CN108509895B - 用于检测人脸图像的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于检测人脸图像的方法和装置。该方法的一具体实施方式包括：获取待检测图像；将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息，其中，上述神经网络模型用于表征图像与至少两组候选区域信息的对应关系，上述神经网络模型包括用于输出特征图像的至少两个特征提取层，每组候选区域信息根据至少一个特征提取层输出的特征图像生成；根据所生成的至少两组候选区域信息，生成人脸图像位置信息，其中，上述人脸图像位置信息用于指示上述待检测图像中的人脸图像的位置。该实施方式丰富了人脸图像检测方式。

Description

用于检测人脸图像的方法和装置

技术领域

本申请实施例涉及计算机技术领域，尤其涉及用于检测人脸图像的方法和装置。

背景技术

随着人工智能的快速发展，人脸识别技术应用越来越广泛。人脸识别的前提是人脸图像检测。通常情况下，需要先确定待识别图像是否是人脸图像，如果是，再确定人脸图像所代表的人脸的身份。

发明内容

本申请实施例提出了用于检测人脸图像的方法和装置。

第一方面，本申请实施例提供了一种用于检测人脸图像的方法，该方法包括：获取待检测图像；将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息，其中，上述神经网络模型用于表征图像与至少两组候选区域信息的对应关系，上述神经网络模型包括用于输出特征图像的至少两个特征提取层，每组候选区域信息根据至少一个特征提取层输出的特征图像生成；根据所生成的至少两组候选区域信息，生成人脸图像位置信息，其中，上述人脸图像位置信息用于指示上述待检测图像中的人脸图像的位置。

在一些实施例中，上述神经网络模型还包括至少两个第一全连接层，第一全连接层与特征提取层连接，其中，每个第一全连接层用于根据输入该第一全连接层的特征图像，生成一组候选区域信息。

在一些实施例中，上述神经网络模型还包括特征图像结合层和至少两个第二全连接层，其中，特征图像结合层用于将至少两个特征提取层输出的特征图像结合为特征结合图像，特征图像结合层还用于将上述特征结合图像输出至第二全连接层，第二全连接层用于根据接收到的特征结合图生成候选区域信息。

在一些实施例中，特征图像结合层所结合的特征图像接收自两个特征提取层。

在一些实施例中，上述两个特征提取层为相邻的两个特征提取层。

在一些实施例中，特征图像结合层还用于：对于接收到的两个特征图像，将维数较少的特征图像进行上采样，生成上采样特征图像，其中，生成的上采样特征图像的维数与维数较多的特征图像的维数一致；将上采样特征图像与维数较多的特征图像合并，生成特征结合图像。

第二方面，本申请实施例提供了一种用于检测人脸图像的装置，该装置包括：获取单元，配置用于获取待检测图像；第一生成单元，配置用于将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息，其中，上述神经网络模型用于表征图像与至少两组候选区域信息的对应关系，上述神经网络模型包括用于输出特征图像的至少两个特征提取层，每组候选区域信息根据至少一个特征提取层输出的特征图像生成；第二生成单元，配置用于根据所生成的至少两组候选区域信息，生成人脸图像位置信息，其中，上述人脸图像位置信息用于指示上述待检测图像中的人脸图像的位置。

在一些实施例中，上述神经网络模型还包括至少两个第一全连接层，第一全连接层与特征提取层连接，其中，每个第一全连接层用于根据输入该第一全连接层的特征图像，生成一组候选区域信息。

在一些实施例中，上述神经网络模型还包括特征图像结合层和至少两个第二全连接层，其中，特征图像结合层用于将至少两个特征提取层输出的特征图像结合为特征结合图像，特征图像结合层还用于将上述特征结合图像输出至第二全连接层，第二全连接层用于根据接收到的特征结合图生成候选区域信息。

在一些实施例中，特征图像结合层所结合的特征图像接收自两个特征提取层。

在一些实施例中，上述两个特征提取层为相邻的两个特征提取层。

在一些实施例中，特征图像结合层还用于：对于接收到的两个特征图像，将维数较少的特征图像进行上采样，生成上采样特征图像，其中，生成的上采样特征图像的维数与维数较多的特征图像的维数一致；将上采样特征图像与维数较多的特征图像合并，生成特征结合图像。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于检测人脸图像的方法和装置，通过将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息；然后，根据所生成的至少两组候选区域信息，生成人脸图像位置信息，丰富了人脸图像检测方法。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于检测人脸图像的方法的一个实施例的流程图；

