人臉識(shí)別的方法、裝置及終端的制作方法
【專利摘要】本公開提供一種人臉識(shí)別的方法、裝置及終端，所述方法的一【具體實(shí)施方式】包括：獲取第一區(qū)域，所述第一區(qū)域?yàn)榇R(shí)別的目標(biāo)圖像中的部分區(qū)域，所述第一區(qū)域包含所述目標(biāo)圖像中的所有人臉；將從所述第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域；根據(jù)所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。該實(shí)施方式在保證不降低識(shí)別精度的情況下，無(wú)需對(duì)整個(gè)圖像的每個(gè)區(qū)域進(jìn)行精確識(shí)別，從而節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
【專利說(shuō)明】
人臉識(shí)別的方法、裝置及終端
技術(shù)領(lǐng)域
[0001]本公開涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別涉及一種人臉識(shí)別的方法、裝置及終端。
【背景技術(shù)】
[0002]人臉識(shí)別技術(shù)是當(dāng)前發(fā)展非常迅速的一項(xiàng)計(jì)算機(jī)技術(shù)，可以廣泛應(yīng)用于政府、軍隊(duì)、銀行、社會(huì)福利保障、電子商務(wù)、安全防務(wù)等領(lǐng)域。隨著技術(shù)的進(jìn)一步成熟和社會(huì)認(rèn)同度的提高，人臉識(shí)別技術(shù)將應(yīng)用在更多的領(lǐng)域，具有更加廣闊的應(yīng)用前景。
[0003]在相關(guān)技術(shù)中，為了提高人臉識(shí)別的準(zhǔn)確度，可以采用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)圖像進(jìn)行人臉識(shí)別。但是，在對(duì)圖像進(jìn)行識(shí)別時(shí)，通常需要對(duì)整個(gè)圖像的每個(gè)區(qū)域進(jìn)行精確識(shí)另IJ，從而才能較為準(zhǔn)確的定位出圖像中的人臉位置。從而浪費(fèi)了時(shí)間，降低了人臉識(shí)別的效率。

【發(fā)明內(nèi)容】

[0004]為了解決上述技術(shù)問(wèn)題，本公開提供一種人臉識(shí)別的方法、裝置及終端。
[0005]根據(jù)本公開實(shí)施例的第一方面，提供一種人臉識(shí)別的方法，包括:
[0006]獲取第一區(qū)域，所述第一區(qū)域?yàn)榇R(shí)別的目標(biāo)圖像中的部分區(qū)域，所述第一區(qū)域包含所述目標(biāo)圖像中的所有人臉；
[0007]將從所述第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域；
[0008]根據(jù)所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0009]可選的，所述獲取第一區(qū)域，包括:
[0010]獲取所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，所述人臉概率為具有人臉特征的概率；
[0011]基于所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從所述目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域。
[0012]可選的，所述獲取所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，包括:
[0013]基于全卷積網(wǎng)絡(luò)獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率；
[0014]根據(jù)所述每個(gè)檢測(cè)區(qū)域的人臉概率及位置信息，確定所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。
[0015]可選的，所述基于全卷積網(wǎng)絡(luò)獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率，包括:
[0016]采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的所述目標(biāo)圖像進(jìn)行識(shí)另IJ，以獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率;其中，所述第一尺度小于所述目標(biāo)圖像的原尺度。
[0017]可選的，所述基于所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從所述目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域，包括:
[0018]將所述目標(biāo)圖像中人臉概率大于或者等于第一概率的區(qū)域作為第二區(qū)域，從所述目標(biāo)圖像中獲取包含所述第二區(qū)域的最小矩形區(qū)域作為第一區(qū)域。
[0019]可選的，所述將從所述第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，包括:
[0020]獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息；
[0021]基于所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從所述第一區(qū)域中檢測(cè)出所述目標(biāo)區(qū)域。
[0022]可選的，所述獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息，包括:
[0023]采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別，以獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，所述第二尺度小于所述目標(biāo)圖像的原尺度，大于所述第一尺度。
[0024]可選的，重復(fù)執(zhí)行以下檢測(cè)步驟，以從所述第一區(qū)域中分別檢測(cè)出每個(gè)所述目標(biāo)區(qū)域:
[0025]獲取所述第一區(qū)域中未被標(biāo)記人臉標(biāo)識(shí)的檢測(cè)區(qū)域的集合；
[0026]將所述集合中滿足第一預(yù)定條件的檢測(cè)區(qū)域，作為中心檢測(cè)區(qū)域；
[0027]將所述中心檢測(cè)區(qū)域周圍滿足第二預(yù)定條件的檢測(cè)區(qū)域，作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域；
[0028]將所述中心檢測(cè)區(qū)域與對(duì)應(yīng)的周邊檢測(cè)區(qū)域構(gòu)成的連通區(qū)域作為一張人臉對(duì)應(yīng)目標(biāo)區(qū)域，并對(duì)所述中心檢測(cè)區(qū)域以及對(duì)應(yīng)的周邊檢測(cè)區(qū)域標(biāo)記相同的人臉標(biāo)識(shí)。
[0029]可選的，所述將所述中心檢測(cè)區(qū)域周圍滿足第二預(yù)定條件的檢測(cè)區(qū)域，作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域，包括:
[0030]從與所述中心檢測(cè)區(qū)域相鄰的檢測(cè)區(qū)域開始，依次獲取滿足第二預(yù)定條件的檢測(cè)區(qū)域作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。
[0031 ]可選的，所述滿足第一預(yù)定條件包括:人臉概率最大，并且人臉概率大于或者等于第二概率。
[0032]所述滿足第二預(yù)定條件包括:人臉概率大于或者等于第二概率，并且人臉概率小于與中心檢測(cè)區(qū)域之間的所有檢測(cè)區(qū)域的人臉概率。
[0033]可選的，所述根據(jù)所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息，包括:
[0034]基于所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域；
[0035]基于所述精確區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0036]可選的，所述基于所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域，包括:
[0037]若存在相鄰的目標(biāo)區(qū)域，將包含相鄰目標(biāo)區(qū)域的最小矩形區(qū)域作為候選區(qū)域；
[0038]采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第三尺度下的候選區(qū)域進(jìn)行識(shí)別，以獲取所述候選區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，所述第三尺度小于或者等于所述目標(biāo)圖像的原尺度，大于所述第二尺度；
[0039]重復(fù)執(zhí)行所述檢測(cè)步驟，以獲取所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。
[0040]可選的，針對(duì)每張人臉，確定出所述目標(biāo)圖像中該人臉對(duì)應(yīng)的位置信息，包括:
[0041]以該人臉的精確區(qū)域的中心為圓心獲取圓形區(qū)域，使得該圓形區(qū)域中，人臉的精確區(qū)域所占比例大于或者等于預(yù)定比例；
[0042]獲取該圓形區(qū)域的外接矩形的位置信息作為該人臉對(duì)應(yīng)的位置信息。
[0043]根據(jù)本公開實(shí)施例的第二方面，提供一種人臉識(shí)別的裝置，包括:
[0044]獲取模塊，被配置為獲取第一區(qū)域，所述第一區(qū)域?yàn)榇R(shí)別的目標(biāo)圖像中的部分區(qū)域，所述第一區(qū)域包含所述目標(biāo)圖像中的所有人臉；
[0045]檢測(cè)模塊，被配置為將從所述獲取模塊獲取的第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域；
[0046]確定模塊，被配置為根據(jù)所述檢測(cè)模塊檢測(cè)出的目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0047]可選的，所述獲取模塊包括:
[0048]第一獲取子模塊，被配置為獲取所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，所述人臉概率為具有人臉特征的概率；
[0049]第二獲取子模塊，被配置為基于所述第一獲取子模塊獲取的目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從所述目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域。
[0050]可選的，所述第一獲取子模塊包括:
[0051]概率獲取子模塊，被配置為基于全卷積網(wǎng)絡(luò)獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率；
[0052]信息確定子模塊，被配置為根據(jù)所述概率獲取子模塊獲取的每個(gè)檢測(cè)區(qū)域的人臉概率及位置信息，確定所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。
[0053]可選的，所述概率獲取子模塊包括:
[0054]第一識(shí)別子模塊，被配置為采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的所述目標(biāo)圖像進(jìn)行識(shí)別，以獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率;其中，所述第一尺度小于所述目標(biāo)圖像的原尺度。
[0055]可選的，所述第二獲取子模塊包括:
[0056]區(qū)域獲取子模塊，被配置為將所述目標(biāo)圖像中人臉概率大于或者等于第一概率的區(qū)域作為第二區(qū)域，從所述目標(biāo)圖像中獲取包含所述第二區(qū)域的最小矩形區(qū)域作為第一區(qū)域。
[0057]可選的，所述檢測(cè)模塊包括:
[0058]第三獲取子模塊，被配置為獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息；
[0059]檢測(cè)子模塊，被配置為基于所述第三獲取子模塊獲取的第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從所述第一區(qū)域中檢測(cè)出所述目標(biāo)區(qū)域。
[0060]可選的，所述第三獲取子模塊包括:
[0061]第二識(shí)別子模塊，被配置為采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別，以獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，所述第二尺度小于所述目標(biāo)圖像的原尺度，大于所述第一尺度。
[0062]可選的，所述檢測(cè)子模塊包括:
[0063]集合獲取子模塊，被配置為獲取所述第一區(qū)域中未被標(biāo)記人臉標(biāo)識(shí)的檢測(cè)區(qū)域的集合；
[0064]中心檢測(cè)區(qū)域確定子模塊，被配置為將所述集合獲取子模塊獲取的集合中滿足第一預(yù)定條件的檢測(cè)區(qū)域，作為中心檢測(cè)區(qū)域；
[0065]周邊檢測(cè)區(qū)域確定子模塊，被配置為將所述中心檢測(cè)區(qū)域確定子模塊確定的中心檢測(cè)區(qū)域周圍滿足第二預(yù)定條件的檢測(cè)區(qū)域，作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域；
[0066]標(biāo)記子模塊，被配置為將所述中心檢測(cè)區(qū)域與對(duì)應(yīng)的周邊檢測(cè)區(qū)域構(gòu)成的連通區(qū)域作為一張人臉對(duì)應(yīng)目標(biāo)區(qū)域，并對(duì)所述中心檢測(cè)區(qū)域以及對(duì)應(yīng)的周邊檢測(cè)區(qū)域標(biāo)記相同的人臉標(biāo)識(shí)。
[0067]可選的，所述周邊檢測(cè)區(qū)域確定子模塊包括:
[0068]條件檢測(cè)子模塊，被配置為從與所述中心檢測(cè)區(qū)域相鄰的檢測(cè)區(qū)域開始，依次獲取滿足第二預(yù)定條件的檢測(cè)區(qū)域作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。
[0069]可選的，所述滿足第一預(yù)定條件包括:人臉概率最大，并且人臉概率大于或者等于第二概率。
[0070]所述滿足第二預(yù)定條件包括:人臉概率大于或者等于第二概率，并且人臉概率小于與中心檢測(cè)區(qū)域之間的所有檢測(cè)區(qū)域的人臉概率。
[0071 ]可選的，所述確定模塊包括:
[0072]精確區(qū)域確定子模塊，被配置為基于所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域；
[0073]位置信息確定子模塊，被配置為基于所述精確區(qū)域確定子模塊確定的精確區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0074]可選的，所述精確區(qū)域確定子模塊包括:
[0075]選取子模塊，被配置為在存在相鄰的目標(biāo)區(qū)域時(shí)，將包含相鄰目標(biāo)區(qū)域的最小矩形區(qū)域作為候選區(qū)域；
[0076]第三識(shí)別子模塊，被配置為采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第三尺度下的候選區(qū)域進(jìn)行識(shí)別，以獲取所述候選區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，所述第三尺度小于或者等于所述目標(biāo)圖像的原尺度，大于所述第二尺度；
[0077]執(zhí)行子模塊，被配置為重復(fù)執(zhí)行所述檢測(cè)步驟，以獲取所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。
[0078]可選的，位置信息確定子模塊包括:
[0079]圓形區(qū)域獲取子模塊，被配置為以該人臉的精確區(qū)域的中心為圓心獲取圓形區(qū)域，使得該圓形區(qū)域中，人臉的精確區(qū)域所占比例大于或者等于預(yù)定比例；
[0080]位置信息獲取子模塊，被配置為獲取所述圓形區(qū)域獲取子模塊獲取的該圓形區(qū)域的外接矩形的位置信息作為該人臉對(duì)應(yīng)的位置信息。
[0081 ]根據(jù)本公開實(shí)施例的第三方面，提供一種終端，包括:
[0082]處理器；
[0083]用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；
[0084]其中，所述處理器被配置為:
[0085]獲取第一區(qū)域，所述第一區(qū)域?yàn)榇R(shí)別的目標(biāo)圖像中的部分區(qū)域，所述第一區(qū)域包含所述目標(biāo)圖像中的所有人臉；
[0086]將從所述第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域；
[0087]根據(jù)所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0088]本公開的實(shí)施例提供的技術(shù)方案可以包括以下有益效果:
[0089]本公開的上述實(shí)施例提供的人臉識(shí)別的方法，首先從待識(shí)別的目標(biāo)圖像中獲取包含所有人臉的部分區(qū)域作為第一區(qū)域，然后對(duì)第一區(qū)域進(jìn)行識(shí)別，從中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，最后根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而在保證不降低識(shí)別精度的情況下，無(wú)需對(duì)整個(gè)圖像的每個(gè)區(qū)域進(jìn)行精確識(shí)別，節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0090]本公開的上述實(shí)施例提供的人臉識(shí)別的方法，通過(guò)獲取目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，并基于目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域，將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而進(jìn)一步地節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0091]本公開的上述實(shí)施例提供的人臉識(shí)別的方法，在獲取到第一區(qū)域后，獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息，基于第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從第一區(qū)域中檢測(cè)出目標(biāo)區(qū)域，并根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而進(jìn)一步地節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0092]本公開的上述實(shí)施例提供的人臉識(shí)別的方法，在獲取到第一區(qū)域后，將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，并基于目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域，基于精確區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而提高了人臉識(shí)別的精確度和效率。
[0093]應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開。
【附圖說(shuō)明】
[0094]此處的附圖被并入說(shuō)明書中并構(gòu)成本說(shuō)明書的一部分，示出了符合本公開的實(shí)施例，并與說(shuō)明書一起用于解釋本公開的原理。
[0095]圖1A是本公開根據(jù)一示例性實(shí)施例示出的一種人臉識(shí)別的方法的流程圖；
[0096]圖1B是本公開根據(jù)一示例性實(shí)施例示出的一種從目標(biāo)圖像中選取第一區(qū)域的示意圖；
[0097]圖2是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的方法的流程圖；
[0098]圖3A是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的方法的流程圖；
[0099]圖3B是本公開根據(jù)一示例性實(shí)施例示出的一種從第一區(qū)域中檢測(cè)出目標(biāo)區(qū)域的方法的流程圖；
[0100]圖4是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的方法的流程圖；
[0101]圖5是本公開根據(jù)一示例性實(shí)施例示出的一種人臉識(shí)別的裝置的框圖；
[0102]圖6是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0103]圖7是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0104]圖8是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0105]圖9是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0106]圖10是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0107]圖11是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0108]圖12是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0109]圖13是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0110]圖14是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0111]圖15是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0112]圖16是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置的框圖；
[0113]圖17是本公開根據(jù)一示例性實(shí)施例示出的一種人臉識(shí)別的裝置的一結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0114]這里將詳細(xì)地對(duì)示例性實(shí)施例進(jìn)行說(shuō)明，其示例表示在附圖中。下面的描述涉及附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例中所描述的實(shí)施方式并不代表與本公開相一致的所有實(shí)施方式。相反，它們僅是與如所附權(quán)利要求書中所詳述的、本公開的一些方面相一致的裝置和方法的例子。
[0115]在本公開使用的術(shù)語(yǔ)是僅僅出于描述特定實(shí)施例的目的，而非旨在限制本公開。在本公開和所附權(quán)利要求書中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。還應(yīng)當(dāng)理解，本文中使用的術(shù)語(yǔ)“和/或”是指并包含一個(gè)或多個(gè)相關(guān)聯(lián)的列出項(xiàng)目的任何或所有可能組合。
[0116]應(yīng)當(dāng)理解，盡管在本公開可能采用術(shù)語(yǔ)第一、第二、第三等來(lái)描述各種信息，但這些信息不應(yīng)限于這些術(shù)語(yǔ)。這些術(shù)語(yǔ)僅用來(lái)將同一類型的信息彼此區(qū)分開。例如，在不脫離本公開范圍的情況下，第一信息也可以被稱為第二信息，類似地，第二信息也可以被稱為第一信息。取決于語(yǔ)境，如在此所使用的詞語(yǔ)“如果”可以被解釋成為“在……時(shí)”或“當(dāng)……時(shí)”或“響應(yīng)于確定”。
[0117]如圖1A所示，圖1A是根據(jù)一示例性實(shí)施例示出的一種人臉識(shí)別的方法的流程圖，該方法可以應(yīng)用于終端設(shè)備或者服務(wù)器中。本領(lǐng)域技術(shù)人員可以理解，該終端設(shè)備可以包括但不限于諸如智能手機(jī)的移動(dòng)終端設(shè)備、智能穿戴式設(shè)備、平板電腦、個(gè)人數(shù)字助理、膝上型便攜計(jì)算機(jī)以及臺(tái)式電腦等等。該方法包括以下步驟:
[0118]在步驟101中，獲取第一區(qū)域。
[0119]在本實(shí)施例中，首先可以獲取待識(shí)別的圖像作為目標(biāo)圖像?？梢酝ㄟ^(guò)攝像設(shè)備直接采集圖像，并將采集到的圖像作為目標(biāo)圖像，也可以從本地預(yù)存的圖像中選取一些圖像作為目標(biāo)圖像，還可以接收其它的終端設(shè)備或者服務(wù)器傳輸?shù)膱D像作為目標(biāo)圖像?？梢岳斫?，還可以通過(guò)其它方式獲取目標(biāo)圖像，本公開對(duì)獲取目標(biāo)圖像的具體方式方面不限定。
