CN107590469A - 一种人脸检测方法及移动终端 - Google Patents

Abstract

本发明提供了一种人脸检测方法及移动终端。其中，该人脸检测方法包括：通过摄像头采集人脸图像，获取人脸图像对应的被拍摄人物与摄像头之间的距离；根据该距离，确定人脸检测模型的输入分辨率；基于输入分辨率，使用人脸检测模型对人脸图像进行人脸检测。本发明根据被拍摄人物到摄像头的距离自动调整人脸检测模型的输入分辨率，能够在人脸图像检测时准确地确定人脸图像范围，提升了人脸检测的精确度和鲁棒性。

Description

一种人脸检测方法及移动终端

技术领域

本发明涉及通信技术领域，尤其涉及一种人脸检测方法及移动终端。

背景技术

随着移动终端深度学习模型及其框架的不断发展，越来越多的产品开始应用基于深度学习的人脸检测算法来精确地定位人脸。对于距离变化的人脸检测问题，深度学习的人脸检测方法主要有两类解决方案：一种是学习对距离不敏感的特征表示方法，另一种是学习距离变化的特征表示方法。

目前，基于深度学习的人脸检测方法都是在大规模的人脸检测数据库上训练得来的。不管是基于学习距离不敏感的特征表示方法，还是基于学习距离变化的特征表示方法，都是基于人脸检测数据库中学习得来的，自适应变化能力相对比较弱。

发明内容

本发明实施例提供了一种人脸检测方法及移动终端，以解决现有技术中的人脸检测方法对距离自适应能力差的问题。

第一方面，提供了一种人脸检测方法，应用于包括摄像头的移动终端，所述人脸检测方法包括：

通过所述摄像头采集人脸图像，获取所述人脸图像对应的被拍摄人物与所述摄像头之间的距离；

根据所述距离，确定人脸检测模型的输入分辨率；

基于所述输入分辨率，使用所述人脸检测模型对所述人脸图像进行人脸检测。

第二方面，提供了一种移动终端，所述移动终端包括摄像头，所述移动终端还包括：

获取模块，用于通过所述摄像头采集人脸图像，获取所述人脸图像对应的被拍摄人物与所述摄像头之间的距离；

确定模块，用于根据所述获取模块获取到的距离，确定人脸检测模型的输入分辨率；

检测模块，用于基于所述确定模块确定出的输入分辨率，使用所述人脸检测模型对所述人脸图像进行人脸检测。

第三方面，提供了一种移动终端，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的人脸检测方法的步骤。

第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的人脸检测方法的步骤。

本发明实施例根据被拍摄人物到摄像头的距离自动调整人脸检测模型的输入分辨率，能够在人脸图像检测时准确地确定人脸图像范围，提升了人脸检测的精确度和鲁棒性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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表示本发明实施例提供的人脸检测方法的流程图；

图2表示现有技术中人脸检测的示意图；

图3表示本发明实施例提供的人脸检测的示意图；

图4表示本发明实施例提供的示例的流程图；

图5表示本发明实施例提供的移动终端的框图；

图6表示本发明实施例提供的移动终端的另一框图；

图7表示本发明实施例提供的移动终端的另一框图；

图8表示本发明实施例提供的移动终端的另一框图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

依据本发明实施例的一个方面，提供了一种人脸检测方法，应用于包括摄像头的移动终端。其中，该摄像头为前置摄像头和/后置摄像头。

其中，如图1所示，该人脸检测方法包括：

步骤101、通过摄像头采集人脸图像，获取人脸图像对应的被拍摄人物与摄像头之间的距离。

若在移动终端的摄像头当前获取的图像中初步检测到包括人脸图像，则获取人脸图像对应的被拍摄人物到摄像头的距离。

例如，在摄像头获取的图像中初步检测到一用户A的人脸图像时，则获取用户A到摄像头的距离。

步骤102、根据步骤101中获取的距离，确定人脸检测模型的输入分辨率。

其中，这里所述的人脸检测模型是指基于深度学习的人脸检测模型，所采用的深度学习网络模型可以是全卷积网络模型，具体情况可根据实际需求选择，本发明实施例对此不进行限制。

当获取到被拍摄人物到摄像头的距离后，将该距离信息作为先验知识传递至深度学习网络，这样基于深度学习的人脸检测模型就可以根据该先验的距离信息自动调整模型的输入分辨率，以提高人脸检测的精确度和鲁棒性。

