本申请实施例提供了一种基于卷积神经网络的人脸检测设备。所述设备包括：前端特征提取器单元和后端检测器单元。所述前端特征提取器单元包括：基本特征提取器、多尺度特征提取器和深度特征提取器。所述基本特征提取器用于对输入灰度图像应用第一组卷积核以生成一组基本特征图。所述多尺度特征提取器用于对所述一组基本特征图应用第二组卷积核以生成多组中间特征图，所述多组中间特征图被连接在一起。所述深度特征提取器用于对连接层执行至少一卷积操作。所述后端检测器单元包括至少一个检测器，其输入来自于所述多尺度特征提取器或所述深度特征提取器。所述深度特征提取器。所述深度特征提取器。
【技术实现步骤摘要】
【国外来华专利技术】人脸检测装置、方法和人脸解锁系统
[0001]相关申请的交叉引用
[0002]本申请要求于2019年11月20日提交的申请号为No.62/938,205，标题为“人脸检测器在人脸解锁应用中的方法和系统”的美国临时申请的优先权，其全部内容通过引用结合在本申请中。
[0003]本申请涉及计算机视觉
，尤其涉及一种人脸检测设备、一种人脸检测方法和一种人脸解锁系统。
技术介绍
[0004]人脸检测一直是计算机视觉研究中最重要的课题之一，在人脸解锁、视频监控等日常应用中发挥着重要作用。
[0005]目前，大多数研究都集中在野外环境中，其中，人脸通常具有不同的尺度，很难检测到极小的人脸；人脸检测的研究主要集中在提高人脸检测准确度上，增加了昂贵的计算成本。然而，上述两种情况都不是人脸解锁的关注点。原因如下：1)人脸尺度与人脸解锁下的尺度不同；2)人脸解锁部署在移动设备上，计算能力非常有限。
技术实现思路
[0006]本申请提供了一种人脸检测设备、人脸检测方法和人脸解锁系统，能够实现良好的准确性，并且重量轻，易于部署在移动设备上。
[0007]本申请实施例提供了一种基于卷积神经网络的人脸检测设备。所述设备包括前端特征提取器单元和后端检测器单元。所述前端特征提取器单元包括基本特征提取器、多尺度特征提取器和深度特征提取器。所述基本特征提取器用于对输入灰度图像应用第一组卷积核，以生成一组基本特征图(feature map)。所述多尺度特征提取器用于将大小小于所述第一组卷积核的第二组卷积核应用于所述一组基本特征图，从而生成多组中间特征图。所述深度特征提取器用于对所述多组中间特征图执行至少一卷积操作。所述后端检测器单元包括至少一个检测器，其输入来自所述多尺度特征提取器或所述深度特征提取器。
[0008]本申请实施例提供了一种基于卷积神经网络的人脸检测方法。所述方法包括：对输入灰度图像应用第一组卷积核，以生成一组基本特征图；在所述一组基本特征图上应用第二组卷积核，所述第二组卷积核的大小小于所述第一组卷积核的大小，从而生成多组中间特征图；对所述多组中间特征图执行至少一个卷积操作，以生成一组深度特征图；以及基于所述多组中间特征图或所述一组深度特征图确定边界框分类和边界框回归。
[0009]本申请实施例提供了一种人脸解锁系统。所述系统包括：用于拍摄图像的红外摄像机；用于对拍摄的所述图像进行解码以形成灰度图像的图像解码设备；用于生成一组基本特征图、多组中间特征图和一组深度特征图，并输出边界框分类结果和边界框回归结果的人脸检测设备；以及用于基于所述边界框分类结果和所述边界框回归结果确定所述灰度
图像是否对应于用于解锁的被授权人的人脸验证设备。
[0010]所述人脸检测设备、所述人脸检测方法和所述人脸解锁系统重量轻，易于部署在移动终端设备上，以及提高了人脸检测的准确性。
附图说明
[0011]为了更清楚地描述本申请的技术方案，下面对实施例描述中所需要使用的附图进行简单的介绍。显而易见地，以下描述中的附图仅示出了本申请的一些实施例，对于本领域技术人员来说，在不付出创造性劳动的前提下，可以根据这些附图获得其他附图。
[0012]图1示出了根据本申请实施例提供的人脸解锁系统的框图。
[0013]图2示出了根据本申请实施例提供的人脸检测设备的示意图。
[0014]图3示出了根据本申请实施例提供的基本特征提取器的示意图。
[0015]图4示出了根据本申请实施例提供的多尺度特征提取器的处理路径的示意图。
[0016]图5示出了根据本申请实施例提供的深度特征提取器的示意图。
[0017]图6示出了根据本申请实施例提供的后端检测器的示意图。
[0018]图7示出了根据本申请实施例提供的人脸检测方法的流程图。
具体实施方式
[0019]图中相同的附图标记表示相同的元件，并且为了说明，通过在适当的计算环境中实施来说明本申请的原理。以下描述基于本申请的示例性具体实施例，不应视为对本文未说明的其他实施例的限制。
[0020]本申请的原理使用具有通用或特定目的的许多其他计算系统、通信环境或配置来执行。适用于本申请的计算系统、环境和配置的众所周知的示例可以包括(但不限于)手持电话、个人计算机、服务器、多处理器系统、基于微型计算机的系统、主架构计算机和包括任何上述系统或设备的分布式计算环境。
[0021]下面将进行详细描述。
[0022]图1示出了人脸解锁系统10的结构示意图。人脸解锁系统10包括红外(Infrared Radiation,IR)摄像机11、图像解码设备12、人脸检测设备13和人脸验证设备18。