[0120]接著，可以從目標(biāo)圖像中獲取第一區(qū)域，該第一區(qū)域包含目標(biāo)圖像中的所有人臉，并且，該第一區(qū)域?yàn)槟繕?biāo)圖像中的部分區(qū)域。如圖1B所示，圖像111為目標(biāo)圖像，區(qū)域112為目標(biāo)圖像中的人臉區(qū)域，可以將區(qū)域113作為第一區(qū)域，該區(qū)域113包含目標(biāo)圖像中的所有人臉。也可以將區(qū)域114作為第一區(qū)域，該區(qū)域114也包含目標(biāo)圖像中的所有人臉。可以理解，目標(biāo)圖像中任意包含所有人臉的部分區(qū)域均可以作為第一區(qū)域，本公開對(duì)第一區(qū)域的具體選擇方面不限定。
[0121]在本實(shí)施例中，需要先粗略的檢測(cè)出目標(biāo)圖像中人臉的大概區(qū)域，根據(jù)目標(biāo)圖像中人臉的大概區(qū)域獲取第一區(qū)域。在一種實(shí)現(xiàn)方式中，可以采用現(xiàn)有的一些精確度較低的方式，直接對(duì)目標(biāo)圖像進(jìn)行識(shí)別，從而粗略的獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。在另一種實(shí)現(xiàn)方式中，還可以基于全卷積網(wǎng)絡(luò)的算法對(duì)縮小尺度的目標(biāo)圖像進(jìn)行識(shí)別，從而粗略的獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率?？梢岳斫?，還可以通過(guò)其它方式獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率，本公開對(duì)獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率的具體方式方面不限定。
[0122]在步驟102中，將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域。
[0123]在步驟103中，根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0124]在本實(shí)施例中，可以忽略目標(biāo)圖像中除第一區(qū)域以外的其它區(qū)域，僅對(duì)第一區(qū)域進(jìn)行識(shí)別分析，以從第一區(qū)域中分別檢測(cè)出每張人臉對(duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域。由于每個(gè)人臉對(duì)應(yīng)的目標(biāo)區(qū)域可能是一個(gè)圓形區(qū)域或者是一個(gè)近似圓形的不規(guī)則區(qū)域，而圖像由多行多列排布的像素點(diǎn)構(gòu)成，因此，為了便于描述和標(biāo)記，可以根據(jù)每個(gè)人臉對(duì)應(yīng)的目標(biāo)區(qū)域確定出包含該目標(biāo)區(qū)域的一個(gè)矩形區(qū)域，用該矩形區(qū)域描述和標(biāo)記目標(biāo)圖像中對(duì)應(yīng)人臉的位置信息。
[0125]本公開的上述實(shí)施例提供的人臉識(shí)別的方法，首先從待識(shí)別的目標(biāo)圖像中獲取包含所有人臉的部分區(qū)域作為第一區(qū)域，然后對(duì)第一區(qū)域進(jìn)行識(shí)別，從中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，最后根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而在保證不降低識(shí)別精度的情況下，無(wú)需對(duì)整個(gè)圖像的每個(gè)區(qū)域進(jìn)行精確識(shí)別，節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0126]如圖2所示，圖2根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的方法的流程圖，該實(shí)施例詳細(xì)描述了獲取第一區(qū)域的過(guò)程，該方法可以應(yīng)用于終端設(shè)備或者服務(wù)器中，包括以下步驟:
[0127]在步驟201中，獲取目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。
[0128]在本實(shí)施例中，上述人臉概率為具有人臉特征的概率。在獲取到待識(shí)別的目標(biāo)圖像以后，可以獲取目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。在本實(shí)施例的一種實(shí)現(xiàn)方式中，可以采用現(xiàn)有的一些精確度較低的方式，直接對(duì)目標(biāo)圖像進(jìn)行識(shí)別，從而粗略的獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。
[0129]在本實(shí)施例的另一種實(shí)現(xiàn)方式中，還可以基于全卷積網(wǎng)絡(luò)獲取目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。采用全卷積網(wǎng)絡(luò)技術(shù)獲取的目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息具有更高的準(zhǔn)確度。具體來(lái)說(shuō)，首先，可以基于全卷積網(wǎng)絡(luò)獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。對(duì)于目標(biāo)圖像來(lái)說(shuō)，由多個(gè)行和列的像素點(diǎn)排布而成，可以將目標(biāo)圖像按照像素點(diǎn)的排布均勻劃分成多個(gè)區(qū)域作為檢測(cè)區(qū)域，每個(gè)檢測(cè)區(qū)域包括一組矩形像素點(diǎn)的陣列。例如，可以以16*16的矩形像素點(diǎn)陣列為單位，對(duì)目標(biāo)圖像劃分檢測(cè)區(qū)域，假設(shè)，目標(biāo)圖像的像素為1600*3200，則可以從目標(biāo)圖像中劃分出100*200個(gè)檢測(cè)區(qū)域。以每個(gè)檢測(cè)區(qū)域?yàn)橐粋€(gè)檢測(cè)單位，分別計(jì)算每個(gè)檢測(cè)區(qū)域的人臉概率?？梢岳斫猓€可以以32*32的矩形像素點(diǎn)陣列為單位，對(duì)目標(biāo)圖像劃分檢測(cè)區(qū)域，本公開對(duì)檢測(cè)區(qū)域的具體劃分方面不限定。
[0130]在本實(shí)施例中，可以采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的目標(biāo)圖像進(jìn)行識(shí)別，以獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。其中，第一尺度小于目標(biāo)圖像的原尺度。具體地，可以先將目標(biāo)圖像縮小至第一尺度，此時(shí)，目標(biāo)圖像的像素值也比原目標(biāo)圖像的像素值有所減少。然后，將縮小后的目標(biāo)圖像劃分出多個(gè)檢測(cè)區(qū)域，采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的目標(biāo)圖像進(jìn)行識(shí)別，得到的識(shí)別結(jié)果為目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。由于縮小后的目標(biāo)圖像的像素值比原目標(biāo)圖像的像素值有所減少，因此，在采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的目標(biāo)圖像進(jìn)行識(shí)別時(shí)，計(jì)算量比采用上述模型對(duì)原尺度下的目標(biāo)圖像進(jìn)行識(shí)別時(shí)的計(jì)算量小，因此提高了計(jì)算速度。
[0131]接著，可以根據(jù)每個(gè)檢測(cè)區(qū)域的人臉概率及位置信息，確定目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。具體來(lái)說(shuō)，可以獲取每個(gè)檢測(cè)區(qū)域的位置信息，然后將每個(gè)檢測(cè)區(qū)域的位置信息與對(duì)應(yīng)的人臉概率相關(guān)聯(lián)，從而生成目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。例如，可以生成目標(biāo)圖像對(duì)應(yīng)的人臉概率的熱度圖，該熱度圖可以用于描述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。
[0132]在步驟202中，基于目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域。
[0133]在本實(shí)施例中，可以對(duì)目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域?qū)?yīng)的人臉概率進(jìn)行統(tǒng)計(jì)計(jì)算，獲取目標(biāo)圖像中人臉概率大于或者等于第一概率的區(qū)域作為第二區(qū)域，可以將第二區(qū)域作為粗略獲取到的人臉區(qū)域。其中，第一概率為預(yù)設(shè)的一個(gè)概率的閾值，第一概率可以是一個(gè)經(jīng)驗(yàn)值，可以理解，本公開對(duì)第一概率的具體取值方面不限定。
[0134]在本實(shí)施例中，可以將目標(biāo)圖像中任意包含第二區(qū)域的區(qū)域作為第一區(qū)域。進(jìn)一步的，還可以從目標(biāo)圖像中獲取包含第二區(qū)域的最小矩形區(qū)域作為第一區(qū)域?？梢岳斫?，如果第二區(qū)域選取的面積最小，則計(jì)算量也是最小的，因此提高了計(jì)算速度。
[0135]在步驟203中，將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域。
[0136]在步驟204中，根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0137]需要說(shuō)明的是，對(duì)于與圖1A實(shí)施例中相同的步驟，在上述圖2實(shí)施例中不再進(jìn)行贅述，相關(guān)內(nèi)容可參見圖1A實(shí)施例。
[0138]本公開的上述實(shí)施例提供的人臉識(shí)別的方法，通過(guò)獲取目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，并基于目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域，將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而進(jìn)一步地節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0139]如圖3A所示，圖3A是根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的方法的流程圖，該實(shí)施例詳細(xì)描述了將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域的過(guò)程，該方法可以用于終端設(shè)備或者服務(wù)器中，包括以下步驟:
[0140]在步驟301中，獲取第一區(qū)域。
[0141 ]在步驟302中，獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息。
[0142]在本實(shí)施例中，在獲取到第一區(qū)域后，接著獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息?？梢圆捎妙A(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別，以獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，第二尺度小于目標(biāo)圖像的原尺度，大于圖2實(shí)施例中的第一尺度。
[0143]具體來(lái)說(shuō)，可以先將目標(biāo)圖像縮小至第二尺度，此時(shí)，目標(biāo)圖像的像素值比原目標(biāo)圖像的像素值有所減少，但比圖2實(shí)施例中的圖像的像素值有所增加。然后，從縮小后的目標(biāo)圖像中取縮小的第一區(qū)域，將縮小后的第一區(qū)域劃分出多個(gè)檢測(cè)區(qū)域，采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別，得到的識(shí)別結(jié)果為第一區(qū)域中每個(gè)檢測(cè)區(qū)域的人臉概率。
[0144]由于縮小后的第一區(qū)域的像素值比原第一區(qū)域的像素值有所減少，因此，在采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別時(shí)，計(jì)算量比采用上述模型對(duì)原尺度下的第一區(qū)域進(jìn)行識(shí)別時(shí)的計(jì)算量小，所以提高了計(jì)算速度。但比圖2實(shí)施例中的圖像的像素值有所增加，因此，計(jì)算目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率的精確度大于圖2實(shí)施例中粗略計(jì)算的精確度。
