CN114758384A - 人脸检测方法、装置、设备及存储介质 - Google Patents

人脸检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114758384A
CN114758384A CN202210321014.8A CN202210321014A CN114758384A CN 114758384 A CN114758384 A CN 114758384A CN 202210321014 A CN202210321014 A CN 202210321014A CN 114758384 A CN114758384 A CN 114758384A
Authority
CN
China
Prior art keywords
face
images
face detection
image
detected
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.)
Withdrawn
Application number
CN202210321014.8A
Other languages
English (en)
Inventor
陈超村
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.)
Qiku Software Shenzhen Co Ltd
Original Assignee
Qiku Software 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 Qiku Software Shenzhen Co Ltd filed Critical Qiku Software Shenzhen Co Ltd
Priority to CN202210321014.8A priority Critical patent/CN114758384A/zh
Publication of CN114758384A publication Critical patent/CN114758384A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于图像处理技术领域，公开了一种人脸检测方法、装置、设备及存储介质。该方法包括：获取若干待检测图像；对各个待检测图像分别进行人脸识别和人脸关键点识别，得到各个待检测图像对应的人脸检测框和人脸关键点；基于人脸检测框和人脸关键点对若干待检测图像进行筛选，得到多个目标图像；利用预设二分类模型分别对各个目标图像进行分类，得到各个目标图像对应的分类结果；根据分类结果确定若干目标人脸数据和对应的人脸检测结果。通过上述方式，联合人脸检测框、人脸关键点以及二分类模型进行人脸去误检，有效消除实际复杂场景的人脸误检，进一步提升了人脸检测准确率。

Description

人脸检测方法、装置、设备及存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种人脸检测方法、装置、设备及存储介质。
背景技术
目前人脸检测方法是在整帧图像上进行搜索，比较耗时，而且容易产生误检。对于误检，一般是在数据清洗层面以及特征提取网络改进层面消除人脸误检，但是这些方式无法很好的消除复杂场景下的人脸误检。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种人脸检测方法、装置、设备及存储介质，旨在解决目前人脸检测方法容易产生误检的技术问题。
为实现上述目的，本发明提供了一种人脸检测方法，所述方法包括以下步骤：
获取若干待检测图像；
对各个所述待检测图像分别进行人脸识别和人脸关键点识别，得到各个所述待检测图像对应的人脸检测框和人脸关键点；
基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像；
利用预设二分类模型分别对各个所述目标图像进行分类，得到各个所述目标图像对应的分类结果；
根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果。
可选地，所述基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像，包括：
基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果；
根据所述检测框尺寸识别结果对若干所述待检测图像进行筛选，得到多个第一图像；
基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果；
根据所述联合识别结果对多个所述第一图像进行筛选，得到多个第二图像；
基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果；
根据所述关键点位置识别结果对多个所述第二图像进行筛选，得到多个目标图像。
可选地，所述基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果，包括：
判断各个所述待检测图像对应的人脸检测框的边长是否小于预设像素值，得到各个所述待检测图像对应的检测框尺寸识别结果。
可选地，所述根据所述检测框尺寸识别结果对若干所述待检测图像进行筛选，得到多个第一图像，包括：
根据所述检测框尺寸识别结果将若干所述待检测图像中人脸检测框的边长小于所述预设像素值的图像进行删除，得到多个第一图像。
可选地，所述基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果，包括：
基于所述人脸关键点确定对应的关键点外接矩形；
判断各个所述第一图像对应的关键点外接矩形是否超出对应的人脸检测框的边界，得到各个所述第一图像对应的联合识别结果。
