口罩佩戴检测方法、设备和介质与流程

1.本公开涉及深度学习、计算机视觉等人工智能技术领域，可应用于人脸图像处理、人脸识别等场景，具体涉及一种口罩佩戴检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.随着深度学习和人工智能技术的发展，对人脸识别的研究越来越火热。口罩分类作为当下人脸识别的一种分支技术，具有重大的研究价值。口罩分类也是模式识别的一种，它和一般的模式识别方法类似，其主要目的是寻找最优的特征提取方法和最优的分类方法。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

5.本公开提供了一种口罩佩戴检测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
6.根据本公开的一方面，提供了一种口罩佩戴检测方法，包括：获取目标图像所包括的目标人脸图像的第一置信度信息，所述第一置信度信息指示目标人脸是否佩戴口罩；获取所述目标人脸图像所包括的人脸局部图像的第二置信度信息，所述第二置信度信息指示所述目标人脸是否佩戴口罩；获取所述目标人脸图像的第三置信度信息，所述第三置信度信息指示所述目标人脸是否被遮挡；基于所述第三置信度信息，获取所述第一置信度信息的第一权重和所述第二置信度信息的第二权重；以及基于所述第一权重和所述第二权重，获取所述目标人脸的口罩佩戴状态。
7.根据本公开的另一方面，提供了一种口罩佩戴检测装置，包括：第一获取模块，被配置为获取目标图像所包括的目标人脸图像的第一置信度信息，所述第一置信度信息指示目标人脸是否佩戴口罩；第二获取模块，被配置为获取所述目标人脸图像所包括的人脸局部图像的第二置信度信息，所述第二置信度信息指示所述目标人脸是否佩戴口罩；第三获取模块，被配置为获取所述目标人脸图像的第三置信度信息，所述第三置信度信息指示所述目标人脸是否被遮挡；第四获取模块，被配置为基于所述第三置信度信息获取所述第一置信度信息的第一权重和所述第二置信度信息的第二权重；第五获取模块，被配置为基于
所述第一权重和所述第二权重获取所述目标人脸的口罩佩戴状态。
8.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据上述的方法。
9.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据上述的方法。
10.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据上述的方法。
11.根据本公开的一个或多个实施例，能够自动、高效、准确地识别出人脸口罩佩戴状态，从而减少人脸口罩佩戴检测的误报错报问题，同时提升识别的准确度。
12.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
13.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
14.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
15.图2示出了根据本公开的实施例的口罩佩戴检测方法的流程图；
16.图3示出了根据本公开的实施例的获取目标人脸图像的第三置信度信息的方法的流程图；
17.图4示出了根据本公开的实施例的人脸遮挡识别模型的训练方法流程图；
18.图5示出了根据本公开的实施例的在目标图像为目标视频的视频帧的情况下目标图像的获取方法流程图；
19.图6示出了根据本公开的实施例的在当前视频帧中所包括的目标人脸为侧脸的情况下目标图像的获取方法流程图；
20.图7示出了根据本公开的实施例的在当前视频帧中所包括的目标人脸为侧脸的情况下目标图像的另一获取方法流程图；
21.图8示出了根据本公开实施例的口罩佩戴检测装置的结构框图；以及
22.图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
23.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
24.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意
图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
25.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
26.下面将结合附图详细描述本公开的实施例。
27.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
28.在本公开的实施例中，服务器120可以运行使得能够执行口罩佩戴检测方法的一个或多个服务或软件应用。
