供的可选实施例中，还包括：

当确定得到任一帧的待检测图像对应的人脸检测结果为存在人脸时，将其直接作为视频流对应的检测结果并进行输出。

在本公开提供的可选实施例中，所述获取视频流中若干帧的待检测图像，包括：

获取视频流并对所述视频流进行分帧处理，获得所述若干帧的待检测图像。

在本公开提供的可选实施例中，对视频流进行分帧处理得到的连续若干帧的待检测图像。

第二方面，根据本公开的一个或多个实施例，一种针对视频流的人脸检测装置，其特征在于，包括：

获取模块，所述获取视频流中若干帧的待检测图像；

人脸检测模块，用于针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸；

输出模块，用于根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果。

在本公开提供的可选实施例中，所述人脸检测模块中预设多个检测模型，所述多个检测模型用于针对待检测图像采用不同像素尺寸的像素检测框进行人脸检测处理，所述不同像素尺寸至少包括第一像素尺寸和第二像素尺寸；

所述人脸检测模块具体用于：将不同帧的待检测图像，输入至包括采用第一像素尺寸的像素检测框的检测模型以及采用第二像素尺寸的像素检测框的检测模型在内的不同的检测模型中，输出不同帧对应的包括第一人脸检测结果和第二人脸检测结果在内的人脸检测结果。

在本公开提供的可选实施例中，所述人脸检测模块还用于：针对每一检测模型，根据预存的检测模型的可处理维度，对所述输入至该检测模型的待检测图像进行下采样处理，以对下采样处理后的图像进行是否包括有人脸的人脸检测处理，并输出人脸检测结果；其中，所述预存的可处理维度与像素检测框的像素尺寸负相关。

在本公开提供的可选实施例中，还包括：训练模块；

所述训练模块用于建立多个待训练的检测模型，并获得待检测图像样本；其中，所述待检测图像样本包括单帧的待检测图像，以及所述待检测图像中的人脸标注信息；所述不同待训练的检测模型的可处理维度是不同的；利用所述待检测图像样本，分别对所述多个待训练的检测模型进行训练，获得所述多个训练完毕的检测模型。

在本公开提供的可选实施例中，所述人脸检测模块具体用于针对不同帧的待检测图像，采用异步处理的方式进行人脸检测处理。

在本公开提供的可选实施例中，所述输出模块具体用于当所述人脸检测模块确定得到任一帧的待检测图像对应的人脸检测结果为存在人脸时，将其直接作为视频流对应的检测结果并进行输出。

在本公开提供的可选实施例中，所述获取模块具体用于：获取视频流并对所述视频流进行分帧处理，获得所述若干帧的待检测图像。

在本公开提供的可选实施例中，对视频流进行分帧处理得到的连续若干帧的待检测图像。

第三方面，根据本公开的一个或多个实施例，一种电子设备，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如前任一项所述的针对视频流的人脸检测方法。

第四方面，根据本公开的一个或多个实施例，一种非暂态计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如前任一项所述的针对视频流的人脸检测方法。

以上描述仅为本公开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，本公开中所涉及的公开范围，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公开构思的情况下，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。例如上述特征与本公开中公开的(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。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (16)

1.一种针对视频流的人脸检测方法，其特征在于，包括：

获取视频流中若干帧的待检测图像；

针对所述若干帧中的不同帧的待检测图像，采用分别包括有第一像素尺寸的像素检测框和第二像素尺寸的像素检测框的多个检测模型进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中，所述第一像素尺寸不同于所述第二像素尺寸，不同的检测模型具有不同的可处理维度，且每个检测模型的可处理维度与其对应的像素检测框的像素尺寸负相关；

根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果；其中，当确定得到任一帧的待检测图像对应的人脸检测结果为存在人脸时，将其直接作为视频流对应的检测结果并进行输出。

2.根据权利要求1所述的针对视频流的人脸检测方法，其特征在于，所述针对所述若干帧中的不同帧的待检测图像，采用至少第一像素尺寸和第二像素尺寸的像素检测框进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中所述第一像素尺寸不同于所述第二像素尺寸，包括：

将不同帧的待检测图像，输入至包括采用第一像素尺寸的像素检测框的检测模型以及采用第二像素尺寸的像素检测框的检测模型在内的不同的检测模型中，输出不同帧对应的包括第一人脸检测结果和第二人脸检测结果在内的人脸检测结果。