可选地，所述根据所述联合识别结果对多个所述第一图像进行筛选，得到多个第二图像，包括：
根据所述联合识别结果将多个所述第一图像中关键点外接矩形超出对应的人脸检测框的边界的图像进行删除，得到多个第二图像。
可选地，所述基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果，包括：
判断各个所述第二图像对应的人脸关键点的外接矩形边长是否小于预设边长值，得到各个所述第二图像对应的关键点位置识别结果。
可选地，所述根据所述关键点位置识别结果对所述多个第二图像进行筛选，得到多个目标图像，包括：
根据所述关键点位置识别结果将多个所述第二图像中人脸关键点的外接矩形边长小于所述预设边长值的图像进行删除，得到多个目标图像。
可选地，所述基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果之前，所述方法还包括：
获取预设偏移角度和标准双眼间距；
基于所述预设偏移角度和所述标准双眼间距确定预设边长值。
可选地，所述获取若干待检测图像，包括：
基于监控设备获取若干监控图像；
按照所述监控设备对应的预设感兴趣区域从所述若干监控图像中获取对应的若干待检测图像。
可选地，所述的预设二分类模型包括通道数目减半的VGG16网络、预设通道数量的全连接层以及分类层。
可选地，所述根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果之后，所述方法还包括：
利用预设目标检测模型分别对各个所述目标人脸数据进行检测，得到各个所述目标人脸数据对应的人脸身份检测结果。
此外，为实现上述目的，本发明还提出一种人脸检测装置，所述人脸检测装置包括：
获取模块，用于获取若干待检测图像；
识别模块，用于对各个所述待检测图像分别进行人脸识别和人脸关键点识别，得到各个所述待检测图像对应的人脸检测框和人脸关键点；
筛选模块，用于基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像；
分类模块，用于利用预设二分类模型分别对各个所述目标图像进行分类，得到各个所述目标图像对应的分类结果；
确定模块，用于根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果。
可选地，所述筛选模块，还用于基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果，根据所述检测框尺寸识别结果对若干所述待检测图像进行筛选，得到多个第一图像，基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果，根据所述联合识别结果对多个所述第一图像进行筛选，得到多个第二图像，基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果，根据所述关键点位置识别结果对多个所述第二图像进行筛选，得到多个目标图像。
可选地，所述筛选模块，还用于判断各个所述待检测图像对应的人脸检测框的边长是否小于预设像素值，得到各个所述待检测图像对应的检测框尺寸识别结果。
可选地，所述筛选模块，还用于根据所述检测框尺寸识别结果将若干所述待检测图像中人脸检测框的边长小于所述预设像素值的图像进行删除，得到多个第一图像。
可选地，所述筛选模块，还用于基于所述人脸关键点确定对应的关键点外接矩形，判断各个所述第一图像对应的关键点外接矩形是否超出对应的人脸检测框的边界，得到各个所述第一图像对应的联合识别结果。
可选地，所述筛选模块，还用于根据所述联合识别结果将多个所述第一图像中关键点外接矩形超出对应人脸检测框的边界的图像进行删除，得到多个第二图像。
此外，为实现上述目的，本发明还提出一种人脸检测设备，所述人脸检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸检测程序，所述人脸检测程序配置为实现如上文所述的人脸检测方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有人脸检测程序，所述人脸检测程序被处理器执行时实现如上文所述的人脸检测方法。
本发明通过获取若干待检测图像；对各个待检测图像分别进行人脸识别和人脸关键点识别，得到各个待检测图像对应的人脸检测框和人脸关键点；基于人脸检测框和人脸关键点对若干待检测图像进行筛选，得到多个目标图像；利用预设二分类模型分别对各个目标图像进行分类，得到各个目标图像对应的分类结果；根据分类结果确定若干目标人脸数据和对应的人脸检测结果。通过上述方式，联合人脸检测框、人脸关键点以及二分类模型进行人脸去误检，去除人脸检测框或人脸关键点不符合要求的图像，并利用预设二分类模型进行人脸数据区分，有效消除实际复杂场景的人脸误检，进一步提升了人脸检测准确率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的人脸检测设备的结构示意图；
图2为本发明人脸检测方法第一实施例的流程示意图；
图3为本发明人脸检测方法第二实施例的流程示意图；
图4为本发明人脸检测方法第三实施例的流程示意图；
图5为本发明人脸检测装置第一实施例的结构框图。
具体实施方式
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。本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的人脸检测设备结构示意图。