图3是根据本申请的神经网络模型的一种实现方式的流程图；

图4A、图4B、图4C、图4D、图4E和图4F是根据本申请的用于检测人脸图像的方法的一个应用场景的示意图；

图5是根据本申请的神经网络模型的一种实现方式的流程图；

图6是根据本申请的神经网络模型的一种实现方式的流程图；

图7是根据本申请的用于检测人脸图像的装置的一个实施例的结构示意图；

图8是适于用来实现本申请实施例的服务器或终端设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于检测人脸图像的方法或用于检测人脸图像的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图像拍摄类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有图像拍摄功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103图像拍摄类应用提供支持的后台服务器。后台服务器可以对接收到的图片处理请求等数据进行分析等处理，并将处理结果(例如检测出的人脸图像的位置信息)反馈给终端设备。

需要说明的是，本申请实施例所提供的用于检测人脸图像的方法一般由服务器105执行。相应地，用于检测人脸图像的装置一般设置于服务器105中。可选的，本申请实施例所提供的用于检测人脸图像的方法也可以由终端设备执行。相应地，用于检测人脸图像的装置也可以设置于终端设备中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的用于检测人脸图像的方法的一个实施例的流程200。该用于检测人脸图像的方法，可以包括以下步骤：

步骤201，获取待检测图像。

在本实施例中，用于检测人脸图像的方法的执行主体(例如图1所示的服务器)可以从本地或者其它电子设备，获取待检测图像。

在本实施例中，待检测图像可以是等待检测的图像。检测的目的：确定此待检测图像中哪些区域为人脸图像，即确定人脸图像在此待检测图像中的位置。

需要说明的是，检测人脸图像与识别人脸图像是不同的。识别人脸图像之前，已经检测出图像是人脸图像。识别人脸图像的目的是：确定图像中的人脸代表的是谁。

作为示例，终端可以拍摄得到图像A。上述执行主体(例如服务器)可以从终端获取图像A。上述执行主体可以将图像A作为待检测图像，进行后续的步骤。

步骤202，将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息。

在本实施例中，基于步骤201中得到的待检测图像，上述执行主体(例如图1所示的服务器)可以将上述待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息。

在本实施例中，上述神经网络模型用于表征图像与至少两组候选区域信息的对应关系。

在本实施例中，神经网络模型是借鉴了生物神经网络的工作原理形成的一种数学模型。可选地，应用于本申请的神经网络模型，可以基于以下至少一种神经网络建立：卷积神经网络、循环神经网络和长短期记忆神经网络等。

在本实施例中，上述神经网络模型包括至少两个特征提取层，特征提取层用于输出特征图像。在这里，特征图像(Feature Map)可以称为特征图或图像特征。

请参考图3，其示出了可以应用于本申请实施例的一种神经网络模型的示例性结构。

图3中，301和302分别为两个特征提取层，特征提取层301的可以输出特征图像至特征提取层302。图3中303所指示的框图可以代表输出层，输出层303可以包括用于回归或分类的层(此处未示出具体结构)，用于输出至少两路候选区域信息。

可选地，特征提取层可以通过各种结构实现特征。例如，可以通过构建卷积层的方式构建特征提取层，进行特征提取。

在本实施例中，每组候选区域信息包括一个或多个候选区域信息。

在本实施例中，每组候选区域信息根据至少一个特征提取层输出的特征图像生成。

可选地，可以以一个特征提取层为基础，输出一组候选区域信息。

可选地，可以以两组特征提取层为基础，输出一组候选区域信息。

在本实施例中，可以利用特征提取层，生成特征图像。然后，可以对特征图像或由多个特征图像综合得到的特征综合图像，进行回归或分类，得到候选区域信息，

在本实施例中，候选区域信息包括候选区域位置信息和概率值。

在本实施例中，候选区域位置信息可以用于指示特征图像或特征综合图像上的第一区域。这个第一区域与待检测图像中的第二区域具有映射关系，待检测图像中第二区域的图像可能是人脸图像。概率值用于表征：上述第二区域的图像可能是人脸图像的概率。