例如，基于全卷积的深度学习网络可以接受任何分辨率的图像输入。在这种情况下，可以根据先验的距离信息，选择最合适的图像分辨率输入，这样对于前置摄像头(近距离)和后置摄像头(远距离)拍摄的图像，就可以使用一个深度学习网络模型来精确的进行人脸检测，而不必同时使用不同的深度学习网络模型，缩短了检测时间，提高了人脸检测的实时性，同时也减少了对移动终端内存的占用，减轻了移动终端的处理负担。

本发明实施例中，人脸检测模型的输入分辨率与被拍摄人物到摄像头的距离呈正相关关系，也就是当被拍摄人物到摄像头的距离较小时，输入分辨率也较小，当被拍摄人物到摄像头的距离较大时，输入分辨率也较大，这样，对于近距离图像，就可以采用对近距离图像友好的分辨率(即较低的分辨率)；对于远距离图像，就可以采用对远距离图像友好的分辨率(即较高的分辨率)，避免出现误检或漏检的情况发生。

步骤103、基于步骤102确定出的输入分辨率，使用人脸检测模型对人脸图像进行人脸检测。

在根据被拍摄人物到摄像头的距离确定人脸检测模型的输入分辨率时，则根据该输入分辨率和摄像头当前获取的图像，得到人脸检测模型的输入图像，通过人脸检测模型对输入图像进行人脸检测。

本发明实施例根据被拍摄人物到摄像头的距离自动调整人脸检测模型的输入分辨率，能够在人脸图像检测时准确地确定人脸图像范围，提升了人脸检测的精确度和鲁棒性。

为了进一步理解本发明实施例提供的人脸检测方法，下面以通过手机中的前置摄像头进行拍照为例进行进一步地解释说明，如下所述：

以全卷积网络模型为例，如图2所示，图中左侧为前置摄像头当前获取的图像，假设全卷积网络默认的输入端图像的分辨率大小是416*416，那么经过 32倍的缩小(5次pooling操作)，最后全卷积网络的最后一层-检测层的分辨率大小为13*13。如果检测层的每个格子预测5个候选人脸框，那么整个检测层会输出13*13*5数目的人脸框，然后这些输出的人脸框会进行非极大值抑制操作，把重合的框合并，最后在移动终端的显示屏上显示一个最终确定的人脸框框出检测到的人脸。但在13*13*5这么多的人脸框合并过程中，有可能会造成多余的人脸框存在，如图2中的右侧图像所示，出现了两个人脸框(如图中两个实线矩形框所示)，而实际图像中只存在一张人脸。

而本发明实施例提供的人脸检测方法则可以很好的克服上述出现问题。如图3和图4所示，当手机上的相机启动并采用前摄模式进行拍照时，前置摄像头获取图像，初步判断图像中是否具有人脸，若存在人脸，则启动手机上的距离传感器，获取被拍摄人物到摄像头的距离信息，然后将该距离信息作为先验知识载入全卷积网络模型，全卷积网络模型根据该距离信息确定全卷积网络模型输入端的分辨率，然后根据该分辨率对前置摄像头当前获取的图像进行人脸检测。如与当前的距离信息对应的分辨率为224*224，那么最后检测层的分辨率的大小为7*7，相应得到的人脸框数目为7*7*5，再经过非极大值抑制操作合并重合的人脸框，就可以得到更加准确的人脸框位置，如图3中的右侧图像所示(图中只有一个人脸框框出了人脸)。

进一步地，本发明实施例中，根据距离确定当前用于人脸检测的检测模型的输入图像的分辨率的步骤具体包括：

根据预先设置的不同距离与相应分辨率的对应关系，确定人脸检测模型的输入分辨率。

也就是预先设置距离与分辨率的对应关系，根据距离与分辨率之间的预设关系，确定与当前被拍摄人物到摄像头的距离对应的分辨率。

本发明实施例中，优选设置不同的距离范围对应不同的分辨率。例如， 0～0.1m的距离范围内对应的分辨率为13*13，0.1～0.2的距离范围内对应的分辨率为26*26，0.2～03的距离范围内对应的分辨率为52*52等，当然这里仅是举例说明，具体对应关系可根据实际需求设置，本发明实施例对此不进行限制。

优选地，本发明实施例中通过设置在移动终端上的距离传感器，检测人脸图像对应的被拍摄人物到摄像头的距离。优选地，该距离传感器为红外线距离传感器。采用红外线距离传感器能够通过物体散发出的红外线区分人和物。