如图1所示，该人脸检测设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元(比如键盘(Keyboard))；可选的，用户接口1003还可以包括标准的有线接口、无线接口。可选的，网络接口1004包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。可选的，存储器1005还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对人脸检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及人脸检测程序。
在图1所示的人脸检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明人脸检测设备中的处理器1001、存储器1005可以设置在人脸检测设备中，所述人脸检测设备通过处理器1001调用存储器1005中存储的人脸检测程序，并执行本发明实施例提供的人脸检测方法。
本发明实施例提供了一种人脸检测方法，参照图2，图2为本发明人脸检测方法第一实施例的流程示意图。
本实施例中，所述人脸检测方法包括以下步骤：
步骤S10：获取若干待检测图像。
可以理解的是，本实施例的执行主体为人脸检测设备，所述人脸检测设备可以为计算机、服务器等设备，还可以为其他具备推理能力的设备，本实施例对此不加以限制。
需要说明的是，人脸检测设备与监控设备通信连接，获取监控设备采集得到的若干个待检测图像。优选地，按照预设感兴趣区域对监控设备采集的图像进行截取，得到若干待检测图像，减少了人脸背景，提升了模型检测效率。
步骤S20：对各个所述待检测图像分别进行人脸识别和人脸关键点识别，得到各个所述待检测图像对应的人脸检测框和人脸关键点。
应当理解的是，将各个待检测图像输入至预先训练好的人脸检测模型和人脸关键点检测模型中，获取各个待检测图像对应的人脸检测框和人脸关键点。在具体实现中，人脸检测框对应的信息包括矩形检测框相对于待检测图像的像素坐标位置以及矩形检测框的尺寸(即长度和宽度)，人脸关键点为左眼、右眼、鼻子、左嘴角和右嘴角五个关键点，人脸关键点对应的信息包括关键点相对于待检测图像的像素坐标位置。
步骤S30：基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像。
需要说明的是，以各个待检测图像对应的人脸检测框和人脸关键点为参考，将若干待检测图像中不存在人脸或人脸不合规的图像进行删除，得到筛选后的多个目标图像。可选地，确定各人脸检测框的长宽比，若一人脸检测框的长宽比不属于预设范围，则将该人脸检测框对应的待检测图像进行删除，预设范围为提前对大量人脸检测数据的人脸检测框长宽比分析得到的；将各人脸关键点与标准人脸关键点进行映射，确定各人脸关键点对应的偏移值，基于各人脸关键点对应的偏移值求取综合偏移值，将综合偏移值大于一定数值的待检测图像进行删除。优选地，从三个方面对若干待检测图像进行筛选：确定待检测图像的人脸检测框的尺寸是否满足要求，删除掉人脸检测框的尺寸不满足要求的待检测图像；确定人脸关键点的外接矩形是否超出人脸检测框，删除掉人脸关键点的外接矩形超出人脸检测框的待检测图像；确定人脸关键点的外接矩形尺寸是否满足要求；删除掉人脸关键点的外接矩形尺寸不满足要求的待检测图像。将易造成人脸识别误检或没有检测必要的图像进行删除，为人脸检测提供真实存在人脸的图像，进一步提高了人脸检测效率，降低了人脸检测的误检概率。
步骤S40：利用预设二分类模型分别对各个所述目标图像进行分类，得到各个所述目标图像对应的分类结果。
应当理解的是，预设二分类模型为提前训练好的非人脸0、人脸1二分类模型，在检测到目标图像中存在人脸时，输出1的分类结果，在检测到目标图像中不存在人脸时，输出0的分类结果。
具体地，所述的预设二分类模型包括通道数目减半的VGG16网络、预设通道数量的全连接层以及分类层。
需要说明的是，预设通道数量为2，分类层为softmax层，利用通道数目减半的VGG16网络提取目标图像的特征信息，减小了模型规模，提升了模型分类效率，将VGG16网络提取的特征信息输入至通道数为2的全连接层，利用全连接层分别对特征信息进行特征加权，确定最终特征，分类层对最终特征进行分类，确定目标图像的分类结果。
步骤S50：根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果。
应当理解的是，预设二分类模型对于多个目标图像进行分类，除预设二分类模型分类结果为0的图像，将模型分类结果为1的图像作为目标人脸数据，并确定目标人脸数据对应的人脸检测结果为真。在具体实现中，向用户端推送目标人脸数据，使得用户端对去误检后的人脸数据进行展示。在一种实现方式中，本实施例利用若干目标人脸数据为人脸正样本构建数据集，利用该数据集可以实现人脸检测模型的训练，进一步提升人脸检测模型的准确度。
进一步地，所述步骤S50之后，所述方法还包括：利用预设目标检测模型分别对各个所述目标人脸数据进行检测，得到各个所述目标人脸数据对应的人脸身份检测结果。
需要说明的是，预设目标检测模型可以为提前训练好的人脸特征提取模型，结合人脸形状、关键点位置等信息，提取出人脸特征，与预设数据库中的已存在人脸信息进行比对，确定各个目标人脸数据对应的人脸身份，在检测到陌生人脸时，存储为陌生人脸数据，并标记陌生身份，并向用户端推送陌生人脸数据和预警信息。
本实施例通过获取若干待检测图像；对各个待检测图像分别进行人脸识别和人脸关键点识别，得到各个待检测图像对应的人脸检测框和人脸关键点；基于人脸检测框和人脸关键点对若干待检测图像进行筛选，得到多个目标图像；利用预设二分类模型分别对各个目标图像进行分类，得到各个目标图像对应的分类结果；根据分类结果确定若干目标人脸数据和对应的人脸检测结果。通过上述方式，联合人脸检测框、人脸关键点以及二分类模型进行人脸去误检，去除人脸检测框或人脸关键点不符合要求的图像，并利用预设二分类模型进行人脸数据区分，有效消除实际复杂场景的人脸误检，进一步提升了人脸检测准确率。
参考图3，图3为本发明人脸检测方法第二实施例的流程示意图。
基于上述第一实施例，本实施例人脸检测方法的所述步骤S30，包括：