作为示例，候选区域位置信息可以是四组坐标。四组坐标可以围成一个四边形。概率值可以用于表征：四边形中的图像是人脸图像的概率。

步骤203，根据所生成的至少两组候选区域信息，生成人脸图像位置信息。

在本实施例中，上述执行主体(例如图1所示的服务器)可以根据所生成的至少两组候选区域信息，生成人脸图像位置信息。

在本实施例中，对于每组候选区域信息，可以确定生成这组候选区域信息所利用的特征图像或特征综合图像。然后，确定特征图像或特征综合图像与待检测图像的映射关系。参考映射关系，确定与候选区域位置信息具有映射关系的人脸图像位置信息。

在本实施例中，人脸图像位置信息用于指示上述待检测图像中的人脸图像的位置。

需要说明的是，各组候选区域信息生成时，所根据的特征提取层是不同的。对于神经网络模型来说，各个特征提取层输出的特征图像，侧重有所不同。较低的特征提取层输出的特征图像，纹理细节更多。较高的特征提取层输出的特征图像，视野(感受野)越大，表达能力越强。

现有技术中，通常使用最后一个特征提取层输出的总的特征图像，但总的特征图像往往丢失了小的纹理信息。本申请中使用多个特征提取层输出的特征图像，可以兼顾更多纹理细节和更大视野。实践表明，本申请较低的特征提取层输出的特征图像，可以检测出待检测图像中的、尺寸较小的人脸图像。本申请较高的特征提取层输出的特征图像，可以检测出待检测图像中的、尺寸较大的人脸图像。

继续参见图4A、图4B、图4C、图4D、图4E和图4F，图4A、图4B、图4C、图4D、图4E和图4F是根据本实施例的用于检测人脸图像的方法的应用场景的一个示意图。

首先，终端可以向服务器发发送待检测图像。作为示例，如图4A示出了待检测图像，待检测图像中，左上角有尺寸较大的人脸401，右下角有尺寸较小的人脸402。

然后，服务器可以将获取到的待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息。上述神经网络模型包括至少两个特征提取层(例如可以是特征提取层A和特征提取层B)，特征提取层用于输出特征图像。作为示例，特征提取层A输出的特征图像A，如图4B所示。特征提取层B输出的特征图像B，如图4C所示。特征提取层A可以向特征提取层B输出特征图像，即特征提取层A为较低的特征提取层，特征提取层B为较高的特征提取层。根据特征图像A可以得出A组候选区域信息，A组候选区域信息以图4D中的矩形框402示出。根据特征图像B可以得出B组候选区域信息，B组候选区域信息以图4E中的矩形框403示出。因为左上角较大人脸所占区域较大，从特征图像A不能有效感知这是一个完整人脸图像。因为特征图像B感受野较大，可能已经丢失了细节信息，所以不能有效感知右下角人脸图像。

最后，服务器可以根据所生成的至少两组候选区域信息，生成人脸图像位置信息。作为示例，人脸图像位置信息以图4F中的矩形框404和矩形框405示出。

本申请的上述实施例提供的方法，通过将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息；然后，根据所生成的至少两组候选区域信息，生成人脸图像位置信息，丰富了人脸图像检测方法。

在本实施例的一些可选的实现方式中，上述神经网络模型还包括至少两个第一全连接层。

在这里，第一全连接层与特征提取层连接。

在这里，每个第一全连接层用于根据输入该第一全连接层的特征图像，生成一组候选区域信息。

请一步参考图5，其示出了一种根据本申请的神经网络模型结构。

图5所示的神经网络模型包括特征提取层501、特征提取层502和特征提取层503。图5所示的神经网络模型还包括第一全连接层504、第一全连接层505和第一全连接层506。

图5中，特征提取层501可以向特征提取层502输出特征图像，特征提取层502可以向特征提取层503输出特征图像。特征提取层501还可以向第一全连接层504输出特征图像，由第一全连接层504输出一组候选区域信息。特征提取层502还可以向第一全连接层505输出特征图像，由第一全连接层505输出一组候选区域信息。特征提取层503可以向第一全连接层506输出特征图像，第一全连接层506输出一组候选区域信息。

在本实施例的一些可选的实现方式中，上述神经网络模型还包括图像结合层和至少两个第二全连接层。

在这里，图像结合层用于将至少两个特征提取层输出的特征图像结合为特征结合图像。

请一步参考图6，其示出了一种根据本申请的神经网络模型结构。

图6示出的神经网络模型包括特征提取层601、特征提取层602和特征提取层603。特征提取层601可以向特征提取层602输出特征图像，特征提取层602可以向特征提取层603输出特征图像。