[0145]需要說(shuō)明的是，還可以先從原目標(biāo)圖像中獲取第一區(qū)域，然后僅對(duì)獲取到的第一區(qū)域進(jìn)行縮小處理，縮小至第二尺度下，本公開對(duì)此方面不限定。
[0146]在步驟303中，基于第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從第一區(qū)域中檢測(cè)出目標(biāo)區(qū)域。
[0147]在本實(shí)施例中，可以根據(jù)第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從第一區(qū)域中檢測(cè)出目標(biāo)區(qū)域。如圖3B所示，圖3B是根據(jù)一示例性實(shí)施例示出的一種從第一區(qū)域中檢測(cè)出目標(biāo)區(qū)域的方法的流程圖，可以通過(guò)重復(fù)執(zhí)行檢測(cè)步驟311-314，從第一區(qū)域中分別檢測(cè)出每個(gè)目標(biāo)區(qū)域。每執(zhí)行一次該檢測(cè)步驟，可以檢測(cè)出一張人臉的區(qū)域。該檢測(cè)步驟可以包括:
[0148]在步驟311中，獲取第一區(qū)域中未被標(biāo)記人臉標(biāo)識(shí)的檢測(cè)區(qū)域的集合。
[0149]在本實(shí)施例中，當(dāng)?shù)谝粎^(qū)域中的檢測(cè)區(qū)域被確定為人臉區(qū)域后，可以采用人臉標(biāo)識(shí)對(duì)該檢測(cè)區(qū)域進(jìn)行標(biāo)記，并且采用相同的人臉標(biāo)識(shí)標(biāo)記對(duì)應(yīng)于同一張人臉的檢測(cè)區(qū)域。因此，首先，可以獲取第一區(qū)域中未被標(biāo)記人臉標(biāo)識(shí)的檢測(cè)區(qū)域的集合。
[0150]在步驟312中，將集合中滿足第一預(yù)定條件的檢測(cè)區(qū)域，作為中心檢測(cè)區(qū)域。
[0151 ]在本實(shí)施例中，滿足第一預(yù)定條件可以包括:人臉概率最大，并且人臉概率大于或者等于第二概率。其中，第二概率為預(yù)設(shè)的一個(gè)概率的閾值，第二概率可以是一個(gè)經(jīng)驗(yàn)值，可以理解，本公開對(duì)第二概率的具體取值方面不限定。需要說(shuō)明的是，第二概率應(yīng)該大于圖2實(shí)施例中的第一概率。
[0152]因此，可以從上述集合中對(duì)應(yīng)的人臉概率大于或者等于第二概率的檢測(cè)區(qū)域中，獲取人臉概率最大的檢測(cè)區(qū)域，將該檢測(cè)區(qū)域最為中心區(qū)域。
[0153]在步驟313中，將中心檢測(cè)區(qū)域周圍滿足第二預(yù)定條件的檢測(cè)區(qū)域，作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。
[0154]在本實(shí)施例中，滿足第二預(yù)定條件包括:人臉概率大于或者等于第二概率，并且人臉概率小于與中心檢測(cè)區(qū)域之間的所有檢測(cè)區(qū)域的人臉概率。例如，檢測(cè)區(qū)域Sa與中心檢測(cè)區(qū)域So之間，相隔的所有檢測(cè)區(qū)域包括SB、SC、SD，如果檢測(cè)區(qū)域Sa的人臉概率均小于檢測(cè)區(qū)域Sb、Sc、Sd的人臉概率，則檢測(cè)區(qū)域Sa可以作為中心檢測(cè)區(qū)域So對(duì)應(yīng)的周邊檢測(cè)區(qū)域。
[0155]具體來(lái)說(shuō)，可以從與中心檢測(cè)區(qū)域相鄰的檢測(cè)區(qū)域開始，向離開中心檢測(cè)區(qū)域的方向，依次判斷檢測(cè)區(qū)域是否滿足第二預(yù)定條件，直至檢測(cè)到不滿足第二預(yù)定條件的檢測(cè)區(qū)域?yàn)橹?，停止檢測(cè)不滿足第二預(yù)定條件的檢測(cè)區(qū)域的相鄰區(qū)域。并獲取滿足第二預(yù)定條件的檢測(cè)區(qū)域作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。
[0156]例如，可以先判斷與中心檢測(cè)區(qū)域相鄰的四個(gè)檢測(cè)區(qū)域是否滿足第二預(yù)定條件，如果滿足第二預(yù)定條件，則將這四個(gè)檢測(cè)區(qū)域作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。并分別判斷這四個(gè)周邊檢測(cè)區(qū)域相鄰的檢測(cè)區(qū)域是否滿足第二預(yù)定條件，如果滿足第二預(yù)定條件，則將滿足第二預(yù)定條件的相鄰檢測(cè)區(qū)域也作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。以此類推，直到檢測(cè)出不滿足第二預(yù)定條件的檢測(cè)區(qū)域，停止繼續(xù)檢測(cè)相鄰的檢測(cè)區(qū)域。
[0157]在步驟314中，將中心檢測(cè)區(qū)域與對(duì)應(yīng)的周邊檢測(cè)區(qū)域構(gòu)成的連通區(qū)域作為一張人臉對(duì)應(yīng)目標(biāo)區(qū)域，并對(duì)中心檢測(cè)區(qū)域以及對(duì)應(yīng)的周邊檢測(cè)區(qū)域標(biāo)記相同的人臉標(biāo)識(shí)。
[0158]在本實(shí)施例中，可以將中心檢測(cè)區(qū)域與對(duì)應(yīng)的周邊檢測(cè)區(qū)域構(gòu)成的連通區(qū)域作為一張人臉對(duì)應(yīng)目標(biāo)區(qū)域，并對(duì)中心檢測(cè)區(qū)域以及對(duì)應(yīng)的周邊檢測(cè)區(qū)域標(biāo)記相同的人臉標(biāo)識(shí)。
[0159]在步驟304中，根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0160]需要說(shuō)明的是，對(duì)于與圖1A和圖2實(shí)施例中相同的步驟，在上述圖3A實(shí)施例中不再進(jìn)行贅述，相關(guān)內(nèi)容可參見圖1A和圖2實(shí)施例。
[0161]本公開的上述實(shí)施例提供的人臉識(shí)別的方法，在獲取到第一區(qū)域后，獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息，基于第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從第一區(qū)域中檢測(cè)出目標(biāo)區(qū)域，并根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而進(jìn)一步地節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0162]如圖4所示，圖4是根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的方法的流程圖，該實(shí)施例詳細(xì)描述了根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息的過(guò)程，該方法可以用于終端設(shè)備或者服務(wù)器中，包括以下步驟:
[0163]在步驟401中，獲取第一區(qū)域。
[0164]在步驟402中，將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域。
[0165]在步驟403中，基于目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。
[0166]在本實(shí)施例中，如果每個(gè)目標(biāo)區(qū)域都是獨(dú)立的，相互之間不相鄰，則可以將獨(dú)立的每個(gè)目標(biāo)區(qū)域作為目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。不需要再進(jìn)行進(jìn)一步精確的計(jì)算。如果存在相鄰的目標(biāo)區(qū)域，則說(shuō)明兩張人臉可能離得比較近，需要進(jìn)行進(jìn)一步精確的計(jì)算，從而確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。
[0167]具體來(lái)說(shuō)，可以將包含相鄰目標(biāo)區(qū)域的最小矩形區(qū)域作為候選區(qū)域，采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第三尺度下的候選區(qū)域進(jìn)行識(shí)別，以獲取候選區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，第三尺度小于或者等于目標(biāo)圖像的原尺度，大于第二尺度。然后，通過(guò)重復(fù)執(zhí)行檢測(cè)步驟311?314，從而獲取目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。
[0168]在步驟404中，基于精確區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0169]在本實(shí)施例中，針對(duì)每張人臉，可以通過(guò)如下方式確定出目標(biāo)圖像中該人臉對(duì)應(yīng)的位置信息:首先，可以以該人臉的精確區(qū)域的中心為圓心獲取圓形區(qū)域，使得該圓形區(qū)域中，人臉的精確區(qū)域所占比例大于或者等于預(yù)定比例。然后，獲取該圓形區(qū)域的外接矩形的位置信息作為該人臉對(duì)應(yīng)的位置信息。
[0170]需要說(shuō)明的是，對(duì)于與圖1A-圖3A實(shí)施例中相同的步驟，在上述圖4實(shí)施例中不再進(jìn)行贅述，相關(guān)內(nèi)容可參見圖1A-圖3A實(shí)施例。
[0171]本公開的上述實(shí)施例提供的人臉識(shí)別的方法，在獲取到第一區(qū)域后，將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，并基于目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域，基于精確區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而提高了人臉識(shí)別的精確度和效率。
[0172]應(yīng)當(dāng)注意，盡管在附圖中以特定順序描述了本發(fā)明方法的操作，但是，這并非要求或者暗示必須按照該特定順序來(lái)執(zhí)行這些操作，或是必須執(zhí)行全部所示的操作才能實(shí)現(xiàn)期望的結(jié)果。相反，流程圖中描繪的步驟可以改變執(zhí)行順序。附加地或備選地，可以省略某些步驟，將多個(gè)步驟合并為一個(gè)步驟執(zhí)行，和/或?qū)⒁粋€(gè)步驟分解為多個(gè)步驟執(zhí)行。
[0173]與前述人臉識(shí)別的方法實(shí)施例相對(duì)應(yīng)，本公開還提供了人臉識(shí)別的裝置及其所應(yīng)用的終端的實(shí)施例。
[0174]如圖5所示，圖5是本公開根據(jù)一示例性實(shí)施例示出的一種人臉識(shí)別的裝置框圖，該裝置包括:獲取模塊501，檢測(cè)模塊502以及確定模塊503。
[0175]其中，獲取模塊501，被配置為獲取第一區(qū)域，第一區(qū)域?yàn)榇R(shí)別的目標(biāo)圖像中的部分區(qū)域，第一區(qū)域包含目標(biāo)圖像中的所有人臉。
[0176]在本實(shí)施例中，首先可以獲取待識(shí)別的圖像作為目標(biāo)圖像?？梢酝ㄟ^(guò)攝像設(shè)備直接采集圖像，并將采集到的圖像作為目標(biāo)圖像，也可以從本地預(yù)存的圖像中選取一些圖像作為目標(biāo)圖像，還可以接收其它的終端設(shè)備或者服務(wù)器傳輸?shù)膱D像作為目標(biāo)圖像?？梢岳斫?，還可以通過(guò)其它方式獲取目標(biāo)圖像，本公開對(duì)獲取目標(biāo)圖像的具體方式方面不限定。
[0177]接著，可以從目標(biāo)圖像中獲取第一區(qū)域，該第一區(qū)域包含目標(biāo)圖像中的所有人臉，并且，該第一區(qū)域?yàn)槟繕?biāo)圖像中的部分區(qū)域。在本實(shí)施例中，需要先粗略的檢測(cè)出目標(biāo)圖像中人臉的大概區(qū)域，根據(jù)目標(biāo)圖像中人臉的大概區(qū)域獲取第一區(qū)域。在一種實(shí)現(xiàn)方式中，可以采用現(xiàn)有的一些精確度較低的方式，直接對(duì)目標(biāo)圖像進(jìn)行識(shí)別，從而粗略的獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。在另一種實(shí)現(xiàn)方式中，還可以基于全卷積網(wǎng)絡(luò)的算法對(duì)縮小尺度的目標(biāo)圖像進(jìn)行識(shí)別，從而粗略的獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。可以理解，還可以通過(guò)其它方式獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率，本公開對(duì)獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率的具體方式方面不限定。