步骤S301：基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果。
可以理解的是，判断各个待检测图像对应的人脸检测框是否满足检测框尺寸要求，得到对应的检测框尺寸识别结果，检测框尺寸识别结果包括满足检测框尺寸要求和不满足检测框尺寸要求。
可选地，所述步骤S301，包括：判断各个所述待检测图像对应的人脸检测框的边长是否小于预设像素值，得到各个所述待检测图像对应的检测框尺寸识别结果。
需要说明的是，预设像素值为提前设置的用于区分人脸检测框尺寸是否满足要求的边长临界值，当人脸检测框的边长小于预设像素值时，确定对应待检测图像的检测框尺寸识别结果为不满足检测框尺寸要求，当人脸检测框的边长大于或等于预设像素值时，确定对应待检测图像的检测框尺寸识别结果为满足检测框尺寸要求。可选地，预设像素值为10，人脸检测框边长小于10的待检测图像中人脸太小，极大可能会产生误检。
步骤S302：根据所述检测框尺寸识别结果对若干所述待检测图像进行筛选，得到多个第一图像。
应当理解的是，将若干待检测图像中检测框尺寸识别结果为不满足检测框尺寸要求的图像进行删除，得到筛选后的多个第一图像，本实施例从检测框尺寸方面对图像进行筛选，将可能产生误检的图像进行删除，降低了人脸检测的误检概率。
可选地，所述步骤S302，包括：根据所述检测框尺寸识别结果将若干所述待检测图像中人脸检测框的边长小于所述预设像素值的图像进行删除，得到多个第一图像。
需要说明的是，以预设像素值为10为例进行说明，分别判断N个待检测图像的人脸检测框的边长是否小于10，将人脸检测框的边长小于10的M个待检测图像进行删除，得到剩余的N-M个第一图像。
步骤S303：基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果。
应当理解的是，判断各个第一图像对应的人脸检测框和人脸关键点是否满足联合识别要求，得到对应的联合识别结果，联合识别结果包括满足联合识别要求和不满足联合识别要求。
可选地，所述步骤S303，包括：基于所述人脸关键点确定对应的关键点外接矩形；判断各个所述第一图像对应的关键点外接矩形是否超出对应的人脸检测框的边界，得到各个所述第一图像对应的联合识别结果。
需要说明的是，关键点外接矩形为五个关键点对应的最小外接矩形，在具体实现中，可以利用opencv函数cv2.minAreaRect(point)确定各个第一图像对应的人脸关键点的关键点外接矩形，其中，point为所求最小外接矩形的点集数组或向量，这个点集可以任意个数。联合识别要求为关键点外接矩形不超出对应人脸检测框的边界，当关键点外接矩形超出人脸检测框的边界时，确定对应第一图像的联合识别结果为不满足联合识别要求；当关键点外接矩形未超出人脸检测框的边界时，确定对应第一图像的联合识别结果为满足联合识别要求。
步骤S304：根据所述联合识别结果对多个所述第一图像进行筛选，得到多个第二图像。
应当理解的是，将多个第一图像中联合识别结果为不满足联合识别要求的图像进行删除，得到筛选后的多个第二图像，本实施例联合检测框和关键点外接矩形对图像进行筛选，删除偏移角度过大或易造成人脸误识别的图像，降低了人脸检测的误检概率。
可选地，所述步骤S304，包括：根据所述联合识别结果将多个所述第一图像中关键点外接矩形超出对应人脸检测框的边界的图像进行删除，得到多个第二图像。
需要说明的是，分别判断N-M个第一图像的关键点外接矩形是否超出人脸检测框的边界，将关键点外接矩形超出人脸检测框的边界的L个第一图像进行删除，得到剩余N-M-L个第二图像。
步骤S305：基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果。
应当理解的是，判断各个第二图像对应的人脸关键点是否满足关键点位置要求，得到对应的关键点位置识别结果，关键点位置识别结果包括满足关键点位置要求和不满足关键点位置要求。可选地，将各人脸关键点与标准人脸关键点进行映射，确定各人脸关键点对应的偏移值，基于各人脸关键点对应的偏移值求取综合偏移值，判断综合偏移值是否大于预设数值，得到关键点位置识别结果，当综合偏移值大于预设数值时，确定关键点位置识别结果为不满足关键点位置要求。
可选地，所述步骤S305，包括：判断各个所述第二图像对应的人脸关键点的外接矩形边长是否小于预设边长值，得到各个所述第二图像对应的关键点位置识别结果。
需要说明的是，预设边长值为提前设置的用于区分人脸关键点的外接矩形边长是否满足要求的边长临界值，当人脸关键点的外接矩形边长小于预设边长值时，确定对应第二图像的关键点位置识别结果为不满足关键点位置要求，当人脸关键点的外接矩形边长大于或等于预设边长值时，确定对应第二图像的关键点位置识别结果为满足检测框尺寸要求。可选地，预设边长值可以为固定数值，例如5，还可以为根据偏移角度确定的数值，人脸关键点的外接矩形边长小于5的图像中人脸偏移角度过大，极大可能会产生误检。由于人脸误检往往会使得关键点杂乱，形成跟人脸五官比例相同，但是五个关键点的最小外接矩形小的伪人脸，对这种图像进行人脸检测，极易产生误检，且无法提取重要人脸特征，将这部分图像进行删除，为人脸检测提供具备有效信息的图像，进一步降低了人脸检测的误检概率。
进一步地，所述步骤S305之前，所述方法还包括：获取预设偏移角度和标准双眼间距；基于所述预设偏移角度和所述标准双眼间距确定预设边长值。
应当理解的是，相比于正脸，侧脸图像中左右眼睛关键点距离以及左右嘴角关键点的距离小很多，因此侧脸的五个关键点所形成的最小外接矩形的宽度也小很多。预设偏移角度为提前设置的用于区分人脸偏移角度是否过大的临界值，当人脸偏移角度大于或等于预设偏移角度时，表征人脸偏移角度过大，容易造成人脸检测误检，当人脸偏移角度小于预设偏移角度时，表征人脸未偏移或偏移角度不大，可以用来进行人脸检测。标准双眼间距为提前设置的与当前人脸关键点匹配的标准正脸的双眼间距，具体地，将标准正脸的关键点与当前检测到的人脸关键点进行映射，以使标准正脸的尺寸与当前检测的人脸的尺寸匹配，确定映射后的标准正脸对应的标准正脸双眼间距。基于预设偏移角度和标准双眼间距通过以下公式确定预设边长值：