29.在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其它服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(saas)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
30.在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
31.用户可以使用客户端设备101、102、103、104、105和/或106来拍摄包括目标对象的人脸图像的目标图像并上传至服务器120。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
32.客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其它感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如microsoft windows、apple ios、类unix操作系统、linux或类linux操作系统(例如google chrome os)；或包括各种移动操作系统，例如microsoft windows mobile os、ios、windows phone、android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(pda)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其它设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与internet相关的应用程序、通信应用程序(例如电
子邮件应用程序)、短消息服务(sms)应用程序，并且可以使用各种通信协议。
33.网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、公共交换电话网(pstn)、红外网络、无线网络(例如蓝牙、wifi)和/或这些和/或其它网络的任意组合。
34.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其它适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其它计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
35.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
36.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
37.在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(vps，virtual private server)服务中存在的管理难度大、业务扩展性弱的缺陷。
38.系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其它信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
39.在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
40.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
41.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
42.图2示出了根据本公开实施例的口罩佩戴检测方法200的流程图。方法200可以在服务器(例如图1中所示的服务器120)处执行，也可以在客户端设备(例如图1中所示的客户端设备101、102、103、104、105和106)处执行。也即，方法200的各个步骤的执行主体可以是图1中所示的服务器120，也可以是图1中所示的客户端设备101、102、103、104、105和106。
43.如图2所示，方法200包括：
44.步骤s201，获取目标图像所包括的目标人脸图像的第一置信度信息，所述第一置信度信息指示目标人脸是否佩戴口罩；
45.步骤s202，获取所述目标人脸图像所包括的人脸局部图像的第二置信度信息，所述第二置信度信息指示所述目标人脸是否佩戴口罩；
46.步骤s203，获取所述目标人脸图像的第三置信度信息，所述第三置信度信息指示所述目标人脸是否被遮挡；
47.步骤s204，基于所述第三置信度信息，获取所述第一置信度信息的第一权重和所述第二置信度信息的第二权重；