[0178]檢測(cè)模塊502，被配置為將從獲取模塊501獲取的第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域。
[0179]確定模塊503，被配置為根據(jù)檢測(cè)模塊502檢測(cè)出的目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0180]在本實(shí)施例中，可以忽略目標(biāo)圖像中除第一區(qū)域以外的其它區(qū)域，僅對(duì)第一區(qū)域進(jìn)行識(shí)別分析，以從第一區(qū)域中分別檢測(cè)出每張人臉對(duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域。由于每個(gè)人臉對(duì)應(yīng)的目標(biāo)區(qū)域可能是一個(gè)圓形區(qū)域或者是一個(gè)近似圓形的不規(guī)則區(qū)域，而圖像由多行多列排布的像素點(diǎn)構(gòu)成，因此，為了便于描述和標(biāo)記，可以根據(jù)每個(gè)人臉對(duì)應(yīng)的目標(biāo)區(qū)域確定出包含該目標(biāo)區(qū)域的一個(gè)矩形區(qū)域，用該矩形區(qū)域描述和標(biāo)記目標(biāo)圖像中對(duì)應(yīng)人臉的位置信息。
[0181]如圖5所示的裝置用于實(shí)現(xiàn)上述如圖1A所示的方法流程。上述人臉識(shí)別的裝置實(shí)施例，首先由獲取模塊501從待識(shí)別的目標(biāo)圖像中獲取包含所有人臉的部分區(qū)域作為第一區(qū)域，然后檢測(cè)模塊502對(duì)第一區(qū)域進(jìn)行識(shí)別，從中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，最后確定模塊503根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而在保證不降低識(shí)別精度的情況下，無(wú)需對(duì)整個(gè)圖像的每個(gè)區(qū)域進(jìn)行精確識(shí)別，節(jié)省了時(shí)間，提尚了人臉識(shí)別的效率。
[0182]如圖6所示，圖6是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖5所示實(shí)施例的基礎(chǔ)上，獲取模塊501可以包括:第一獲取子模塊601和第二獲取子模塊602。
[0183]其中，第一獲取子模塊601，被配置為獲取目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，人臉概率為具有人臉特征的概率。
[0184]在本實(shí)施例中，在獲取到待識(shí)別的目標(biāo)圖像以后，可以獲取目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。在本實(shí)施例的一種實(shí)現(xiàn)方式中，可以采用現(xiàn)有的一些精確度較低的方式，直接對(duì)目標(biāo)圖像進(jìn)行識(shí)別，從而粗略的獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。
[0185]在本實(shí)施例的另一種實(shí)現(xiàn)方式中，還可以基于全卷積網(wǎng)絡(luò)獲取目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。采用全卷積網(wǎng)絡(luò)技術(shù)獲取的目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息具有更高的準(zhǔn)確度。
[0186]第二獲取子模塊602，被配置為基于第一獲取子模塊601獲取的目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域。
[0187]在本實(shí)施例中，可以對(duì)目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域?qū)?yīng)的人臉概率進(jìn)行統(tǒng)計(jì)計(jì)算，獲取目標(biāo)圖像中人臉概率大于或者等于第一概率的區(qū)域作為第二區(qū)域，可以將第二區(qū)域作為粗略獲取到的人臉區(qū)域。其中，第一概率為預(yù)設(shè)的一個(gè)概率的閾值，第一概率可以是一個(gè)經(jīng)驗(yàn)值，可以理解，本公開對(duì)第一概率的具體取值方面不限定。
[0188]上述人臉識(shí)別的裝置實(shí)施例，通過(guò)第一獲取子模塊601獲取目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，并由第二獲取子模塊602基于目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域，將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而進(jìn)一步地節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0189]如圖7所示，圖7是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖6所示實(shí)施例的基礎(chǔ)上，第一獲取子模塊601可以包括:概率獲取子模塊701和信息確定子模塊702。
[0190]其中，概率獲取子模塊701，被配置為基于全卷積網(wǎng)絡(luò)獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。
[0191]在本實(shí)施例中，對(duì)于目標(biāo)圖像來(lái)說(shuō)，由多個(gè)行和列的像素點(diǎn)排布而成，可以將目標(biāo)圖像按照像素點(diǎn)的排布均勻劃分成多個(gè)區(qū)域作為檢測(cè)區(qū)域，每個(gè)檢測(cè)區(qū)域包括一組矩形像素點(diǎn)的陣列。例如，可以以16*16的矩形像素點(diǎn)陣列為單位，對(duì)目標(biāo)圖像劃分檢測(cè)區(qū)域，假設(shè)，目標(biāo)圖像的像素為1600*3200，則可以從目標(biāo)圖像中劃分出100*200個(gè)檢測(cè)區(qū)域。以每個(gè)檢測(cè)區(qū)域?yàn)橐粋€(gè)檢測(cè)單位，分別計(jì)算每個(gè)檢測(cè)區(qū)域的人臉概率?？梢岳斫猓€可以以32*32的矩形像素點(diǎn)陣列為單位，對(duì)目標(biāo)圖像劃分檢測(cè)區(qū)域，本公開對(duì)檢測(cè)區(qū)域的具體劃分方面不限定。
[0192]信息確定子模塊702，被配置為根據(jù)概率獲取子模塊701獲取的每個(gè)檢測(cè)區(qū)域的人臉概率及位置信息，確定目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。
[0193]在本實(shí)施例中，可以獲取每個(gè)檢測(cè)區(qū)域的位置信息，然后將每個(gè)檢測(cè)區(qū)域的位置信息與對(duì)應(yīng)的人臉概率相關(guān)聯(lián)，從而生成目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。例如，可以生成目標(biāo)圖像對(duì)應(yīng)的人臉概率的熱度圖，該熱度圖可以用于描述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。
[0194]上述人臉識(shí)別的裝置實(shí)施例，通過(guò)概率獲取子模塊701基于全卷積網(wǎng)絡(luò)獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。并由信息確定子模塊702根據(jù)概率獲取子模塊701獲取的每個(gè)檢測(cè)區(qū)域的人臉概率及位置信息，確定目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。從而進(jìn)一步地節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0195]如圖8所示，圖8是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖7所示實(shí)施例的基礎(chǔ)上，概率獲取子模塊701可以包括:第一識(shí)別子模塊 801。
[0196]其中，第一識(shí)別子模塊801，被配置為采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的目標(biāo)圖像進(jìn)行識(shí)別，以獲取目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率;其中，第一尺度小于目標(biāo)圖像的原尺度。
[0197]在本實(shí)施例中，具體地，可以先將目標(biāo)圖像縮小至第一尺度，此時(shí)，目標(biāo)圖像的像素值也比原目標(biāo)圖像的像素值有所減少。然后，將縮小后的目標(biāo)圖像劃分出多個(gè)檢測(cè)區(qū)域，采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的目標(biāo)圖像進(jìn)行識(shí)別，得到的識(shí)別結(jié)果為目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率。
[0198]上述人臉識(shí)別的裝置實(shí)施例，由于縮小后的目標(biāo)圖像的像素值比原目標(biāo)圖像的像素值有所減少，在采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的目標(biāo)圖像進(jìn)行識(shí)別時(shí)，計(jì)算量比采用上述模型對(duì)原尺度下的目標(biāo)圖像進(jìn)行識(shí)別時(shí)的計(jì)算量小，因此提高了計(jì)算速度。
[0199]如圖9所示，圖9是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖6所示實(shí)施例的基礎(chǔ)上，第二獲取子模塊602可以包括:區(qū)域獲取子模塊 901。
[0200]其中，區(qū)域獲取子模塊901，被配置為將目標(biāo)圖像中人臉概率大于或者等于第一概率的區(qū)域作為第二區(qū)域，從目標(biāo)圖像中獲取包含第二區(qū)域的最小矩形區(qū)域作為第一區(qū)域。
[0201]在本實(shí)施例中，可以將目標(biāo)圖像中任意包含第二區(qū)域的區(qū)域作為第一區(qū)域。進(jìn)一步的，還可以從目標(biāo)圖像中獲取包含第二區(qū)域的最小矩形區(qū)域作為第一區(qū)域。
[0202]上述人臉識(shí)別的裝置實(shí)施例，由于第二區(qū)域選取的面積最小，則計(jì)算量也是最小的，因此提高了計(jì)算速度。
[0203]如圖10所示，圖10是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖5所示實(shí)施例的基礎(chǔ)上，檢測(cè)模塊502可以包括:第三獲取子模塊1001和檢測(cè)子模塊1002。
[0204]其中，第三獲取子模塊1001，被配置為獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息。
[0205]在本實(shí)施例中，在獲取到第一區(qū)域后，接著獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息?？梢圆捎妙A(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別，以獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，第二尺度小于目標(biāo)圖像的原尺度，大于圖2實(shí)施例中的第一尺度。
[0206]檢測(cè)子模塊1002，被配置為基于第三獲取子模塊1001獲取的第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從第一區(qū)域中檢測(cè)出目標(biāo)區(qū)域。
[0207]在本實(shí)施例中，可以根據(jù)第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從第一區(qū)域中檢測(cè)出目標(biāo)區(qū)域?？梢杂蓹z測(cè)子模塊1002重復(fù)執(zhí)行3B所示的檢測(cè)步驟，從第一區(qū)域中分別檢測(cè)出每個(gè)目標(biāo)區(qū)域。每執(zhí)行一次該檢測(cè)步驟，可以檢測(cè)出一張人臉的區(qū)域。