x＝d*cosinA；
其中，x为预设边长值，d为标准双眼间距，A为预设偏移角度。
步骤S306：根据所述关键点位置识别结果对多个所述第二图像进行筛选，得到多个目标图像。
应当理解的是，将多个第二图像中关键点位置识别结果为不满足关键点位置识别要求的图像进行删除，得到筛选后的多个目标图像，本实施例从关键点位置方面对图像进行筛选，删除偏移角度过大或易造成人脸误识别的图像，降低了人脸检测的误检概率。
可选地，所述步骤S306，包括：根据所述关键点位置识别结果将多个所述第二图像中人脸关键点的外接矩形边长小于所述预设边长值的图像进行删除，得到多个目标图像。
需要说明的是，分别判断N-M-L个第二图像对应的人脸关键点的外接矩形边长是否小于预设边长值，将人脸关键点的外接矩形边长小于预设边长值的K个第二图像进行删除，得到剩余N-M-L-K个目标图像。
本实施例基于人脸检测框确定各个待检测图像对应的检测框尺寸识别结果；根据检测框尺寸识别结果对若干待检测图像进行筛选，得到多个第一图像；基于人脸检测框和人脸关键点确定各个第一图像对应的联合识别结果；根据联合识别结果对多个第一图像进行筛选，得到多个第二图像；基于人脸关键点确定各个第二图像对应的关键点位置识别结果；根据关键点位置识别结果对多个第二图像进行筛选，得到多个目标图像。通过上述方式，联合人脸检测框尺寸识别、人脸检测框和人脸关键点联合识别、人脸关键点位置识别对图像进行筛选，删除掉人脸过小、人脸偏移角度过大以及易造成人脸误识别的图像，为人脸检测提供真实存在人脸的、具备有效信息的图像，进一步提高了人脸检测效率，降低了人脸检测的误检概率。
参考图4，图4为本发明人脸检测方法第三实施例的流程示意图。
基于上述第一实施例，本实施例人脸检测方法的所述步骤S10，包括：
步骤S101：基于监控设备获取若干监控图像。
可以理解的是，监控设备可以为实际场景下的监控摄像头，监控设备按照预设采集频率采集若干监控图像，将若干监控图像反馈至人脸检测设备。其中，监控设备可以为特定的一个监控设备，还可以为与人脸检测设备通信的多个监控设备。
步骤S102：按照所述监控设备对应的预设感兴趣区域从所述若干监控图像中获取对应的若干待检测图像。
需要说明的是，每个监控画面提前设置有用于监控人脸的感兴趣区域(ROI)，根据监控设备对应的预设感兴趣区域的外接矩形对采集到的监控图像进行截取，得到若干待检测图像，利用截取得到的待检测图像进行人脸识别和人脸关键点识别。
本实施例基于监控设备获取若干监控图像；按照监控设备对应的预设感兴趣区域从若干监控图像中获取对应的若干待检测图像。通过上述方式，利用预设感兴趣区域进行人脸检测、关键点检测以及模型分类，图像尺寸小，提高检测效率，图像中人脸的背景少，有效减少人脸误检。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有人脸检测程序，所述人脸检测程序被处理器执行时实现如上文所述的人脸检测方法。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
参照图5，图5为本发明人脸检测装置第一实施例的结构框图。
如图5所示，本发明实施例提出的人脸检测装置包括：
获取模块10，用于获取若干待检测图像。
识别模块20，用于对各个所述待检测图像分别进行人脸识别和人脸关键点识别，得到各个所述待检测图像对应的人脸检测框和人脸关键点。
筛选模块30，用于基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像。
分类模块40，用于利用预设二分类模型分别对各个所述目标图像进行分类，得到各个所述目标图像对应的分类结果。
确定模块50，用于根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例通过获取若干待检测图像；对各个待检测图像分别进行人脸识别和人脸关键点识别，得到各个待检测图像对应的人脸检测框和人脸关键点；基于人脸检测框和人脸关键点对若干待检测图像进行筛选，得到多个目标图像；利用预设二分类模型分别对各个目标图像进行分类，得到各个目标图像对应的分类结果；根据分类结果确定若干目标人脸数据和对应的人脸检测结果。通过上述方式，联合人脸检测框、人脸关键点以及二分类模型进行人脸去误检，去除人脸检测框或人脸关键点不符合要求的图像，并利用预设二分类模型进行人脸数据区分，有效消除实际复杂场景的人脸误检，进一步提升了人脸检测准确率。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的人脸检测方法，此处不再赘述。
在一实施例中，所述筛选模块30，还用于基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果，根据所述检测框尺寸识别结果对若干所述待检测图像进行筛选，得到多个第一图像，基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果，根据所述联合识别结果对多个所述第一图像进行筛选，得到多个第二图像，基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果，根据所述关键点位置识别结果对多个所述第二图像进行筛选，得到多个目标图像。
在一实施例中，所述筛选模块30，还用于判断各个所述待检测图像对应的人脸检测框的边长是否小于预设像素值，得到各个所述待检测图像对应的检测框尺寸识别结果。
在一实施例中，所述筛选模块30，还用于根据所述检测框尺寸识别结果将若干所述待检测图像中人脸检测框的边长小于所述预设像素值的图像进行删除，得到多个第一图像。