图6示出的神经网络模型还可以包括特征图像结合层604和特征图像结合层605。特征图像结合层604与特征提取层601、特征提取层602连接，接收并结合特征提取层601和特征提取层602输出的特征图像，以生成特征结合图像A(未示出)。特征图像结合层605与特征提取层602、特征提取层603连接，接收并结合特征提取层602、特征提取层603输出的特征图像，以生成特征结合图像B(未示出)。

在这里，特征图像结合层还用于将上述特征结合图像输出至第二全连接层。

图6中，特征图像结合层604与第二全连接层606连接，向第二全连接层606输出特征结合图像A。特征图像结合层605与第二全连接层607连接，向第二全连接层607输出特征结合图像B。在这里，第二全连接层用于根据接收到的特征结合图生成候选区域信息。

图6中，第二全连接层606根据接收到的特征结合图像A，生成一组候选区域信息。第二全连接层607根据接收到的特征结合图像B，生成一组候选区域信息。

需要说明的是，特征图像结合层可以将两个或两个以上特征图像结合，生成特征结合图像。虽然图6中示出将两个特征图像结合，但不应被图中示意所限制。

在本实施例的一些可选的实现方式中，特征图像结合层用于将两个特征提取层输出的特征图像结合为特征结合图像。即，特征图像结合层所结合的特征图像接收自两个特征提取层。

在这里，上述两个特征提取层为相邻的两个特征提取层。

在本实施例的一些可选的实现方式中，特征图像结合层还用于：对于接收到的两个特征图像，将维数较少的特征图像进行上采样，生成上采样特征图像，其中，生成的上采样特征图像的维数与维数较多的特征图像的维数一致；将上采样特征图像与维数较多的特征图像合并，生成特征结合图像。通过将维数较少的特征图像上采样，可以实现特征图像之间的合并。作为示例，合并可以是将特征图像对应位置相加，也可以是将特征图像进行拼接。

进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一种用于检测人脸图像的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，本实施例的用于检测人脸图像的装置700包括：取单元701、第一生成单元702和第二生成单元703。其中，获取单元，配置用于获取待检测图像；第一生成单元，配置用于将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息，其中，上述神经网络模型用于表征图像与至少两组候选区域信息的对应关系，上述神经网络模型包括用于输出特征图像的至少两个特征提取层，每组候选区域信息根据至少一个特征提取层输出的特征图像生成；第二生成单元，配置用于根据所生成的至少两组候选区域信息，生成人脸图像位置信息，其中，上述人脸图像位置信息用于指示上述待检测图像中的人脸图像的位置。

在本实施例的一些可选的实现方式中，上述神经网络模型还包括至少两个第一全连接层，第一全连接层与特征提取层连接，其中，每个第一全连接层用于根据输入该第一全连接层的特征图像，生成一组候选区域信息。

在本实施例的一些可选的实现方式中，上述神经网络模型还包括特征图像结合层和至少两个第二全连接层，其中，特征图像结合层用于将至少两个特征提取层输出的特征图像结合为特征结合图像，特征图像结合层还用于将上述特征结合图像输出至第二全连接层，第二全连接层用于根据接收到的特征结合图生成候选区域信息。

在本实施例的一些可选的实现方式中，特征图像结合层所结合的特征图像接收自两个特征提取层。

在本实施例的一些可选的实现方式中，上述两个特征提取层为相邻的两个特征提取层。

在本实施例的一些可选的实现方式中，特征图像结合层还用于：对于接收到的两个特征图像，将维数较少的特征图像进行上采样，生成上采样特征图像，其中，生成的上采样特征图像的维数与维数较多的特征图像的维数一致；将上采样特征图像与维数较多的特征图像合并，生成特征结合图像。

在本实施例中，用于检测人脸图像的装置700的获取单元取单元701、第一生成单元702和第二生成单元703的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明，在此不再赘述。

需要说明的是，本申请实施例提供的用于检测人脸图像的装置中各单元的实现细节和技术效果可以参考本申请中其它实施例的说明，在此不再赘述。

下面参考图8，其示出了适于用来实现本申请实施例的服务器或终端设备的计算机系统800的结构示意图。图8示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图8所示，计算机系统800包括中央处理单元(CPU，Central Processing Unit)801，其可以根据存储在只读存储器(ROM，Read Only Memory)802中的程序或者从存储部分808加载到随机访问存储器(RAM，Random Access Memory)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统800操作所需的各种程序和数据。CPU 801、ROM802以及RAM 803通过总线804彼此相连。输入/输出(I/O，Input/Output)接口805也连接至总线804。