[0208]如圖10所示的裝置用于實(shí)現(xiàn)上述如圖3A所示的方法流程。上述人臉識(shí)別的裝置實(shí)施例，在獲取到第一區(qū)域后，通過(guò)獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息，基于第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從第一區(qū)域中檢測(cè)出目標(biāo)區(qū)域，并根據(jù)目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而進(jìn)一步地節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0209]如圖11所示，圖11是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖10所示實(shí)施例的基礎(chǔ)上，第三獲取子模塊1001可以包括:第二識(shí)別子模塊1101。
[0210]其中，第二識(shí)別子模塊1101，被配置為采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別，以獲取第一區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，第二尺度小于目標(biāo)圖像的原尺度，大于第一尺度。
[0211 ]具體來(lái)說(shuō)，可以先將目標(biāo)圖像縮小至第二尺度，此時(shí)，目標(biāo)圖像的像素值比原目標(biāo)圖像的像素值有所減少，但比圖2實(shí)施例中的圖像的像素值有所增加。然后，從縮小后的目標(biāo)圖像中取縮小的第一區(qū)域，將縮小后的第一區(qū)域劃分出多個(gè)檢測(cè)區(qū)域，采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別，得到的識(shí)別結(jié)果為第一區(qū)域中每個(gè)檢測(cè)區(qū)域的人臉概率。
[0212]上述人臉識(shí)別的裝置實(shí)施例，由于縮小后的第一區(qū)域的像素值比原第一區(qū)域的像素值有所減少，因此，在采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別時(shí)，計(jì)算量比采用上述模型對(duì)原尺度下的第一區(qū)域進(jìn)行識(shí)別時(shí)的計(jì)算量小，所以提高了計(jì)算速度。但比圖2實(shí)施例中的圖像的像素值有所增加，因此，計(jì)算目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率的精確度大于圖2實(shí)施例中粗略計(jì)算的精確度。
[0213]如圖12所示，圖12是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖10所示實(shí)施例的基礎(chǔ)上，檢測(cè)子模塊1002可以包括:集合獲取子模塊1201，中心檢測(cè)區(qū)域確定子模塊1202，周邊檢測(cè)區(qū)域確定子模塊1203和標(biāo)記子模塊1204。
[0214]其中，集合獲取子模塊1201，被配置為獲取第一區(qū)域中未被標(biāo)記人臉標(biāo)識(shí)的檢測(cè)區(qū)域的集合。
[0215]在本實(shí)施例中，當(dāng)?shù)谝粎^(qū)域中的檢測(cè)區(qū)域被確定為人臉區(qū)域后，可以采用人臉標(biāo)識(shí)對(duì)該檢測(cè)區(qū)域進(jìn)行標(biāo)記，并且采用相同的人臉標(biāo)識(shí)標(biāo)記對(duì)應(yīng)于同一張人臉的檢測(cè)區(qū)域。因此，首先，可以獲取第一區(qū)域中未被標(biāo)記人臉標(biāo)識(shí)的檢測(cè)區(qū)域的集合。
[0216]中心檢測(cè)區(qū)域確定子模塊1202，被配置為將集合獲取子模塊1201獲取的集合中滿足第一預(yù)定條件的檢測(cè)區(qū)域，作為中心檢測(cè)區(qū)域。
[0217]在本實(shí)施例中，滿足第一預(yù)定條件可以包括:人臉概率最大，并且人臉概率大于或者等于第二概率。其中，第二概率為預(yù)設(shè)的一個(gè)概率的閾值，第二概率可以是一個(gè)經(jīng)驗(yàn)值，可以理解，本公開對(duì)第二概率的具體取值方面不限定。需要說(shuō)明的是，第二概率應(yīng)該大于第一概率。
[0218]因此，可以從上述集合中對(duì)應(yīng)的人臉概率大于或者等于第二概率的檢測(cè)區(qū)域中，獲取人臉概率最大的檢測(cè)區(qū)域，將該檢測(cè)區(qū)域最為中心區(qū)域。
[0219]周邊檢測(cè)區(qū)域確定子模塊1203，被配置為將中心檢測(cè)區(qū)域確定子模塊1202確定的中心檢測(cè)區(qū)域周圍滿足第二預(yù)定條件的檢測(cè)區(qū)域，作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。
[0220]在本實(shí)施例中，滿足第二預(yù)定條件包括:人臉概率大于或者等于第二概率，并且人臉概率小于與中心檢測(cè)區(qū)域之間的所有檢測(cè)區(qū)域的人臉概率。具體來(lái)說(shuō)，可以從與中心檢測(cè)區(qū)域相鄰的檢測(cè)區(qū)域開始，向離開中心檢測(cè)區(qū)域的方向，依次判斷檢測(cè)區(qū)域是否滿足第二預(yù)定條件，直至檢測(cè)到不滿足第二預(yù)定條件的檢測(cè)區(qū)域?yàn)橹?，停止檢測(cè)不滿足第二預(yù)定條件的檢測(cè)區(qū)域的相鄰區(qū)域。并獲取滿足第二預(yù)定條件的檢測(cè)區(qū)域作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。
[0221]例如，可以先判斷與中心檢測(cè)區(qū)域相鄰的四個(gè)檢測(cè)區(qū)域是否滿足第二預(yù)定條件，如果滿足第二預(yù)定條件，則將這四個(gè)檢測(cè)區(qū)域作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。并分別判斷這四個(gè)周邊檢測(cè)區(qū)域相鄰的檢測(cè)區(qū)域是否滿足第二預(yù)定條件，如果滿足第二預(yù)定條件，則將滿足第二預(yù)定條件的相鄰檢測(cè)區(qū)域也作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。以此類推，直到檢測(cè)出不滿足第二預(yù)定條件的檢測(cè)區(qū)域，停止繼續(xù)檢測(cè)相鄰的檢測(cè)區(qū)域。
[0222]標(biāo)記子模塊1204，被配置為將中心檢測(cè)區(qū)域與對(duì)應(yīng)的周邊檢測(cè)區(qū)域構(gòu)成的連通區(qū)域作為一張人臉對(duì)應(yīng)目標(biāo)區(qū)域，并對(duì)中心檢測(cè)區(qū)域以及對(duì)應(yīng)的周邊檢測(cè)區(qū)域標(biāo)記相同的人臉標(biāo)識(shí)。
[0223]在本實(shí)施例中，可以將中心檢測(cè)區(qū)域與對(duì)應(yīng)的周邊檢測(cè)區(qū)域構(gòu)成的連通區(qū)域作為一張人臉對(duì)應(yīng)目標(biāo)區(qū)域，并對(duì)中心檢測(cè)區(qū)域以及對(duì)應(yīng)的周邊檢測(cè)區(qū)域標(biāo)記相同的人臉標(biāo)識(shí)。
[0224]如圖12所示的裝置用于實(shí)現(xiàn)上述如圖3B所示的方法流程。上述人臉識(shí)別的裝置實(shí)施例，可以檢測(cè)出每張人臉的區(qū)域。從而進(jìn)一步地節(jié)省了時(shí)間，提高了人臉識(shí)別的效率。
[0225]如圖13所示，圖13是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖12所示實(shí)施例的基礎(chǔ)上，周邊檢測(cè)區(qū)域確定子模塊1203可以包括:條件檢測(cè)子模塊1301。
[0226]其中，條件檢測(cè)子模塊1301，被配置為從與中心檢測(cè)區(qū)域相鄰的檢測(cè)區(qū)域開始，依次獲取滿足第二預(yù)定條件的檢測(cè)區(qū)域作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。
[0227]在一些可選實(shí)施方式中，滿足第一預(yù)定條件包括:人臉概率最大，并且人臉概率大于或者等于第二概率。
[0228]滿足第二預(yù)定條件包括:人臉概率大于或者等于第二概率，并且人臉概率小于與中心檢測(cè)區(qū)域之間的所有檢測(cè)區(qū)域的人臉概率。
[0229]如圖14所示，圖14是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖5所示實(shí)施例的基礎(chǔ)上，確定模塊503可以包括:精確區(qū)域確定子模塊1401和位置信息確定子模塊140 2。
[0230]其中，精確區(qū)域確定子模塊1401，被配置為基于目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。
[0231]在本實(shí)施例中，如果每個(gè)目標(biāo)區(qū)域都是獨(dú)立的，相互之間不相鄰，則可以將獨(dú)立的每個(gè)目標(biāo)區(qū)域作為目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。不需要再進(jìn)行進(jìn)一步精確的計(jì)算。如果存在相鄰的目標(biāo)區(qū)域，則說(shuō)明兩張人臉可能離得比較近，需要進(jìn)行進(jìn)一步精確的計(jì)算，從而確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。
[0232]具體來(lái)說(shuō)，可以將包含相鄰目標(biāo)區(qū)域的最小矩形區(qū)域作為候選區(qū)域，采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第三尺度下的候選區(qū)域進(jìn)行識(shí)別，以獲取候選區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，第三尺度小于或者等于目標(biāo)圖像的原尺度，大于第二尺度。然后，通過(guò)重復(fù)執(zhí)行檢測(cè)步驟311?步驟314，從而獲取目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。
[0233]位置信息確定子模塊1402，被配置為基于精確區(qū)域確定子模塊1401確定的精確區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0234]在本實(shí)施例中，針對(duì)每張人臉，可以通過(guò)如下方式確定出目標(biāo)圖像中該人臉對(duì)應(yīng)的位置信息:首先，可以以該人臉的精確區(qū)域的中心為圓心獲取圓形區(qū)域，使得該圓形區(qū)域中，人臉的精確區(qū)域所占比例大于或者等于預(yù)定比例。然后，獲取該圓形區(qū)域的外接矩形的位置信息作為該人臉對(duì)應(yīng)的位置信息。
[0235]如圖14所示的裝置用于實(shí)現(xiàn)上述如圖4所示的方法流程。上述人臉識(shí)別的裝置實(shí)施例，在獲取到第一區(qū)域后，將從第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，并基于目標(biāo)區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域，基于精確區(qū)域確定出目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。從而提高了人臉識(shí)別的精確度和效率。
[0236]如圖15所示，圖15是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖14所示實(shí)施例的基礎(chǔ)上，精確區(qū)域確定子模塊1401可以包括:選取子模塊1501，第三識(shí)別子模塊1502和執(zhí)行子模塊1503。
[0237]其中，選取子模塊1501，被配置為在存在相鄰的目標(biāo)區(qū)域時(shí)，將包含相鄰目標(biāo)區(qū)域的最小矩形區(qū)域作為候選區(qū)域。
[0238]第三識(shí)別子模塊1502，被配置為采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第三尺度下的候選區(qū)域進(jìn)行識(shí)別，以獲取候選區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，第三尺度小于或者等于目標(biāo)圖像的原尺度，大于第二尺度。