48.步骤s205，基于所述第一权重和所述第二权重，获取所述目标人脸的口罩佩戴状态；
49.由此，通过针对整张目标人脸图像及其人脸局部图像进行的口罩佩戴状态的两级检测，并且在口罩佩戴状态的检测过程中，结合关于人脸遮挡检测的置信度信息对两级口罩佩戴状态的检测结果进行赋权，能够对整张目标人脸图像和人脸局部图像两者的有效信息载荷进行平衡，从而有效减少了基于图像的口罩佩戴状态检测的误报错报问题，同时提升了检测的准确度。
50.考虑以下两种情况。首先，存在这样的情况：从整张目标人脸图像获取的第一置信度信息包括指示人脸佩戴口罩的相对高置信分数，且从人脸局部图像获取的第二置信度信息包括指示人脸没有佩戴口罩的相对低置信分数，若指示目标人脸是否被遮挡的目标人脸图像的第三置信度信息指示人脸的多个特征点(例如，嘴巴、鼻孔、左右脸颊、下颔等)中的至少一些或全部特征点被遮挡，则基于该第三置信度信息而为第一置信度信息赋予较高权重且向第二置信度信息赋予较低权重。再者，存在另一种的情况：上述第一置信度信息包括指示人脸没有佩戴口罩的相对低置信分数，且上述第二置信度信息包括指示人脸佩戴口罩的相对高置信度分数，若第三置信度信息指示人脸的多个特征点中的至少一些或全部特征点没有被遮挡，则基于该第三置信度信息而为第一置信度信息赋予相对较高权重且向第二置信度信息赋予相对较低权重。下面详细描述方法200的各个步骤。
51.在步骤s201中，获取目标图像所包括的目标人脸图像的第一置信度信息，所述第一置信度信息指示目标人脸是否佩戴口罩。具体而言，可从相机、摄像头等传感器实时地获取目标图像，也可从后台、数据库等设备非实时地获取目标图像。在本技术的上下文中，目标图像包括目标人脸图像。需要说明的是，本实施例中的目标图像所包括的目标人脸图像并非指某一特定类型的用户，因而也无法反映出某一特定类型的用户的个人信息。
52.示例性的，用于指示所述目标人脸是否佩戴口罩的第一置信度信息可通过以下方式获得：将目标图像和/或目标人脸图像输入训练好的第一深度学习模型(例如，深度神经网络、循环神经网络、递归神经网络或卷积神经网络等)，获取第一深度学习模型所输出的用于指示目标图像和/或目标人脸图像中的目标人脸是否佩戴口罩的第一置信度信息。例
如，第一置信度信息可至少包括表示人脸是否佩戴口罩的绝对置信分数、相对置信分数(比如归一化的置信分数)等。
53.示例性的，目标图像可以为一张图片也可以为目标视频的视频帧。
54.在步骤s202中，获取所述目标人脸图像所包括的人脸局部图像的第二置信度信息，所述第二置信度信息指示所述目标人脸是否佩戴口罩。示例性的，用于指示所述目标人脸是否佩戴口罩的第二置信度信息可通过以下方式获得：将人脸局部图像输入训练好的第二深度学习模型(例如，深度神经网络、循环神经网络、递归神经网络或卷积神经网络等)，获取第二深度学习模型所输出的用于指示人脸局部图像中的目标人脸是否佩戴口罩的第二置信度信息。例如，第二置信度信息可至少包括表示人脸是否佩戴口罩的绝对置信分数、相对置信分数(比如归一化的置信分数)等。
55.示例性的，可通过对目标人脸图像执行裁剪操作来获得人脸局部图像。在本技术的上下文中，人脸局部图像可包括人脸的嘴巴和鼻孔。在一个示例中，可将目标人脸图像中所包括的目标人脸的下部三分之一裁剪出以获得人脸局部图像。在另一示例中，可根据不同目标人脸图像中所包括的不同人脸的不同轮廓来适应性地裁剪出合适的人脸局部图像。
56.需要注意的是，获取指示所述目标人脸是否佩戴口罩的第二置信度信息的动机在于，在考虑人脸正确佩戴口罩的情况下，包括目标人脸的例如嘴巴和鼻孔等特征点的人脸局部图像相比于包括目标人脸整体轮廓的整张目标人脸图像而言通常包括关于口罩佩戴状态的更可靠信息/较高信息粒度。也因此，从人脸局部图像获取的第二置信度信息能够包含与从整张目标人脸图像获取的第一置信度信息有所不同/互为补充的信息载荷。
57.在步骤s203中，获取所述目标人脸图像的第三置信度信息，所述第三置信度信息指示所述目标人脸是否被遮挡。
58.在一些实施例中，获取指示所述目标人脸是否被遮挡的第三置信度信息可参照人脸关键点来执行。参考图3，其示出了获取目标人脸图像的第三置信度信息的方法300的流程图。如图3所示，方法300包括：
59.步骤s301，获取所述目标人脸图像中人脸的多个关键点；
60.步骤s302，获取所述多个关键点相应的遮挡信息；
61.步骤s303，基于所述多个关键点相应的遮挡信息，获取所述目标人脸图像的第三置信度信息。
62.在一些实施例中，也可在无需参照人脸关键点的情况下执行获取所述目标人脸图像的第三置信度信息。示例性的，可将所述目标人脸图像输入人脸遮挡识别模型，以获取所述人脸遮挡识别模型所输出的指示所述目标人脸是否被遮挡的所述目标人脸图像的第三置信度信息。人脸遮挡模型可以是训练好的第三深度学习模型，例如，深度神经网络、循环神经网络、递归神经网络或卷积神经网络等。参考图4，其示出了人脸遮挡识别模型的训练方法400的流程图。如图4所示，方法400包括：