在一实施例中，所述筛选模块30，还用于基于所述人脸关键点确定对应的关键点外接矩形，判断各个所述第一图像对应的关键点外接矩形是否超出对应的人脸检测框的边界，得到各个所述第一图像对应的联合识别结果。
在一实施例中，所述筛选模块30，还用于根据所述联合识别结果将多个所述第一图像中关键点外接矩形超出对应人脸检测框的边界的图像进行删除，得到多个第二图像。
在一实施例中，所述筛选模块30，还用于判断各个所述第二图像对应的人脸关键点的外接矩形边长是否小于预设边长值，得到各个所述第二图像对应的关键点位置识别结果。
在一实施例中，所述筛选模块30，还用于根据所述关键点位置识别结果将多个所述第二图像中人脸关键点的外接矩形边长小于所述预设边长值的图像进行删除，得到多个目标图像。
在一实施例中，所述人脸检测装置还包括计算模块；
所述计算模块，用于获取预设偏移角度和标准双眼间距，基于所述预设偏移角度和所述标准双眼间距确定预设边长值。
在一实施例中，所述获取模块10，还用于基于监控设备获取若干监控图像，按照所述监控设备对应的预设感兴趣区域从所述若干监控图像中获取对应的若干待检测图像。
在一实施例中，所述的预设二分类模型包括通道数目减半的VGG16网络、预设通道数量的全连接层以及分类层。
在一实施例中，所述人脸检测装置还包括身份检测模块；
所述身份检测模块，用于利用预设目标检测模型分别对各个所述目标人脸数据进行检测，得到各个所述目标人脸数据对应的人脸身份检测结果。
此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
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。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
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。
本发明公开了A1、一种人脸检测方法，所述人脸检测方法包括：
获取若干待检测图像；
对各个所述待检测图像分别进行人脸识别和人脸关键点识别，得到各个所述待检测图像对应的人脸检测框和人脸关键点；
基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像；
利用预设二分类模型分别对各个所述目标图像进行分类，得到各个所述目标图像对应的分类结果；
根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果。
A2、如A1所述的人脸检测方法，所述基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像，包括：
基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果；
根据所述检测框尺寸识别结果对若干所述待检测图像进行筛选，得到多个第一图像；
基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果；
根据所述联合识别结果对多个所述第一图像进行筛选，得到多个第二图像；
基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果；
根据所述关键点位置识别结果对多个所述第二图像进行筛选，得到多个目标图像。
A3、如A2所述的人脸检测方法，所述基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果，包括：
判断各个所述待检测图像对应的人脸检测框的边长是否小于预设像素值，得到各个所述待检测图像对应的检测框尺寸识别结果。
A4、如A3所述的人脸检测方法，所述根据所述检测框尺寸识别结果对若干所述待检测图像进行筛选，得到多个第一图像，包括：
根据所述检测框尺寸识别结果将若干所述待检测图像中人脸检测框的边长小于所述预设像素值的图像进行删除，得到多个第一图像。
A5、如A2所述的人脸检测方法，所述基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果，包括：
基于所述人脸关键点确定对应的关键点外接矩形；
判断各个所述第一图像对应的关键点外接矩形是否超出对应的人脸检测框的边界，得到各个所述第一图像对应的联合识别结果。
A6、如A5所述的人脸检测方法，所述根据所述联合识别结果对多个所述第一图像进行筛选，得到多个第二图像，包括：
根据所述联合识别结果将多个所述第一图像中关键点外接矩形超出对应人脸检测框的边界的图像进行删除，得到多个第二图像。
A7、如A2所述的人脸检测方法，所述基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果，包括：
判断各个所述第二图像对应的人脸关键点的外接矩形边长是否小于预设边长值，得到各个所述第二图像对应的关键点位置识别结果。
A8、如A7所述的人脸检测方法，所述根据所述关键点位置识别结果对多个所述第二图像进行筛选，得到多个目标图像，包括：
根据所述关键点位置识别结果将多个所述第二图像中人脸关键点的外接矩形边长小于所述预设边长值的图像进行删除，得到多个目标图像。
A9、如A7所述的人脸检测方法，所述基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果之前，所述方法还包括：
获取预设偏移角度和标准双眼间距；
基于所述预设偏移角度和所述标准双眼间距确定预设边长值。
A10、如A1-A9中任一项所述的人脸检测方法，所述获取若干待检测图像，包括：
基于监控设备获取若干监控图像；
按照所述监控设备对应的预设感兴趣区域从所述若干监控图像中获取对应的若干待检测图像。
A11、如A1-A9中任一项所述的人脸检测方法，所述的预设二分类模型包括通道数目减半的VGG16网络、预设通道数量的全连接层以及分类层。