[0239]執(zhí)行子模塊1503，被配置為重復(fù)執(zhí)行檢測(cè)步驟，以獲取目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。
[0240]如圖16所示，圖16是本公開根據(jù)一示例性實(shí)施例示出的另一種人臉識(shí)別的裝置框圖，該實(shí)施例在前述圖14所示實(shí)施例的基礎(chǔ)上，位置信息確定子模塊1402可以包括:圓形區(qū)域獲取子模塊1601和位置信息獲取子模塊1602。
[0241]其中，圓形區(qū)域獲取子模塊1601，被配置為以該人臉的精確區(qū)域的中心為圓心獲取圓形區(qū)域，使得該圓形區(qū)域中，人臉的精確區(qū)域所占比例大于或者等于預(yù)定比例。
[0242]位置信息獲取子模塊1602，被配置為獲取圓形區(qū)域獲取子模塊1601獲取的該圓形區(qū)域的外接矩形的位置信息作為該人臉對(duì)應(yīng)的位置信息。
[0243]上述人臉識(shí)別的裝置實(shí)施例，以該人臉的精確區(qū)域的中心為圓心獲取圓形區(qū)域，使得該圓形區(qū)域中，人臉的精確區(qū)域所占比例大于或者等于預(yù)定比例。然后，獲取該圓形區(qū)域的外接矩形的位置信息作為該人臉對(duì)應(yīng)的位置信息。從而進(jìn)一步提高了人臉識(shí)別的精確度和效率。
[0244]應(yīng)當(dāng)理解，上述裝置可以預(yù)先設(shè)置在終端設(shè)備或者服務(wù)器中，也可以通過(guò)下載等方式而加載到終端設(shè)備或者服務(wù)器中。上述裝置中的相應(yīng)模塊可以與終端設(shè)備或者服務(wù)器中的模塊相互配合以實(shí)現(xiàn)人臉識(shí)別的方案。
[0245]對(duì)于裝置實(shí)施例而言，由于其基本對(duì)應(yīng)于方法實(shí)施例，所以相關(guān)之處參見方法實(shí)施例的部分說(shuō)明即可。以上所描述的裝置實(shí)施例僅僅是示意性的，其中所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部模塊來(lái)實(shí)現(xiàn)本公開方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性勞動(dòng)的情況下，即可以理解并實(shí)施。
[0246]相應(yīng)的，本公開還提供一種終端，該終端包括有處理器;用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器;其中，該處理器被配置為:
[0247]獲取第一區(qū)域，所述第一區(qū)域?yàn)榇R(shí)別的目標(biāo)圖像中的部分區(qū)域，所述第一區(qū)域包含所述目標(biāo)圖像中的所有人臉；
[0248]將從所述第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域；
[0249]根據(jù)所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
[0250]圖17是根據(jù)一示例性實(shí)施例示出的一種人臉識(shí)別的裝置9900的一結(jié)構(gòu)示意圖。例如，裝置9900可以是移動(dòng)電話，計(jì)算機(jī)，數(shù)字廣播終端，消息收發(fā)設(shè)備，游戲控制臺(tái)，平板設(shè)備，醫(yī)療設(shè)備，健身設(shè)備，個(gè)人數(shù)字助理等。
[0251 ] 參照?qǐng)D17，裝置9900可以包括以下一個(gè)或多個(gè)組件:處理組件9902，存儲(chǔ)器9904，電源組件9906，多媒體組件9908，音頻組件9910，輸入/輸出(I/O)的接口9912，傳感器組件9914，以及通信組件9916。
[0252]處理組件9902通?？刂蒲b置9900的整體操作，諸如與顯示，電話呼叫，數(shù)據(jù)通信，相機(jī)操作和記錄操作相關(guān)聯(lián)的操作。處理元件9902可以包括一個(gè)或多個(gè)處理器9920來(lái)執(zhí)行指令，以完成上述的方法的全部或部分步驟。此外，處理組件9902可以包括一個(gè)或多個(gè)模塊，便于處理組件9902和其他組件之間的交互。例如，處理組件9902可以包括多媒體模塊，以方便多媒體組件9908和處理組件9902之間的交互。
[0253]存儲(chǔ)器9904被配置為存儲(chǔ)各種類型的數(shù)據(jù)以支持在裝置9900的操作。這些數(shù)據(jù)的示例包括用于在裝置9900上操作的任何應(yīng)用程序或方法的指令，聯(lián)系人數(shù)據(jù)，電話簿數(shù)據(jù)，消息，圖片，視頻等。存儲(chǔ)器9904可以由任何類型的易失性或非易失性存儲(chǔ)設(shè)備或者它們的組合實(shí)現(xiàn)，如靜態(tài)隨機(jī)存取存儲(chǔ)器(SRAM)，電可擦除可編程只讀存儲(chǔ)器(EEPROM)，可擦除可編程只讀存儲(chǔ)器(EPR0M)，可編程只讀存儲(chǔ)器(PROM)，只讀存儲(chǔ)器(ROM)，磁存儲(chǔ)器，快閃存儲(chǔ)器，磁盤或光盤。
[0254]電源組件9906為裝置9900的各種組件提供電力。電源組件9906可以包括電源管理系統(tǒng)，一個(gè)或多個(gè)電源，及其他與為裝置9900生成、管理和分配電力相關(guān)聯(lián)的組件。
[0255]多媒體組件9908包括在所述裝置9900和用戶之間的提供一個(gè)輸出接口的屏幕。在一些實(shí)施例中，屏幕可以包括液晶顯示器(LCD)和觸摸面板(TP)。如果屏幕包括觸摸面板，屏幕可以被實(shí)現(xiàn)為觸摸屏，以接收來(lái)自用戶的輸入信號(hào)。觸摸面板包括一個(gè)或多個(gè)觸摸傳感器以感測(cè)觸摸、滑動(dòng)和觸摸面板上的手勢(shì)。所述觸摸傳感器可以不僅感測(cè)觸摸或滑動(dòng)動(dòng)作的邊界，而且還檢測(cè)與所述觸摸或滑動(dòng)操作相關(guān)的持續(xù)時(shí)間和壓力。在一些實(shí)施例中，多媒體組件9908包括一個(gè)前置攝像頭和/或后置攝像頭。當(dāng)裝置9900處于操作模式，如拍攝模式或視頻模式時(shí)，前置攝像頭和/或后置攝像頭可以接收外部的多媒體數(shù)據(jù)。每個(gè)前置攝像頭和后置攝像頭可以是一個(gè)固定的光學(xué)透鏡系統(tǒng)或具有焦距和光學(xué)變焦能力。
[0256]音頻組件9910被配置為輸出和/或輸入音頻信號(hào)。例如，音頻組件9910包括一個(gè)麥克風(fēng)(MIC)，當(dāng)裝置9900處于操作模式，如呼叫模式、記錄模式和語(yǔ)音識(shí)別模式時(shí)，麥克風(fēng)被配置為接收外部音頻信號(hào)。所接收的音頻信號(hào)可以被進(jìn)一步存儲(chǔ)在存儲(chǔ)器9904或經(jīng)由通信組件9916發(fā)送。在一些實(shí)施例中，音頻組件9910還包括一個(gè)揚(yáng)聲器，用于輸出音頻信號(hào)。
[0257]I/O接口9912為處理組件9902和外圍接口模塊之間提供接口，上述外圍接口模塊可以是鍵盤，點(diǎn)擊輪，按鈕等。這些按鈕可包括但不限于:主頁(yè)按鈕、音量按鈕、啟動(dòng)按鈕和鎖定按鈕。
[0258]傳感器組件9914包括一個(gè)或多個(gè)傳感器，用于為裝置9900提供各個(gè)方面的狀態(tài)評(píng)估。例如，傳感器組件9914可以檢測(cè)到裝置9900的打開/關(guān)閉狀態(tài)，組件的相對(duì)定位，例如所述組件為裝置9900的顯示器和小鍵盤，傳感器組件9914還可以檢測(cè)裝置9900或裝置9900—個(gè)組件的位置改變，用戶與裝置9900接觸的存在或不存在，裝置9900方位或加速/減速和裝置9900的溫度變化。傳感器組件9914可以包括接近傳感器，被配置用來(lái)在沒(méi)有任何的物理接觸時(shí)檢測(cè)附近物體的存在。傳感器組件9914還可以包括光傳感器，如CMOS或CCD圖像傳感器，用于在成像應(yīng)用中使用。在一些實(shí)施例中，該傳感器組件9914還可以包括加速度傳感器，陀螺儀傳感器，磁傳感器，壓力傳感器，微波傳感器或溫度傳感器。
[0259]通信組件9916被配置為便于裝置9900和其他設(shè)備之間有線或無(wú)線方式的通信。裝置9900可以接入基于通信標(biāo)準(zhǔn)的無(wú)線網(wǎng)絡(luò)，如WiFi，2G或3G，或它們的組合。在一個(gè)示例性實(shí)施例中，通信組件9916經(jīng)由廣播信道接收來(lái)自外部廣播管理系統(tǒng)的廣播信號(hào)或廣播相關(guān)信息。在一個(gè)示例性實(shí)施例中，所述通信組件9916還包括近場(chǎng)通信(NFC)模塊，以促進(jìn)短程通信。例如，在NFC模塊可基于射頻識(shí)別(RFID)技術(shù)，紅外數(shù)據(jù)協(xié)會(huì)(IrDA)技術(shù)，超寬帶(UWB)技術(shù)，藍(lán)牙(BT)技術(shù)和其他技術(shù)來(lái)實(shí)現(xiàn)。
[0260]在示例性實(shí)施例中，裝置9900可以被一個(gè)或多個(gè)應(yīng)用專用集成電路(ASIC)、數(shù)字信號(hào)處理器(DSP)、數(shù)字信號(hào)處理設(shè)備(DSPD)、可編程邏輯器件(PLD)、現(xiàn)場(chǎng)可編程門陣列(FPGA)、控制器、微控制器、微處理器或其他電子元件實(shí)現(xiàn)，用于執(zhí)行上述方法。
[0261]在示例性實(shí)施例中，還提供了一種包括指令的非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，例如包括指令的存儲(chǔ)器9904，上述指令可由裝置9900的處理器9920執(zhí)行以完成上述方法。例如，所述非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是R0M、隨機(jī)存取存儲(chǔ)器(RAM)、CD-R0M、磁帶、軟盤和光數(shù)據(jù)存儲(chǔ)設(shè)備等。
[0262]本領(lǐng)域技術(shù)人員在考慮說(shuō)明書及實(shí)踐這里公開的發(fā)明后，將容易想到本公開的其它實(shí)施方案。本申請(qǐng)旨在涵蓋本公開的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本公開的一般性原理并包括本公開未公開的本技術(shù)領(lǐng)域中的公知常識(shí)或慣用技術(shù)手段。說(shuō)明書和實(shí)施例僅被視為示例性的，本公開的真正范圍和精神由下面的權(quán)利要求指出。
[0263]應(yīng)當(dāng)理解的是，本公開并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本公開的范圍僅由所附的權(quán)利要求來(lái)限制。
【主權(quán)項(xiàng)】
1.一種人臉識(shí)別的方法，其特征在于，所述方法包括: 獲取第一區(qū)域，所述第一區(qū)域?yàn)榇R(shí)別的目標(biāo)圖像中的部分區(qū)域，所述第一區(qū)域包含所述目標(biāo)圖像中的所有人臉； 將從所述第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域； 根據(jù)所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取第一區(qū)域，包括: 獲取所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，所述人臉概率為具有人臉特征的概率； 基于所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從所述目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，包括: 基于全卷積網(wǎng)絡(luò)獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率； 根據(jù)所述每個(gè)檢測(cè)區(qū)域的人臉概率及位置信息，確定所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于全卷積網(wǎng)絡(luò)獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率，包括: 采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的所述目標(biāo)圖像進(jìn)行識(shí)別，以獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率;其中，所述第一尺度小于所述目標(biāo)圖像的原尺度。5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從所述目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域，包括: 將所述目標(biāo)圖像中人臉概率大于或者等于第一概率的區(qū)域作為第二區(qū)域，從所述目標(biāo)圖像中獲取包含所述第二區(qū)域的最小矩形區(qū)域作為第一區(qū)域。