63.步骤s401，获取样本图像以及该样本图像中人脸的真实遮挡类别；
64.步骤s402，将所述样本图像输入人脸遮挡识别模型，获取人脸遮挡识别模型所输出的该样本图像中人脸的预测遮挡类别；
65.步骤s403，基于所述真实遮挡类别和所述预测遮挡类别，计算损失值；以及
66.步骤s404，基于所述损失值，调整所述人脸遮挡识别模型的参数。
67.需要说明的是，人脸遮挡识别模型可以是任何深度学习模型。即，除上述所列举的深度学习模型外，本领域技术人员可将任何其它适用的深度学习模型用于人脸遮挡识别。
68.返回参考图2，在步骤s204中，基于所述第三置信度信息，获取所述第一置信度信息的第一权重和所述第二置信度信息的第二权重。在本技术实施例中，通过藉由指示所述目标人脸是否被遮挡的第三置信度信息对第一置信度信息和第二置信度信息进行赋权，对整张目标人脸图像和人脸局部图像两者的有效信息载荷进行平衡，从而有效减少了实际口罩佩戴状态检测的误报错报问题，同时提升了分类的准确度。
69.例如，从整张目标人脸图像获取的第一置信度信息包括指示人脸佩戴口罩的相对高置信分数，且从人脸局部图像获取的第二置信度信息包括指示人脸没有佩戴口罩的相对低置信分数，在这种情况下，若指示目标人脸是否被遮挡的目标人脸图像的第三置信度信息表明人脸的多个特征点(例如，嘴巴、鼻孔、左右脸颊、下颔等)中的至少一些或全部特征点被遮挡，则基于该第三置信度信息而为第一置信度信息赋予较高权重且为第二置信度信息赋予较低权重，这与常规的向由细节度较高的局部图像导出的子分类结果赋予相对较高权重的做法截然相反。又例如，上述第一置信度信息包括指示人脸没有佩戴口罩的相对低置信分数，且上述第二置信度信息包括指示人脸佩戴口罩的相对高置信度分数，在这种情况下，若第三置信度信息指示人脸的多个特征点中的至少一些或全部特征点没有被遮挡，则基于该第三置信度信息而为第一置信度信息赋予相对较高权重且为第二置信度信息赋予相对较低权重，这亦与常规的向由细节度较高的局部图像导出的子分类结果赋予相对较高权重的做法截然相反。通过利用特征点检测的结果对整张图像和局部图像所携带的有效信息载荷进行平衡，可有效地在(1)整张图像在轮廓层面粒度较高但在细节层面粒度较低以及(2)局部图像在细节层面粒度较高但在轮廓层面粒度较低这两方面做出合理折衷。
70.在步骤s205中，基于所述第一权重和所述第二权重，获取所述目标人脸的口罩佩戴状态。
71.以此方式，使得能够将细节度丰富的局部图像在分类及预测性能方面较弱的缺点，与具有良好图像语义结构的全局图像在细节方面丢失严重的缺点进行折衷，由此对整张人脸目标图像和人脸局部图像两者的有效信息载荷进行平衡，且在提升分类/预测准确度的同时，提高了训练样本的利用率，显著减少了对深度学习模型的训练样本数的需求。
72.根据一些实施例，步骤s205中，基于第一置信度信息、第二置信度信息以及第一权重和所述第二权重，获取所述目标人脸的口罩佩戴状态。
73.参考图5，其示出了在目标图像为目标视频的视频帧的情况下目标图像的获取方法500的流程图。
74.在一些实施例中，所述目标图像为目标视频的视频帧，并且其中，获取目标图像所包括的目标人脸图像的第一置信度信息包括：响应于确定当前视频帧中所包括的目标人脸为正脸，将所述当前视频帧确定为所述目标图像。
75.方法500包括：
76.步骤s501，判断当前视频帧中的人脸是否为正脸，若是，则执行步骤s502；若否，则执行步骤s503；
77.步骤s502，当前视频帧被确定为目标图像；
78.步骤s503，获取在后视频帧；
79.步骤s504，判断在后视频帧中的人脸是否为正脸，若是，则执行步骤s505，若否，则执行步骤s506；
80.步骤s505，在后视频帧被确定为目标图像；
81.步骤s506，判断在后视频帧的数目是否累积达到预设阈值，若是，则执行步骤s507，若否，则返回步骤s503；
82.步骤s507，基于包括当前视频帧以及在后视频帧的现有视频帧来生成包括目标对象(例如，目标人脸)的正脸图像的目标图像；
83.进一步参考图6和7来描述图5的方法500中的部分操作。
84.图6示出了在当前视频帧中所包括的目标人脸为侧脸的情况下获取目标图像的方法600的流程图。如图6所示，方法600包括：
85.步骤s601，响应于确定所述当前视频帧中所包括的目标人脸为侧脸，获取所述当前视频帧的在后视频帧；以及
86.步骤s602，响应于确定所述在后视频帧中所包括的目标人脸为正脸，将所述在后视频帧确定为所述目标图像。
87.通常，在检出的目标人脸为侧脸的情况下，正常的口罩佩戴属于不可见状态，因此若仍以侧脸图像为输入(尽管可能会利用复杂精细的深度学习模型予以处理)，则会出现误报错报的情况。考虑到视频监控场景中通常会存在连续多个帧，因此出于节省深度学习模型的在线/离线推理所涉及到的存储资源和计算资源的目的，可在一帧或多帧后再进行正侧脸检测，并将含正脸的后续图像帧作为用于口罩佩戴状态检测的输入。