以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一生成单元和第二生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待检测图像的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取待检测图像；将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息，其中，上述神经网络模型用于表征图像与至少两组候选区域信息的对应关系，上述神经网络模型包括用于输出特征图像的至少两个特征提取层，每组候选区域信息根据至少一个特征提取层输出的特征图像生成；根据所生成的至少两组候选区域信息，生成人脸图像位置信息，其中，上述人脸图像位置信息用于指示上述待检测图像中的人脸图像的位置。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于检测人脸图像的方法，包括：

获取待检测图像；

将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息，其中，所述神经网络模型用于表征图像与至少两组候选区域信息的对应关系，所述神经网络模型包括用于输出特征图像的至少三个特征提取层，每组候选区域信息根据至少两个特征提取层输出的特征图像生成，所述至少两个特征提取层包括较低的特征提取层和较高的特征提取层，所述神经网络模型还包括特征图像结合层和至少两个第二全连接层，特征图像结合层用于将所述至少两个特征提取层输出的特征图像结合为特征结合图像，以及将所述特征结合图像输出至第二全连接层，第二全连接层用于根据接收到的特征结合图生成候选区域信息，其中，每个目标特征提取层对应至少两组候选区域信息，目标特征提取层为除了最高的特征提取层和最低的特征提取层之外的特征提取层；

根据所生成的至少两组候选区域信息，生成人脸图像位置信息，其中，所述人脸图像位置信息用于指示所述待检测图像中的人脸图像的位置。

2.根据权利要求1所述的方法，其中，所述神经网络模型还包括至少两个第一全连接层，第一全连接层与特征提取层连接，其中，每个第一全连接层用于根据输入该第一全连接层的特征图像，生成一组候选区域信息。

3.根据权利要求1所述的方法，其中，特征图像结合层所结合的特征图像接收自两个特征提取层。

4.根据权利要求3所述的方法，其中，所述两个特征提取层为相邻的两个特征提取层。

5.根据权利要求4所述的方法，其中，特征图像结合层还用于：

对于接收到的两个特征图像，将维数较少的特征图像进行上采样，生成上采样特征图像，其中，生成的上采样特征图像的维数与维数较多的特征图像的维数一致；

将上采样特征图像与维数较多的特征图像合并，生成特征结合图像。

6.一种用于检测人脸图像的装置，包括：

获取单元，配置用于获取待检测图像；

第一生成单元，配置用于将待检测图像导入预先训练的神经网络模型，生成至少两组候选区域信息，其中，所述神经网络模型用于表征图像与至少两组候选区域信息的对应关系，所述神经网络模型包括用于输出特征图像的至少三个特征提取层，每组候选区域信息根据至少两个特征提取层输出的特征图像生成，所述至少两个特征提取层包括较低的特征提取层和较高的特征提取层，所述神经网络模型还包括特征图像结合层和至少两个第二全连接层，特征图像结合层用于将所述至少两个特征提取层输出的特征图像结合为特征结合图像，以及将所述特征结合图像输出至第二全连接层，第二全连接层用于根据接收到的特征结合图生成候选区域信息，其中，每个目标特征提取层对应至少两组候选区域信息，目标特征提取层为除了最高的特征提取层和最低的特征提取层之外的特征提取层；

第二生成单元，配置用于根据所生成的至少两组候选区域信息，生成人脸图像位置信息，其中，所述人脸图像位置信息用于指示所述待检测图像中的人脸图像的位置。

7.根据权利要求6所述的装置，其中，所述神经网络模型还包括至少两个第一全连接层，第一全连接层与特征提取层连接，其中，每个第一全连接层用于根据输入该第一全连接层的特征图像，生成一组候选区域信息。

8.根据权利要求6所述的装置，其中，特征图像结合层所结合的特征图像接收自两个特征提取层。

9.根据权利要求8所述的装置，其中，所述两个特征提取层为相邻的两个特征提取层。

10.根据权利要求9所述的装置，其中，特征图像结合层还用于：

对于接收到的两个特征图像，将维数较少的特征图像进行上采样，生成上采样特征图像，其中，生成的上采样特征图像的维数与维数较多的特征图像的维数一致；

将上采样特征图像与维数较多的特征图像合并，生成特征结合图像。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images