6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將從所述第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域，包括: 獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息； 基于所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從所述第一區(qū)域中檢測(cè)出所述目標(biāo)區(qū)域。7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息，包括: 采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別，以獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，所述第二尺度小于所述目標(biāo)圖像的原尺度，大于所述第一尺度。8.根據(jù)權(quán)利要求6所述的方法，其特征在于，重復(fù)執(zhí)行以下檢測(cè)步驟，以從所述第一區(qū)域中分別檢測(cè)出每個(gè)所述目標(biāo)區(qū)域: 獲取所述第一區(qū)域中未被標(biāo)記人臉標(biāo)識(shí)的檢測(cè)區(qū)域的集合； 將所述集合中滿足第一預(yù)定條件的檢測(cè)區(qū)域，作為中心檢測(cè)區(qū)域； 將所述中心檢測(cè)區(qū)域周圍滿足第二預(yù)定條件的檢測(cè)區(qū)域，作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域； 將所述中心檢測(cè)區(qū)域與對(duì)應(yīng)的周邊檢測(cè)區(qū)域構(gòu)成的連通區(qū)域作為一張人臉對(duì)應(yīng)目標(biāo)區(qū)域，并對(duì)所述中心檢測(cè)區(qū)域以及對(duì)應(yīng)的周邊檢測(cè)區(qū)域標(biāo)記相同的人臉標(biāo)識(shí)。9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述將所述中心檢測(cè)區(qū)域周圍滿足第二預(yù)定條件的檢測(cè)區(qū)域，作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域，包括: 從與所述中心檢測(cè)區(qū)域相鄰的檢測(cè)區(qū)域開始，依次獲取滿足第二預(yù)定條件的檢測(cè)區(qū)域作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。10.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述滿足第一預(yù)定條件包括:人臉概率最大，并且人臉概率大于或者等于第二概率； 所述滿足第二預(yù)定條件包括:人臉概率大于或者等于第二概率，并且人臉概率小于與中心檢測(cè)區(qū)域之間的所有檢測(cè)區(qū)域的人臉概率。11.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述根據(jù)所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息，包括: 基于所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域； 基于所述精確區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。12.根據(jù)權(quán)利要求11所述的方法，其特征在于，所述基于所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域，包括: 若存在相鄰的目標(biāo)區(qū)域，將包含相鄰目標(biāo)區(qū)域的最小矩形區(qū)域作為候選區(qū)域； 采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第三尺度下的候選區(qū)域進(jìn)行識(shí)別，以獲取所述候選區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，所述第三尺度小于或者等于所述目標(biāo)圖像的原尺度，大于所述第二尺度； 重復(fù)執(zhí)行所述檢測(cè)步驟，以獲取所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。13.根據(jù)權(quán)利要求12所述的方法，其特征在于，針對(duì)每張人臉，確定出所述目標(biāo)圖像中該人臉對(duì)應(yīng)的位置信息，包括: 以該人臉的精確區(qū)域的中心為圓心獲取圓形區(qū)域，使得該圓形區(qū)域中，人臉的精確區(qū)域所占比例大于或者等于預(yù)定比例； 獲取該圓形區(qū)域的外接矩形的位置信息作為該人臉對(duì)應(yīng)的位置信息。14.一種人臉識(shí)別的裝置，其特征在于，所述裝置包括: 獲取模塊，被配置為獲取第一區(qū)域，所述第一區(qū)域?yàn)榇R(shí)別的目標(biāo)圖像中的部分區(qū)域，所述第一區(qū)域包含所述目標(biāo)圖像中的所有人臉； 檢測(cè)模塊，被配置為將從所述獲取模塊獲取的第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域； 確定模塊，被配置為根據(jù)所述檢測(cè)模塊檢測(cè)出的目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。15.根據(jù)權(quán)利要求14所述的裝置，其特征在于，所述獲取模塊包括: 第一獲取子模塊，被配置為獲取所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息，所述人臉概率為具有人臉特征的概率； 第二獲取子模塊，被配置為基于所述第一獲取子模塊獲取的目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息從所述目標(biāo)圖像中獲取部分區(qū)域作為第一區(qū)域。16.根據(jù)權(quán)利要求15所述的裝置，其特征在于，所述第一獲取子模塊包括: 概率獲取子模塊，被配置為基于全卷積網(wǎng)絡(luò)獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率； 信息確定子模塊，被配置為根據(jù)所述概率獲取子模塊獲取的每個(gè)檢測(cè)區(qū)域的人臉概率及位置信息，確定所述目標(biāo)圖像對(duì)應(yīng)的人臉概率的分布信息。17.根據(jù)權(quán)利要求16所述的裝置，其特征在于，所述概率獲取子模塊包括: 第一識(shí)別子模塊，被配置為采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第一尺度下的所述目標(biāo)圖像進(jìn)行識(shí)別，以獲取所述目標(biāo)圖像中每個(gè)檢測(cè)區(qū)域的人臉概率;其中，所述第一尺度小于所述目標(biāo)圖像的原尺度。18.根據(jù)權(quán)利要求15所述的裝置，其特征在于，所述第二獲取子模塊包括: 區(qū)域獲取子模塊，被配置為將所述目標(biāo)圖像中人臉概率大于或者等于第一概率的區(qū)域作為第二區(qū)域，從所述目標(biāo)圖像中獲取包含所述第二區(qū)域的最小矩形區(qū)域作為第一區(qū)域。19.根據(jù)權(quán)利要求17所述的裝置，其特征在于，所述檢測(cè)模塊包括: 第三獲取子模塊，被配置為獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息； 檢測(cè)子模塊，被配置為基于所述第三獲取子模塊獲取的第一區(qū)域?qū)?yīng)的人臉概率的分布信息，從所述第一區(qū)域中檢測(cè)出所述目標(biāo)區(qū)域。20.根據(jù)權(quán)利要求19所述的裝置，其特征在于，所述第三獲取子模塊包括: 第二識(shí)別子模塊，被配置為采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第二尺度下的第一區(qū)域進(jìn)行識(shí)別，以獲取所述第一區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，所述第二尺度小于所述目標(biāo)圖像的原尺度，大于所述第一尺度。21.根據(jù)權(quán)利要求19所述的裝置，其特征在于，所述檢測(cè)子模塊包括: 集合獲取子模塊，被配置為獲取所述第一區(qū)域中未被標(biāo)記人臉標(biāo)識(shí)的檢測(cè)區(qū)域的集合； 中心檢測(cè)區(qū)域確定子模塊，被配置為將所述集合獲取子模塊獲取的集合中滿足第一預(yù)定條件的檢測(cè)區(qū)域，作為中心檢測(cè)區(qū)域； 周邊檢測(cè)區(qū)域確定子模塊，被配置為將所述中心檢測(cè)區(qū)域確定子模塊確定的中心檢測(cè)區(qū)域周圍滿足第二預(yù)定條件的檢測(cè)區(qū)域，作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域； 標(biāo)記子模塊，被配置為將所述中心檢測(cè)區(qū)域與對(duì)應(yīng)的周邊檢測(cè)區(qū)域構(gòu)成的連通區(qū)域作為一張人臉對(duì)應(yīng)目標(biāo)區(qū)域，并對(duì)所述中心檢測(cè)區(qū)域以及對(duì)應(yīng)的周邊檢測(cè)區(qū)域標(biāo)記相同的人臉標(biāo)識(shí)。22.根據(jù)權(quán)利要求21所述的裝置，其特征在于，所述周邊檢測(cè)區(qū)域確定子模塊包括: 條件檢測(cè)子模塊，被配置為從與所述中心檢測(cè)區(qū)域相鄰的檢測(cè)區(qū)域開始，依次獲取滿足第二預(yù)定條件的檢測(cè)區(qū)域作為對(duì)應(yīng)的周邊檢測(cè)區(qū)域。23.根據(jù)權(quán)利要求21所述的裝置，其特征在于，所述滿足第一預(yù)定條件包括:人臉概率最大，并且人臉概率大于或者等于第二概率； 所述滿足第二預(yù)定條件包括:人臉概率大于或者等于第二概率，并且人臉概率小于與中心檢測(cè)區(qū)域之間的所有檢測(cè)區(qū)域的人臉概率。24.根據(jù)權(quán)利要求21所述的裝置，其特征在于，所述確定模塊包括: 精確區(qū)域確定子模塊，被配置為基于所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域； 位置信息確定子模塊，被配置為基于所述精確區(qū)域確定子模塊確定的精確區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。25.根據(jù)權(quán)利要求24所述的裝置，其特征在于，所述精確區(qū)域確定子模塊包括: 選取子模塊，被配置為在存在相鄰的目標(biāo)區(qū)域時(shí)，將包含相鄰目標(biāo)區(qū)域的最小矩形區(qū)域作為候選區(qū)域； 第三識(shí)別子模塊，被配置為采用預(yù)先訓(xùn)練的全卷積網(wǎng)絡(luò)人臉識(shí)別模型對(duì)第三尺度下的候選區(qū)域進(jìn)行識(shí)別，以獲取所述候選區(qū)域?qū)?yīng)的人臉概率的分布信息，其中，所述第三尺度小于或者等于所述目標(biāo)圖像的原尺度，大于所述第二尺度； 執(zhí)行子模塊，被配置為重復(fù)執(zhí)行所述檢測(cè)步驟，以獲取所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的精確區(qū)域。26.根據(jù)權(quán)利要求25所述的裝置，其特征在于，位置信息確定子模塊包括: 圓形區(qū)域獲取子模塊，被配置為以該人臉的精確區(qū)域的中心為圓心獲取圓形區(qū)域，使得該圓形區(qū)域中，人臉的精確區(qū)域所占比例大于或者等于預(yù)定比例； 位置信息獲取子模塊，被配置為獲取所述圓形區(qū)域獲取子模塊獲取的該圓形區(qū)域的外接矩形的位置信息作為該人臉對(duì)應(yīng)的位置信息。27.一種終端，其特征在于，包括: 處理器； 用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器； 其中，所述處理器被配置為: 獲取第一區(qū)域，所述第一區(qū)域?yàn)榇R(shí)別的目標(biāo)圖像中的部分區(qū)域，所述第一區(qū)域包含所述目標(biāo)圖像中的所有人臉； 將從所述第一區(qū)域中檢測(cè)出的每張人臉?biāo)鶎?duì)應(yīng)的區(qū)域作為目標(biāo)區(qū)域； 根據(jù)所述目標(biāo)區(qū)域確定出所述目標(biāo)圖像中每張人臉對(duì)應(yīng)的位置信息。
【文檔編號(hào)】G06K9/00GK105975961SQ201610491320
【公開日】2016年9月28日
【申請(qǐng)日】2016年6月28日
【發(fā)明人】陳志軍, 龍飛, 張旭華
【申請(qǐng)人】北京小米移動(dòng)軟件有限公司