A12、如A1-A9中任一项所述的人脸检测方法，所述根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果之后，所述方法还包括：
利用预设目标检测模型分别对各个所述目标人脸数据进行检测，得到各个所述目标人脸数据对应的人脸身份检测结果。
本发明还公开了B13、一种人脸检测装置，所述人脸检测装置包括：
获取模块，用于获取若干待检测图像；
识别模块，用于对各个所述待检测图像分别进行人脸识别和人脸关键点识别，得到各个所述待检测图像对应的人脸检测框和人脸关键点；
筛选模块，用于基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像；
分类模块，用于利用预设二分类模型分别对各个所述目标图像进行分类，得到各个所述目标图像对应的分类结果；
确定模块，用于根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果。
B14、如B13所述的人脸检测装置，所述筛选模块，还用于基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果，根据所述检测框尺寸识别结果对若干所述待检测图像进行筛选，得到多个第一图像，基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果，根据所述联合识别结果对多个所述第一图像进行筛选，得到多个第二图像，基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果，根据所述关键点位置识别结果对多个所述第二图像进行筛选，得到多个目标图像。
B15、如B14所述的人脸检测装置，所述筛选模块，还用于判断各个所述待检测图像对应的人脸检测框的边长是否小于预设像素值，得到各个所述待检测图像对应的检测框尺寸识别结果。
B16、如B15所述的人脸检测装置，所述筛选模块，还用于根据所述检测框尺寸识别结果将若干所述待检测图像中人脸检测框的边长小于所述预设像素值的图像进行删除，得到多个第一图像。
B17、如B14所述的人脸检测装置，所述筛选模块，还用于基于所述人脸关键点确定对应的关键点外接矩形，判断各个所述第一图像对应的关键点外接矩形是否超出对应的人脸检测框的边界，得到各个所述第一图像对应的联合识别结果。
B18、如B17所述的人脸检测装置，所述筛选模块，还用于根据所述联合识别结果将多个所述第一图像中关键点外接矩形超出对应人脸检测框的边界的图像进行删除，得到多个第二图像。
本发明还公开了C19、一种人脸检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸检测程序，所述人脸检测程序配置为实现如A1至A12中任一项所述的人脸检测方法。
本发明还公开了D20、一种存储介质，所述存储介质上存储有人脸检测程序，所述人脸检测程序被处理器执行时实现如A1至A12任一项所述的人脸检测方法。

Claims (10)

1.一种人脸检测方法，其特征在于，所述人脸检测方法包括：
获取若干待检测图像；
对各个所述待检测图像分别进行人脸识别和人脸关键点识别，得到各个所述待检测图像对应的人脸检测框和人脸关键点；
基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像；
利用预设二分类模型分别对各个所述目标图像进行分类，得到各个所述目标图像对应的分类结果；
根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果。
2.如权利要求1所述的人脸检测方法，其特征在于，所述基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像，包括：
基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果；
根据所述检测框尺寸识别结果对若干所述待检测图像进行筛选，得到多个第一图像；
基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果；
根据所述联合识别结果对多个所述第一图像进行筛选，得到多个第二图像；
基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果；
根据所述关键点位置识别结果对多个所述第二图像进行筛选，得到多个目标图像。
3.如权利要求2所述的人脸检测方法，其特征在于，所述基于所述人脸检测框确定各个所述待检测图像对应的检测框尺寸识别结果，包括：
判断各个所述待检测图像对应的人脸检测框的边长是否小于预设像素值，得到各个所述待检测图像对应的检测框尺寸识别结果。
4.如权利要求2所述的人脸检测方法，其特征在于，所述基于所述人脸检测框和所述人脸关键点确定各个所述第一图像对应的联合识别结果，包括：
基于所述人脸关键点确定对应的关键点外接矩形；
判断各个所述第一图像对应的关键点外接矩形是否超出对应的人脸检测框的边界，得到各个所述第一图像对应的联合识别结果。
5.如权利要求2所述的人脸检测方法，其特征在于，所述基于所述人脸关键点确定各个所述第二图像对应的关键点位置识别结果，包括：
判断各个所述第二图像对应的人脸关键点的外接矩形边长是否小于预设边长值，得到各个所述第二图像对应的关键点位置识别结果。
6.如权利要求1-5中任一项所述的人脸检测方法，其特征在于，所述获取若干待检测图像，包括：
基于监控设备获取若干监控图像；
按照所述监控设备对应的预设感兴趣区域从所述若干监控图像中获取对应的若干待检测图像。
7.如权利要求1-5中任一项所述的人脸检测方法，其特征在于，所述的预设二分类模型包括通道数目减半的VGG16网络、预设通道数量的全连接层以及分类层。
8.一种人脸检测装置，其特征在于，所述人脸检测装置包括：