其中，当被拍摄人的人脸图像的数量为至少两个时，获取人脸图像对应的被拍摄人物到摄像头的距离的步骤，具体包括：分别获取每一人脸图像对应的被拍摄人物与摄像头之间的距离；计算所有人脸图像对应的被拍摄人物与摄像头之间的距离的平均距离值；将计算得到的平均距离值确定为人脸图像对应的被拍摄人物与摄像头之间的距离。

也就是，当存在多个被拍摄人物，尤其是远距离拍摄时，若多个被拍摄人物到摄像头的距离同属同一预设的距离范围，则可以容易的确定出与该距离范围对应的人脸检测模型的输入分辨率；若多个被拍摄人物为到摄像头的距离所属不同的距离范围，则难以确定出以哪个距离范围对应的人脸检测模型的输入分辨率为准，因此，为了更好的对每一人脸图像进行识别检测，本发明实施例选择：将所有被拍摄人物到摄像头的平均距离值作为确定人脸检测模型的输入分辨率。

综上所述，本发明实施例提供的人脸检测方法，能够根据被拍摄人物到摄像头的距离自动调整人脸检测模型的输入分辨率，提高了人脸检测模型对距离的自适应性，从而使人脸检测模型在进行人脸图像检测时，能够更加准确的确定出人脸图像范围，提升了人脸检测中对人脸图像定位的精确度和鲁棒性。

为了更好地实现上述目的，依据本发明实施例的另一个方面，还提供了一种移动终端，包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序，该计算机程序被该处理器执行时实现如上所述的人脸检测方法中的步骤。依据本发明实施例的再一个方面，还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如上所述的人脸检测方法中的步骤。

以上实施例分别详细介绍了不同场景下的人脸检测方法，下面将结合图5 和图6对与其对应的移动终端做进一步介绍。

依据本发明实施例的另一个方面，提供了一种移动终端，该移动终端包括摄像头。该移动终端能实现上述人脸检测方法中的细节，并达到相同的效果。

如图5所示，该移动终端还包括：

获取模块501，用于通过摄像头采集人脸图像，获取人脸图像对应的被拍摄人物与摄像头之间的距离。

确定模块502，用于根据获取模块501获取到的距离，确定人脸检测模型的输入分辨率。

检测模块503，用于基于确定模块502确定出的输入分辨率，使用人脸检测模型对人脸图像进行人脸检测。

进一步地，如图6所示，该获取模块501包括：

检测单元5011，用于通过设置在移动终端上的距离传感器，检测人脸图像对应的被拍摄人物与摄像头之间的距离。

优选地，该距离传感器为红外线距离传感器。

进一步地，当被拍摄人人脸图像的数量为至少两个时，如图6所示，该获取模块501包括：

获取单元5012，用于分别获取每一人脸图像对应的被拍摄人物与摄像头之间的距离。

计算单元5013，用于计算所有人脸图像对应的被拍摄人物与摄像头之间的距离的平均距离值。

第二确定单元5014，用于将计算单元5013计算得到的平均距离值确定为人脸图像对应的被拍摄人物与摄像头之间的距离。

进一步地，如图6所示，该确定模块502包括：

第一确定单元5021，用于根据预先设置的不同距离与相应分辨率的对应关系，确定人脸检测模型的输入分辨率。

综上所述，本发明实施例提供的移动终端，当移动终端的摄像头当前获取的图像中包括人脸图像时，首先通过获取模块501获取人脸图像对应的被拍摄人物与摄像头之间的距离，然后由确定模块502根据获取模块501获取到的距离，确定人脸检测模型的输入分辨率，再然后由检测模块503基于确定模块 502确定出的输入分辨率，使用人脸检测模型对人脸图像进行人脸检测。这样，人脸检测模型就能够根据被拍摄人物到摄像头的距离自动调整模型的输入分辨率，提高了人脸检测模型对距离的自适应性，从而使人脸检测模型在进行人脸图像检测时，能够更加准确的确定出人脸图像范围，提升了人脸检测中对人脸图像定位的精确度和鲁棒性。

依据本发明实施例的另一个方面，提供了一种移动终端700。

如图7所示，该移动终端700包括：至少一个处理器701、存储器702、至少一个网络接口704、用户接口703和拍照模组706。移动终端700中的各个组件通过总线系统705耦合在一起。可理解，总线系统705用于实现这些组件之间的连接通信。总线系统705除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图7中将各种总线都标为总线系统705。

其中，用户接口703可以包括显示器、键盘或者点击设备，例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

可以理解，本发明实施例中的存储器702可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM， DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch Link DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本文描述的系统和方法的存储器 702旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器702存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统7021和应用程序7022。

其中，操作系统7021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序7022，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序 7022中。