[0023]红外摄像机11采用红外传感器。红外传感器包括两部分，一个作为发射器的红外发光二极管(light
‑
emitting diode,LED)和一个作为接收器的红外光电二极管。红外LED是一种特殊用途的LED，其发射红外线的波长范围为700nm
‑
1mm。不同的红外LED可能会产生不同波长的红外光。红外LED可以由砷化镓或铝砷化镓制成。红外光电二极管对红外LED发出的红外光很敏感。光电二极管的电阻和输出电压与接收到的红外光成比例变化。这是红外传感器的基本工作原理。入射类型可以是直接入射或间接入射。在直接入射时，红外LED位于光电二极管的前面，且中间没有障碍物。在间接入射时，两个二极管并排放置，且传感器前面有不透明物体。红外LED发出的光照射到不透明物体的表面，反射回到光电二极管。
[0024]红外摄像机11用于拍摄物体的图像，即人脸。在本实施例中，拍摄的原始图像的大小可以是640
×
400，即宽度为640，高度为400。拍摄的原始图像的深度可能为12位。
[0025]当红外LED与红外结构光一起工作时，红外摄像机11可以构建3D图像。
[0026]红外摄像机11采用自动对焦技术，可以对焦人脸以捕捉清晰的人脸图像。
[0027]图像解码设备12用于对拍摄的原始图像进行灰度解码以形成灰度图像。灰度图像的每个像素都有一个像素值，范围从0到255。也就是说，解码的灰度图像可以表示为640
×
400大小的矩阵。
[0028]图像解码设备12可以以软件或硬件的方式实现。
[0029]图像解码设备12电连接在红外摄像机11和人脸检测设备13之间。从红外摄像机输出的拍摄的原始图像被输入到图像解码设备12。从图像解码设备12输出的解码的灰度图像可以输入到人脸检测设备13。
[0030]人脸检测设备13用于处理输入的灰度图像并输出检测结果。检测结果包括边界框(bounding box)分类结果和边界框回归结果。
[0031]边界框分类结果是指人脸分类结果，它包括两个维度，第一个维度表示是人脸的概率，第二个维度表示不是人脸的概率。
[0032]边界框回归结果是指边界框定位结果，它包本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种基于卷积神经网络的人脸检测设备，其特征在于，包括：前端特征提取器单元，包括：基本特征提取器，用于对输入灰度图像应用第一组卷积核以生成一组基本特征图；多尺度特征提取器，用于对所述一组基本特征图应用第二组卷积核以生成多组中间特征图，所述第二组卷积核的大小小于所述第一组卷积核的大小，所述多组中间特征图连接形成连接层；和深度特征提取器，用于对所述连接层执行至少一卷积操作；以及后端检测器单元，包括至少一个检测器，所述至少一个检测器的输入来自于所述多尺度特征提取器或所述深度特征提取器。2.根据权利要求1所述的设备，其特征在于，所述第一组卷积核包括：第一类卷积核和第二类卷积核，所述第一类卷积核的大小为N
×
N，所述第二类卷积核的大小为P
×
P，N大于P。3.根据权利要求2所述的设备，其特征在于，P是大于或等于5的整数。4.根据权利要求1所述的设备，其特征在于，所述基本特征提取器用于执行至少一卷积操作和至少一池化操作。5.根据权利要求1所述的设备，其特征在于，所述基本特征提取器用于依次执行第一操作、第二操作、第三操作和第四操作，所述第一操作和所述第三操作为卷积操作，所述第二操作和所述第四操作为池化操作。6.根据权利要求1所述的设备，其特征在于，所述基本特征提取器的下采样步长大于或等于32。7.根据权利要求2所述的设备，其特征在于，所述第二组卷积核包括：第三类卷积核和第四类卷积核，所述第三类卷积核的大小为C
×
C，所述第二类卷积核的大小为1
×
1，C大于1且小于P。8.根据权利要求1所述的设备，其特征在于，所述多尺度特征提取器包括：多个处理路径和一连接操作，所述多个处理路径用于在所述一组基本特征图上应用不同大小的卷积核以生成不同尺度的多组特征图，所述连接操作用于连接所述不同尺度的多组特征图以生成所述连接层。9.根据权利要求8所述的设备，其特征在于，每个所述处理路径包括1
×
1卷积操作。10.根据权利要求1所述的设备，其特征在于，所述至少一个检测器包括第一后端检测器和第二后端检测器，所述第一后端检测器的输入来自于所述多尺度特征提取器，所述第二后端检测器的输入来自于所述深度特征提取器。11.根据权利要求1所述的设备，其特征在于，所述深度特征提取器包括至少两个卷积操作；其中，所述至少一个检测器包括第一后端检测器、第二后端检测器和第三后端检测器，所述第一后端检测器的输入来自于所述多尺度特征提取器，所述第一后端检测器用于输出第一检测结果，所述第二后端检测器的输入来自于所述深度特征提取器的一个卷积操作，所述第二后端检测器用于输出第二检测结果，所述第三后端检测器的输入来自于所述深度特征提取器的另一个卷积操作...
【专利技术属性】
技术研发人员：周扬，刘杰，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。