一种人脸检测方法、装置、设备、介质以及产品与流程

1.本发明涉及人脸识别技术领域，尤其涉及一种人脸检测方法、装置、设备、介质以及产品。


背景技术：

2.人脸识别技术是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术，它也是自动人脸识别系统中的一个关键环节。虽然人脸识别技术目前已经非常成熟，但是在实际应用场景中由于人脸具有相当复杂的细节变化，例如，口罩遮挡与眼镜遮挡等局部饰品的影响，这些外在因素的变化使得人脸检测成为人脸识别系统中一个复杂的具有挑战性的模式检测问题。
3.现有技术中出现了在人脸识别的基础上进行口罩检测或眼镜检测的模型，但是其只注重口罩检测或眼镜检测这单一任务的准确率，而难以维持人脸检测任务与口罩检测任务、眼镜检测任务在准确率上的平衡。


技术实现要素：

4.本发明提供一种人脸检测方法、装置、设备、介质以及产品，用以解决上述问题。
5.本发明提供一种人脸检测方法，包括：
6.获取待检测的人脸图片；
7.将所述待检测的人脸图片输入预先训练好的人脸检测模型，所述预先训练好的人脸检测模型对所述待检测的人脸图片进行第一局部部位检测，得到第一局部部位检测结果；
8.其中，所述预先训练好的人脸检测模型包括第一特征提取模块、第一局部部位特征注意力模块与第一局部部位特征预测模块；
9.所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果。
10.根据本发明提供的一种人脸检测方法，所述人脸检测模块还对所述待检测的人脸图片进行第二局部部位检测，得到第二局部部位检测结果，其中所述人脸检测模块还包括第二特征提取模块、第二局部部位特征注意力模块与第二局部部位特征预测模块；
11.所述第二特征提取模块对所述第一降维后人脸特征图进行特征提取得到第二降维后人脸特征图，所述第二局部部位特征注意力模块对所述第二降维后人脸特征图中第二局部部位特征进行强化得到第二强化后局部部位特征，所述第二局部部位特征预测模块基于所述第二强化后局部部位特征预测得到所述第二局部部位检测结果。
12.根据本发明提供的一种人脸检测方法，所述第二局部部位检测为口罩检测；
13.相应地，所述第二局部部位特征注意力模块为口罩注意力模块，所述第二局部部
位特征预测模块为口罩预测模块；
14.所述第二局部部位特征注意力模块对所述第二降维后人脸特征图中第二局部部位特征进行强化得到第二强化后局部部位特征，所述第二局部部位特征预测模块基于所述第二强化后局部部位特征预测得到所述第二局部部位检测结果，包括：
15.所述口罩注意力模块对所述第二降维后人脸特征图中口罩部位特征进行强化得到强化后口罩部位特征，所述口罩预测模块基于所述强化后口罩部位特征预测得到所述口罩检测结果。
16.根据本发明提供的一种人脸检测方法，所述第一局部部位检测为眼镜检测；
17.相应地，所述第一局部部位特征注意力模块为眼镜注意力模块，所述第一局部部位特征预测模块为眼镜预测模块；
18.所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果，包括：
19.所述眼镜注意力模块对所述第一降维后人脸特征图中眼镜部位特征进行强化得到强化后眼镜部位特征，所述眼镜预测模块基于所述强化后眼镜部位特征预测得到所述眼镜检测结果。
20.根据本发明提供的一种人脸检测方法，所述待检测的人脸图片的尺寸为所述第二降维后人脸特征图的尺寸的32倍；
21.所述待检测的人脸图片的尺寸为所述第一降维后人脸特征图的尺寸的8倍。
22.根据本发明提供的一种人脸检测方法，所述预先训练好的人脸检测模型还对所述待检测的人脸图片进行人脸检测和人脸关键点检测，得到人脸框预测框和人脸关键点，其中所述预先训练好的人脸检测模型还包括人脸框预测模块以及人脸关键点获取模块；
23.所述人脸框预测模块基于所述第二降维后人脸特征图预测得到人脸框预测框；
24.所述人脸关键点获取模块从所述第二降维后人脸特征图中获取人脸关键点。
25.本发明还提供一种人脸检测装置，包括：
26.图片获取模块，用于获取待检测的人脸图片；
27.第一局部部位检测模块，用于将所述待检测的人脸图片输入预先训练好的人脸检测模型，所述预先训练好的人脸检测模型对所述待检测的人脸图片进行第一局部部位检测，得到第一局部部位检测结果；
28.其中，所述预先训练好的人脸检测模型包括第一特征提取模块、第一局部部位特征注意力模块与第一局部部位特征预测模块；
29.所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果。