在本发明实施例中，移动终端700还包括：存储在存储器702上并可在处理器701上运行的计算机程序，计算机程序被处理器701执行时实现如下步骤：

通过摄像头采集人脸图像，获取人脸图像对应的被拍摄人物与摄像头之间的距离；

根据距离，确定人脸检测模型的输入分辨率；

基于输入分辨率，使用人脸检测模型对人脸图像进行人脸检测。

上述本发明实施例揭示的方法可以应用于处理器701中，或者由处理器 701实现。处理器701可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器701可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。

软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的计算机可读存储介质中。该计算机可读存储介质位于存储器702，处理器701读取存储器702中的信息，结合其硬件完成上述方法的步骤。具体地，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器701执行时实现如上述视频通话方法实施例的各步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

可选的，计算机程序被处理器701执行时还可实现如下步骤：

根据预先设置的不同距离与相应分辨率的对应关系，确定人脸检测模型的输入分辨率。

可选地，计算机程序被处理器701执行时还可实现如下步骤：

通过设置在移动终端上的距离传感器，检测人脸图像对应的被拍摄人物与摄像头之间的距离。

可选地，当人脸图像数量为至少两个时，计算机程序被处理器701执行时还可实现如下步骤：

分别获取每一人脸图像对应的被拍摄人物与摄像头之间的距离；

计算所有人脸图像对应的被拍摄人物与摄像头之间的距离的平均距离值；

将平均距离值确定为人脸图像对应的被拍摄人物与摄像头之间的距离。

该移动终端700能够实现前述实施例中移动终端实现的各个过程，为避免重复，这里不再赘述。

本发明实施例提供的移动终端700，能够使人脸检测模型根据被拍摄人物到摄像头的距离自动调整模型的输入分辨率，提高人脸检测模型对距离的自适应性，从而使人脸检测模型在进行人脸图像检测时，能够更加准确的确定出人脸图像范围，提升了人脸检测中对人脸图像定位的精确度和鲁棒性。

依据本发明实施例的另一个方面，提供了一种移动终端800。

该移动终端800可以为手机、平板电脑、个人数字助理(Personal DigitalAssistant，PDA)或车载电脑等。

如图8所示，该移动终端800包括射频(Radio Frequency，RF)电路801、存储器802、输入单元803、显示单元804、处理器806、音频电路807、Wi-Fi (Wireless Fidelity)模块808、电源809和拍照模块810。

其中，输入单元803可用于接收用户输入的数字或字符信息，以及产生与移动终端800的用户设置以及功能控制有关的信号输入。具体地，本发明实施例中，该输入单元803可以包括触控面板8031。触控面板8031，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板8031上的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板8031可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给该处理器806，并能接收处理器806发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板8031。除了触控面板8031，输入单元803还可以包括其他输入设备8032，其他输入设备8032可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

其中，显示单元804可用于显示由用户输入的信息或提供给用户的信息以及移动终端800的各种菜单界面。显示单元804可包括显示面板8041，可选的，可以采用LCD或有机发光二极管(Organic Light-Emitting Diode，OLED) 等形式来配置显示面板8041。

应注意，触控面板8031可以覆盖显示面板8041，形成触摸显示屏，当该触摸显示屏检测到在其上或附近的触摸操作后，传送给处理器806以确定触摸事件的类型，随后处理器806根据触摸事件的类型在触摸显示屏上提供相应的视觉输出。

触摸显示屏包括应用程序界面显示区及常用控件显示区。该应用程序界面显示区及该常用控件显示区的排列方式并不限定，可以为上下排列、左右排列等可以区分两个显示区的排列方式。该应用程序界面显示区可以用于显示应用程序的界面。每一个界面可以包含至少一个应用程序的图标和/或widget桌面控件等界面元素。该应用程序界面显示区也可以为不包含任何内容的空界面。该常用控件显示区用于显示使用率较高的控件，例如，设置按钮、界面编号、滚动条、电话本图标等应用程序图标等。

其中，处理器806是移动终端800的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在第一存储器8021内的软件程序和/或模块，以及调用存储在第二存储器8022内的数据，执行移动终端800的各种功能和处理数据，从而对移动终端800进行整体监控。可选的，处理器 806可包括一个或多个处理单元。

上述本发明实施例揭示的方法可以应用于处理器806中，或者由处理器 806实现。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。

该软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的计算机可读存储介质中。该计算机可读存储介质位于存储器802，处理器806读取存储器802中的信息，结合其硬件完成上述方法的步骤。具体地，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器806执行时实现如上述视频通话方法实施例的各步骤。