获取模块，用于获取若干待检测图像；
识别模块，用于对各个所述待检测图像分别进行人脸识别和人脸关键点识别，得到各个所述待检测图像对应的人脸检测框和人脸关键点；
筛选模块，用于基于所述人脸检测框和所述人脸关键点对若干所述待检测图像进行筛选，得到多个目标图像；
分类模块，用于利用预设二分类模型分别对各个所述目标图像进行分类，得到各个所述目标图像对应的分类结果；
确定模块，用于根据所述分类结果确定若干目标人脸数据和对应的人脸检测结果。
9.一种人脸检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸检测程序，所述人脸检测程序配置为实现如权利要求1至7中任一项所述的人脸检测方法。
10.一种存储介质，其特征在于，所述存储介质上存储有人脸检测程序，所述人脸检测程序被处理器执行时实现如权利要求1至7任一项所述的人脸检测方法。
CN202210321014.8A 2022-03-29 2022-03-29 人脸检测方法、装置、设备及存储介质 Withdrawn CN114758384A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210321014.8A CN114758384A (zh) 2022-03-29 2022-03-29 人脸检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210321014.8A CN114758384A (zh) 2022-03-29 2022-03-29 人脸检测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114758384A true CN114758384A (zh) 2022-07-15

Family

ID=82327301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210321014.8A Withdrawn CN114758384A (zh) 2022-03-29 2022-03-29 人脸检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114758384A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115953389A (zh) * 2023-02-24 2023-04-11 广州视景医疗软件有限公司 一种基于人脸关键点检测的斜视判别方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115953389A (zh) * 2023-02-24 2023-04-11 广州视景医疗软件有限公司 一种基于人脸关键点检测的斜视判别方法和装置
CN115953389B (zh) * 2023-02-24 2023-11-24 广州视景医疗软件有限公司 一种基于人脸关键点检测的斜视判别方法和装置

Similar Documents

Publication Publication Date Title
CN110197146B (zh) 基于深度学习的人脸图像分析方法、电子装置及存储介质
CN110363047A (zh) 人脸识别的方法、装置、电子设备和存储介质
CN109299658B (zh) 脸部检测方法、脸部图像渲染方法、装置及存储介质
CN113793336B (zh) 一种检测血细胞的方法、装置、设备及可读存储介质
CN111696080B (zh) 一种基于静态纹理的人脸欺诈检测方法、系统及存储介质
JP2014041477A (ja) 画像認識装置及び画像認識方法
CN112149570B (zh) 多人活体检测方法、装置、电子设备及存储介质
CN112633221A (zh) 一种人脸方向的检测方法及相关装置
CN110738607A (zh) 基于人工智能拍摄驾驶证的方法、装置、设备及存储介质
CN112926601A (zh) 基于深度学习的图像识别方法、装置、设备及存储介质
CN115862113A (zh) 陌生人异常识别方法、装置、设备及存储介质
CN113762229A (zh) 一种建筑场地内建筑器材的智能识别方法及系统
CN116228644A (zh) 图像检测方法、电子设备及存储介质
CN111582134A (zh) 证件边沿检测方法、装置、设备和介质
CN115223022A (zh) 一种图像处理方法、装置、存储介质及设备
CN110222660B (zh) 一种基于动态与静态特征融合的签名鉴伪方法及系统
JP2007025902A (ja) 画像処理装置、画像処理方法
CN114758384A (zh) 人脸检测方法、装置、设备及存储介质
JP2019066909A (ja) 物体分布推定装置
CN110610178A (zh) 图像识别方法、装置、终端及计算机可读存储介质
CN115661903A (zh) 一种基于空间映射协同目标过滤的识图方法及装置
US11749021B2 (en) Retrieval device, control method, and non-transitory storage medium
CN114445916A (zh) 一种活体检测方法、终端设备及存储介质
CN112069885A (zh) 人脸属性识别方法、装置及移动终端
CN112149598A (zh) 一种侧脸评估方法、装置、电子设备及存储介质

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220715

WW01 Invention patent application withdrawn after publication