Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜腾讯科技(深圳)有限公司武文琦获国家专利权

恭喜腾讯科技(深圳)有限公司武文琦获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜腾讯科技(深圳)有限公司申请的专利一种人脸检测方法和装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN109753927B

龙图腾网通过国家知识产权局官网在2025-03-07发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:201910002499.2,技术领域涉及:G06V40/16;该发明授权一种人脸检测方法和装置是由武文琦;叶泽雄;肖万鹏设计研发完成,并于2019-01-02向国家知识产权局提交的专利申请。

一种人脸检测方法和装置在说明书摘要公布了:本申请实施例公开了一种人脸检测方法和装置,根据包括多层卷积网络的人脸检测模型确定待检测图像中的人脸候选区域,根据人脸候选区域的尺寸参数确定人脸候选区域是对应的小尺度人脸时,通过第一检测模型对人脸候选区域进行人脸检测,在对人脸候选区域进行人脸检测中,获取人脸候选区域在人脸检测模型中至少两层卷积网络所输出特征图上的投影特征,将第一卷积网络的投影特征与第二网络的投影特征融合得到的融合特征,不仅具有较高的特征分辨率,而且携带较多的语义信息,有助于检测小尺度人脸,故将该融合特征作为第一卷积网络的投影特征并根据至少两层卷积网络的投影特征对人脸候选区域进行人脸检测时,可以提高小尺度人脸的检测精度。

本发明授权一种人脸检测方法和装置在权利要求书中公布了:1.一种人脸检测方法,其特征在于,所述方法包括:根据人脸检测模型确定待检测图像中的人脸候选区域;所述人脸检测模型包括多层卷积网络;若所述人脸候选区域的尺寸参数小于第一比例条件,确定所述人脸候选区域对应小尺度人脸,所述尺寸参数为人脸候选区域所包含的像素数目与人脸检测模型所输出的特征图所包含的像素数目的比值;通过对应所述小尺度人脸的第一检测模型对所述人脸候选区域进行人脸检测,包括:通过所述第一检测模型获取所述人脸候选区域在所述人脸检测模型中至少两层卷积网络所输出特征图上的投影特征;所述至少两层卷积网络包括第一卷积网络和第二卷积网络,所述第一卷积网络所输出特征图的特征分辨率适用于所述尺寸参数,所述第一卷积网络的相邻层卷积网络为所述第二卷积网络,所述第二卷积网络所输出特征图的特征分辨率低于所述第一卷积网络所输出特征图的特征分辨率;将所述第一卷积网络的投影特征与所述第二卷积网络的投影特征融合得到的融合特征作为所述第一卷积网络的投影特征;根据所述至少两层卷积网络所输出特征图上的投影特征对所述人脸候选区域进行人脸检测;其中,所述将所述第一卷积网络的投影特征与所述第二卷积网络的投影特征融合得到的融合特征作为所述第一卷积网络的投影特征,包括:通过降低所述第一卷积网络的投影特征中的通道数量得到第一特征;通过将所述第二卷积网络的投影特征的特征分辨率提高到与所述第一卷积网络的投影特征的特征分辨率一致,得到第二特征;将所述第一特征和所述第二特征进行像素相加操作得到所述融合特征,其中,所述像素相加操作指的是,将所述第一特征中各个像素的特征与第二特征中该像素对应的像素的特征进行相加;将所述融合特征作为所述第一卷积网络的投影特征;其中,所述根据人脸检测模型确定待检测图像中的人脸候选区域,包括:获取所述待检测图像中的人脸感兴趣区域;将所述人脸感兴趣区域投影到根据所述人脸检测模型输出的特征图上,得到第一特征图;在所述第一特征图上生成锚框,得到第二特征图;在生成锚框的过程中,若目标锚框的中心点未与所述人脸感兴趣区域重叠,增大所述目标锚框的划窗步长;根据多个人脸检测任务的损失函数计算所述第二特征图中的人脸候选区域,并将确定出的人脸候选区域作为所述待检测图像的人脸候选区域;其中,所述多个人脸检测任务包括针对人脸目标的分类任务、针对人脸目标框的位置回归任务和针对人脸关键点的位置回归任务,所述多个人脸检测任务的损失函数根据下列方式训练得到:将所述针对人脸目标的分类任务和针对人脸目标框的位置回归任务作为主任务,将所述针对人脸关键点的位置回归任务作为辅助任务联合训练各自对应的损失函数,其中,所述针对人脸目标的分类任务是指检测出人脸和非人脸,所述针对人脸目标框的位置回归任务是指在检测出人脸的前提下要检测出人脸所处的位置,所述针对人脸关键点的位置回归任务是指检测出人脸的前提下检测出人脸上的关键位置,所述关键位置为鼻子、眼睛、嘴巴以及眉毛中的任意一个或组合;其中,所述多个人脸检测任务的损失函数为: 以及wr中的r表示主任务,以及wa中的上标a表示辅助任务,下标i表示输入数据标号,N表示总的数据,λa表示第a个辅助任务的重要系数,x表示输入样本,y表示输入样本对应的实际输出结果,fxi;wa表示输入样本对应的模型预测的结果,为权重。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人腾讯科技(深圳)有限公司,其通讯地址为:518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。