在本发明实施例中，移动终端800还包括：存储在存储器802上并可在处理器806上运行的计算机程序，计算机程序被处理器806执行时实现如下步骤：

通过摄像头采集人脸图像，获取人脸图像对应的被拍摄人物与摄像头之间的距离；

根据距离，确定人脸检测模型的输入分辨率；

基于输入分辨率，使用人脸检测模型对人脸图像进行人脸检测。

可选的，计算机程序被处理器806执行时还可实现如下步骤：

根据预先设置的不同距离与相应分辨率的对应关系，确定人脸检测模型的输入分辨率。

可选地，计算机程序被处理器806执行时还可实现如下步骤：

通过设置在移动终端上的距离传感器，检测人脸图像对应的被拍摄人物与摄像头之间的距离。

可选地，当人脸图像数量为至少两个时，计算机程序被处理器806执行时还可实现如下步骤：

分别获取每一人脸图像对应的被拍摄人物与摄像头之间的距离；

计算所有人脸图像对应的被拍摄人物与摄像头之间的距离的平均距离值；

将平均距离值确定为人脸图像对应的被拍摄人物与摄像头之间的距离。

可见，本发明实施例提供的移动终端800，能够使人脸检测模型根据被拍摄人物到摄像头的距离自动调整模型的输入分辨率，提高人脸检测模型对距离的自适应性，从而使人脸检测模型在进行人脸图像检测时，能够更加准确的确定出人脸图像范围，提升了人脸检测中对人脸图像定位的精确度和鲁棒性。

本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种人脸检测方法，应用于包括摄像头的移动终端，其特征在于，所述人脸检测方法包括：

通过所述摄像头采集人脸图像，获取所述人脸图像对应的被拍摄人物与所述摄像头之间的距离；

根据所述距离，确定人脸检测模型的输入分辨率；

基于所述输入分辨率，使用所述人脸检测模型对所述人脸图像进行人脸检测。

2.根据权利要求1所述的人脸检测方法，其特征在于，所述根据所述距离，确定人脸检测模型的输入分辨率的步骤，包括：

根据预先设置的不同距离与相应分辨率的对应关系，确定所述人脸检测模型的输入分辨率。

3.根据权利要求1所述的人脸检测方法，其特征在于，获取所述人脸图像对应的被拍摄人物与所述摄像头之间的距离的步骤，包括：

通过设置在移动终端上的距离传感器，检测所述人脸图像对应的被拍摄人物与所述摄像头之间的距离。

4.根据权利要求1所述的人脸检测方法，其特征在于，当所述人脸图像的数量为至少两个时，获取所述人脸图像对应的被拍摄人物与所述摄像头之间的距离的步骤，包括：

分别获取每一所述人脸图像对应的被拍摄人物与摄像头之间的距离；

计算所有所述人脸图像对应的被拍摄人物与摄像头之间的距离的平均距离值；

将所述平均距离值确定为所述人脸图像对应的被拍摄人物与所述摄像头之间的距离。

5.一种移动终端，所述移动终端包括摄像头，其特征在于，所述移动终端还包括：

获取模块，用于通过所述摄像头采集人脸图像，获取所述人脸图像对应的被拍摄人物与所述摄像头之间的距离；

确定模块，用于根据所述获取模块获取到的距离，确定人脸检测模型的输入分辨率；

检测模块，用于基于所述确定模块确定出的输入分辨率，使用所述人脸检测模型对所述人脸图像进行人脸检测。

6.根据权利要求5所述的移动终端，其特征在于，所述确定模块包括：

第一确定单元，用于根据预先设置的不同距离与相应分辨率的对应关系，确定所述人脸检测模型的输入分辨率。

7.根据权利要求5所述的移动终端，其特征在于，所述获取模块包括：

检测单元，用于通过设置在移动终端上的距离传感器，检测所述人脸图像对应的被拍摄人物与所述摄像头之间的距离。

8.根据权利要求5所述的移动终端，其特征在于，当所述人脸图像的数量为至少两个时，所述获取模块包括：

获取单元，用于分别获取每一所述人脸图像对应的被拍摄人物与摄像头之间的距离；

计算单元，用于计算所有所述人脸图像对应的被拍摄人物与所述摄像头之间的距离的平均距离值；

第二确定单元，用于将所述平均距离值确定为所述人脸图像对应的被拍摄人物与所述摄像头之间的距离。

9.一种移动终端，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的人脸检测方法的步骤。

10.一种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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的人脸检测方法的步骤。