30.本发明还提供一种电子设备，包括存储器、处理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，所述处理器执行所述程序时实现上述任一项所述人脸检测方法。
31.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，计算机
程序被处理器执行时实现如上述任一种人脸检测方法。
32.本发明还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种人脸检测方法。
33.本发明提供的人脸检测方法、装置、设备、介质以及产品，通过所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果，从而使得局部部位检测任务与人脸检测任务独立开，互不干扰，保证主任务人脸检测的准确率，且由于局部部位检测增加了注意力机制，使得第一局部部位检测也具有较高的准确率，能够保证多任务人脸检测中各个任务均具有较高的准确率。
附图说明
34.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
35.图1是本发明实施例提供的人脸检测方法的流程示意图；
36.图2是本发明实施例提供的人脸检测模型的结构示意图；
37.图3为本发明实施例提供的人脸检测装置结构示意图；
38.图4为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
39.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
40.图1是本发明实施例提供的人脸检测方法的流程示意图；如图1所示，一种人脸检测方法，包括如下步骤：
41.s101，获取待检测的人脸图片。
42.在本步骤中，待检测的人脸图片可以是现场对用户人脸采集得到，也可以是从网上获取的需要人脸检测的图片，也可以是待验证的人脸图片数据库中获取。另外，待检测的人脸图片对应的场景为自动驾驶、手机解锁、移动支付、考勤打卡等各种需要人脸识别的场景。
43.s102，将所述待检测的人脸图片输入预先训练好的人脸检测模型，所述预先训练好的人脸检测模型对所述待检测的人脸图片进行第一局部部位检测，得到第一局部部位检测结果。
44.其中，所述预先训练好的人脸检测模型包括第一特征提取模块、第一局部部位特征注意力模块与第一局部部位特征预测模块。
45.所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果。
46.在本步骤中，预先训练好的人脸检测模型为多任务人脸检测模型，其除了需要进行人脸检测之外，还需要对人脸中佩戴饰品的局部部位进行检测，例如口罩、眼镜等，从而得到与人脸检测任务对应的人脸框预测框以及人脸关键点，与局部部位检测任务对应的局部部位检测结果。
47.在局部部位检测结果为待检测人脸佩戴了口罩或眼镜这种遮挡到人脸关键点的情况下，局部部位检测结果即为局部部位预测框，也为口罩或眼镜这种遮挡人脸关键点的预测框；在局部部位检测结果为无口罩、眼镜这种外在饰品的情况下，局部部位检测结果在待检测的人脸图片上无显示。在本发明的其他实施例中，在局部部位检测结果为无口罩、眼镜这种外在饰品的情况下，局部部位检测结果在待检测的人脸图片上以文字形式提示未佩戴口罩、眼镜等遮挡人脸关键点的饰品。
48.上述预先训练好的人脸检测模型具体包括作为主干网络的第一特征提取模块以及作为分支网络的第一局部部位特征注意力模块与第一局部部位特征预测模块。
49.其中，通过第一特征提取模块中的多个卷积层对待检测的人脸图片进行不断地特征提取，从而得到多尺度的降维后人脸特征图，
50.基于第一局部部位检测的检测目标，将尺度适合的降维后人脸特征图作为第一降维后人脸特征图输入至第一局部部位特征注意力模块中，强化所述降维后人脸特征图中的第一局部部位特征，从而得到第一强化后局部部位特征。
51.以第一局部部位检测为眼镜检测为例，由于眼镜在整个人脸中所占的比例较小，因此在尺度较大的降维后人脸特征图中，才能够检测得到眼镜这种小目标，故将尺度较大的降维后人脸特征图输入至与眼镜检测对于的眼镜注意力模块中，从而在降维后人脸特征图中强化眼镜的特征，进而基于强化后的眼镜特征预测得到是否佩戴眼镜的结果。
52.另外，需要说明的是所述预先训练好的人脸检测模型基于人脸训练数据与人脸训练数据对应的标签训练得到。
53.本发明实施例提供的人脸检测方法，通过所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果，从而使得局部部位检测任务与人脸检测任务独立开，互不干扰，保证主任务人脸检测的准确率，且由于局部部位检测增加了注意力机制，使得第一局部部位检测也具有较高的准确率，能够保证多任务人脸检测中各个任务均具有较高的准确率，也没有增加模型的计算量。