88.图7示出了在当前视频帧中所包括的目标人脸为侧脸的情况下获取目标图像的另一方法700的流程图。如图7所示，方法700包括：
89.步骤s701，响应于确定所述当前视频帧中所包括的目标人脸为侧脸，获取所述当前视频帧的在后视频帧；以及
90.步骤s702，响应于确定所述在后视频帧中所包括的目标人脸为侧脸并且所述在后视频帧和所述当前视频帧之间的多个视频帧的数量达到预设阈值，至少基于所述当前视频帧中所包括的目标人脸图像和所述在后视频帧中所包括的目标人脸图像生成包括所述目标人脸的正脸的所述目标图像。
91.在一些实施例中，步骤702进一步包括：至少将所述当前视频帧和所述在后视频帧输入人脸矫正模型，以获取所述人脸矫正模型所输出的包括所述目标人脸的正脸的所述目标图像。人脸矫正模型可以是接收侧脸图像并生成侧脸图像所表示的人脸的正脸图像(即，对侧脸进行矫正)的任何深度学习模型，例如，深度神经网络、循环神经网络、递归神经网络、卷积神经网络等。除上述所列举的深度学习模型外，本领域技术人员可将任何其它合适的深度学习模型用于人脸遮挡识别，而不会背离本公开的范围。
92.在本技术实施例中，如果后续若干个连续视频帧始终没有检出正脸，则出于对视频监控的实时性要求的考虑，借助于包括但不限于深度学习模型(例如，人脸矫正模型)等方式来基于现有视频帧生成正脸以供口罩佩戴状态的检测，从而满足视频监控的实时性要求。
93.在一些实施例中，所述人脸局部图像包括所述目标人脸的嘴巴和鼻孔，并且方法200还包括获取所述人脸局部图像的第四置信度信息，所述第四置信度信息指示所述目标
人脸的嘴巴和鼻孔是否被口罩遮住，其中，基于所述第一权重和所述第二权重以及所述第四置信度信息，获取(例如，更新、精化)所述目标人脸的口罩佩戴状态。可按与前述第三置信度信息相同的获取方式在参照人脸关键点或无需参照人脸关键点(即，利用深度学习模型)的情况下获得第四置信度信息。这使得能够进一步帮助提高针对整张图像和局部图像的两级分类检测的结果的准确度。
94.例如，续接前述与常规的向由细节度较高的局部图像导出的子分类结果赋予相对较高权重的做法截然相反的示例场景，即，若从整张目标人脸图像获取的第一置信度信息包括指示人脸佩戴口罩的相对高置信分数，且从人脸局部图像获取的第二置信度信息包括指示人脸没有佩戴口罩的相对低置信分数，在这种情况下，若指示目标人脸是否被遮挡的目标人脸图像的第三置信度信息表明人脸的多个特征点(例如，嘴巴、鼻孔、左右脸颊、下颔等)中的至少一些或全部特征点被遮挡，则基于该第三置信度信息而为第一置信度信息赋予较高权重且为第二置信度信息赋予较低权重。然而，此时若上述多个特征点中的一些特征点(例如，嘴巴和下颔)是被例如便携式补妆镜等小型物件遮挡的，则指示所述目标人脸的嘴巴和鼻孔是否被口罩遮住的第四置信度信息(其例如由经专门训练而能够有针对性地辨别口罩与其它小型物件之间的不同遮挡效果的深度学习模型输出)可对第三置信度信息给予第一、第二置信度信息的赋权进行回正/纠偏，从而更进一步提升人脸口罩佩戴状态的检测准确度。
95.根据一些实施例，步骤s205中，基于第一置信度信息、第二置信度信息、第四置信度以及第一权重和所述第二权重，获取所述目标人脸的口罩佩戴状态。
96.需要说明的是，在本技术中如无特别说明，人脸关键点和人脸特征点可彼此互换地使用，而在特殊情况下，人脸关键点(例如，嘴巴和鼻孔等)可以是人脸特征点(例如，嘴巴、鼻孔、左右脸颊、下颔等)的子集。
97.参考图8，其示出了根据本公开实施例的口罩佩戴检测装置800的结构框图。
98.如图8所示，用于人脸口罩佩戴检测的装置800包括第一获取模块801、第二获取模块802、第三获取模块803、第四获取模块804以及第五获取模块805。
99.根据本技术实施例，第一获取模块801被配置为获取目标图像所包括的目标人脸图像的第一置信度信息，所述第一置信度信息指示目标人脸是否佩戴口罩；第二获取模块802被配置为获取所述目标人脸图像所包括的人脸局部图像的第二置信度信息，所述第二置信度信息指示所述目标人脸是否佩戴口罩；第三获取模块803被配置为获取所述目标人脸图像的第三置信度信息，所述第三置信度信息指示所述目标人脸是否被遮挡；第四获取模块804被配置为基于所述第三置信度信息获取所述第一置信度信息的第一权重和所述第二置信度信息的第二权重；第五获取模块805被配置为基于所述第一权重和所述第二权重获取所述目标人脸的口罩佩戴状态。
100.在一些实施例中，所述人脸局部图像包括所述目标人脸的嘴巴和鼻孔，并且所述口罩佩戴检测装置还包括第六获取模块，被配置为：获取所述人脸局部图像的第四置信度信息，所述第四置信度信息指示所述目标人脸的嘴巴和鼻孔是否被口罩遮住；以及基于所述第一权重和所述第二权重以及所述第四置信度信息，获取(例如，更新、精化)所述目标人脸的口罩佩戴状态。