3.根据权利要求2所述的针对视频流的人脸检测方法，其特征在于，还包括：

针对每一检测模型，根据预存的检测模型的可处理维度，对所述输入至该检测模型的待检测图像进行下采样处理，以对下采样处理后的图像进行是否包括有人脸的人脸检测处理，并输出人脸检测结果。

4.根据权利要求2所述的针对视频流的人脸检测方法，其特征在于，还包括：

建立多个待训练的检测模型，并获得待检测图像样本；其中，所述待检测图像样本包括单帧的待检测图像，以及所述待检测图像中的人脸标注信息；不同待训练的检测模型的可处理维度是不同的；

利用所述待检测图像样本，分别对所述多个待训练的检测模型进行训练，获得多个训练完毕的检测模型。

5.根据权利要求1所述的针对视频流的人脸检测方法，其特征在于，还包括：

针对不同帧的待检测图像，采用异步处理的方式进行人脸检测处理。

6.根据权利要求1-5任一项所述的针对视频流的人脸检测方法，其特征在于，所述获取视频流中若干帧的待检测图像，包括：

获取视频流并对所述视频流进行分帧处理，获得所述若干帧的待检测图像。

7.根据权利要求6所述的针对视频流的人脸检测方法，其特征在于，对视频流进行分帧处理得到的连续若干帧的待检测图像。

8.一种针对视频流的人脸检测装置，其特征在于，包括：

获取模块，用于获取视频流中若干帧的待检测图像；

人脸检测模块，用于针对所述若干帧中的不同帧的待检测图像，采用分别包括有第一像素尺寸的像素检测框和第二像素尺寸的像素检测框的多个检测模型进行人脸检测处理，分别获得不同帧对应的至少第一人脸检测结果和第二人脸检测结果，其中，所述第一像素尺寸不同于所述第二像素尺寸，不同的检测模型具有不同的可处理维度，且每个检测模型的可处理维度与其对应的像素检测框的像素尺寸负相关；

输出模块，用于根据所述若干帧中的各帧对应的至少第一人脸检测结果和第二人脸检测结果，确定并输出所述视频流对应的检测结果；其中，当确定得到任一帧的待检测图像对应的人脸检测结果为存在人脸时，将其直接作为视频流对应的检测结果并进行输出。

9.根据权利要求8所述的针对视频流的人脸检测装置，其特征在于，所述人脸检测模块具体用于：将不同帧的待检测图像，输入至包括采用第一像素尺寸的像素检测框的检测模型以及采用第二像素尺寸的像素检测框的检测模型在内的不同的检测模型中，输出不同帧对应的包括第一人脸检测结果和第二人脸检测结果在内的人脸检测结果。

10.根据权利要求9所述的针对视频流的人脸检测装置，其特征在于，所述人脸检测模块还用于：针对每一检测模型，根据预存的检测模型的可处理维度，对所述输入至该检测模型的待检测图像进行下采样处理，以对下采样处理后的图像进行是否包括有人脸的人脸检测处理，并输出人脸检测结果。

11.根据权利要求9所述的针对视频流的人脸检测装置，其特征在于，还包括：训练模块；

所述训练模块用于建立多个待训练的检测模型，并获得待检测图像样本；其中，所述待检测图像样本包括单帧的待检测图像，以及所述待检测图像中的人脸标注信息；不同待训练的检测模型的可处理维度是不同的；利用所述待检测图像样本，分别对所述多个待训练的检测模型进行训练，获得多个训练完毕的检测模型。

12.根据权利要求8所述的针对视频流的人脸检测装置，其特征在于，所述人脸检测模块具体用于针对不同帧的待检测图像，采用异步处理的方式进行人脸检测处理。

13.根据权利要求8-12任一项所述的针对视频流的人脸检测装置，其特征在于，所述获取模块具体用于：获取视频流并对所述视频流进行分帧处理，获得所述若干帧的待检测图像。

14.根据权利要求13所述的针对视频流的人脸检测装置，其特征在于，对视频流进行分帧处理得到的连续若干帧的待检测图像。

15.一种电子设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-6任一项所述的针对视频流的人脸检测方法。

16.一种非暂态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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-6任一项所述的针对视频流的人脸检测方法。

Images