101.在一些实施例中，所述第三获取模块被进一步配置为：获取所述目标人脸图像中
人脸的多个关键点；获取所述多个关键点相应的遮挡信息；以及基于所述多个关键点相应的遮挡信息，获取所述目标人脸图像的第三置信度信息。
102.在一些实施例中，所述第三获取模块被进一步配置为：将所述目标人脸图像输入人脸遮挡识别模型，以获取所述人脸遮挡识别模型所输出的指示所述目标人脸是否被遮挡的所述目标人脸图像的第三置信度信息。
103.在一些实施例中，所述目标图像为目标视频的视频帧，并且其中，所述第一获取模块被进一步配置为：响应于确定所述当前视频帧中所包括的人脸为正脸，将所述当前视频帧确定为所述目标图像。
104.在一些实施例中，所述第一获取模块被进一步配置为：响应于确定所述当前视频帧中所包括的目标人脸为侧脸，获取所述当前视频帧的在后视频帧；响应于确定所述在后视频帧中所包括的人脸为正脸，将所述在后视频帧确定为所述目标图像。
105.在一些实施例中，所述第一获取模块被进一步配置为：响应于确定所述在后视频帧中所包括的目标人脸为侧脸并且所述在后视频帧和所述当前视频帧之间的多个视频帧的数量达到预设阈值，至少基于所述当前视频帧中所包括的目标人脸图像和所述在后视频帧中所包括的目标人脸图像生成包括所述目标人脸的正脸的所述目标图像。
106.根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
107.参考图9，现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
108.如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(rom)902中的计算机程序或者从存储单元908加载到随机访问存储器(ram)903中的计算机程序，来执行各种适当的动作和处理。在ram 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、rom 902以及ram 903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
109.设备900中的多个部件连接至i/o接口905，包括：输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备，输入单元906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其它设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
110.计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如方法200、300、400、600、700和/或流程500。例如，在一些实施例中，方法200、300、400、600、700和/或流程500可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由rom 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到ram 903并由计算单元901执行时，可以执行上文描述的方法200、300、400、600、700和/或流程500的一个或多个步骤。备选地，在其它实施例中，计算单元901可以通过其它任何适当的方式(例如，借助于固件)而被配置为执行方法200、300、400、600、700和/或流程500。
111.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
112.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
113.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
114.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
115.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据
服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
116.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
117.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
118.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。