54.进一步地，所述人脸检测模块还对所述待检测的人脸图片进行第二局部部位检测，得到第二局部部位检测结果，其中所述人脸检测模块还包括第二特征提取模块、第二局部部位特征注意力模块与第二局部部位特征预测模块；所述第二特征提取模块对所述第一降维后人脸特征图进行特征提取得到第二降维后人脸特征图，所述第二局部部位特征注意
力模块对所述第二降维后人脸特征图中第二局部部位特征进行强化得到第二强化后局部部位特征，所述第二局部部位特征预测模块基于所述第二强化后局部部位特征预测得到所述第二局部部位检测结果。
55.在本实施例中，除了主任务人脸检测之外，还包括第一局部部位检测任务以及第二局部部位检测任务，第二局部部位检测的过程与上述第一局部部位检测过程相似，但是其对应的脸部区域不同，例如，可以分别为眼镜区域与口罩区域。
56.本发明实施例提供的人脸检测方法，能够支持人脸检测、第一局部部位检测以及第二局部部位检测，实现多任务检测的同时，还能保证各项检测任务的准确，尤其是第一局部部位检测与第二局部部位检测的准确率。
57.进一步地，所述第二局部部位检测为口罩检测；相应地，所述第二局部部位特征注意力模块为口罩注意力模块，所述第二局部部位特征预测模块为口罩预测模块。
58.所述第二局部部位特征注意力模块对所述第二降维后人脸特征图中第二局部部位特征进行强化得到第二强化后局部部位特征，所述第二局部部位特征预测模块基于所述第二强化后局部部位特征预测得到所述第二局部部位检测结果，包括：所述口罩注意力模块对所述第二降维后人脸特征图中口罩部位特征进行强化得到强化后口罩部位特征，所述口罩预测模块基于所述强化后口罩部位特征预测得到所述口罩检测结果。
59.图2是本发明实施例提供的人脸检测模型的结构示意图。
60.如图2所示，所述特征提取模块包括第一特征提取模块与第二特征提取模块，第一特征提取模块与第二特征提取模块均包括多层卷积层，所述卷积层对所述待检测的人脸图片进行特征提取，得到降维后特征图。
61.具体地，第二特征提取模块为主干网络完成人脸检测任务，而口罩注意力模块与口罩预测模块则构成分支网络完成口罩检测任务。
62.第二特征提取模块中的多个卷积层对待检测的人脸图片进行卷积，每个卷积层输出尺度不同的降维后人脸特征图。口罩注意力模块根据卷积层输出的人脸特征图的尺度大小，连接至对应的卷积层。口罩注意力模块对该卷积层输出的第二降维后人脸特征图进行口罩部位的特征进行强化，从而得到强化后口罩部位特征，口罩预测模块基于强化后口罩部位特征预测得到待检测的人脸图片中是否有口罩的检测结果。
63.需要说明的是，人脸训练数据包括戴口罩的人脸训练图片与未戴口罩的人脸训练图片。第一特征提取模块与第二特征提取模块中包含的卷积层数量不同。
64.本发明实施例提供的人脸检测方法，通过将预先训练好的人脸检测模型中的第二特征提取模块作为主干网络，将口罩注意力模块与口罩预测模块作为口罩检测分支网络，从而能够保证主干网络对应的人脸检测任务与分支网络对应的口罩检测任务之间不会相互干扰，且通过口罩注意力模块能够强化口罩特征，提升口罩检测的检测精度，从而保证各个任务均具有较高的准确率，且没有增加模型的计算量。
65.进一步地，所述第一局部部位检测为眼镜检测；相应地，所述第一局部部位特征注意力模块为眼镜注意力模块，所述第一局部部位特征预测模块为眼镜预测模块。
66.所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果，包括：所述眼镜注意力模
块对所述第一降维后人脸特征图中眼镜部位特征进行强化得到强化后眼镜部位特征，所述眼镜预测模块基于所述强化后眼镜部位特征预测得到所述眼镜检测结果。
67.在本实施例中，第一局部部位检测为眼镜检测，此时，眼镜注意力模块与眼镜预测模块构成分支网络完成眼镜检测任务。
68.具体地，第一特征提取模块中的多个卷积层对待检测的人脸图片进行卷积，每个卷积层输出尺度不同的降维后人脸特征图。眼镜注意力模块根据卷积层输出的人脸特征图的尺度大小(即眼镜在人脸中所占比例大小)，连接至对应的卷积层。眼镜注意力模块对该卷积层输出的降维后人脸特征图进行眼镜部位的特征进行强化，从而得到强化后眼镜部位特征，眼镜预测模块基于强化后眼镜部位特征预测得到待检测的人脸图片中是否有眼镜的检测结果。
69.需要说明的是，所述人脸训练数据包括戴眼镜的人脸训练图片与未戴眼镜的人脸训练图片。
70.本发明实施例提供的人脸检测方法，通过将预先训练好的人脸检测模型中的第一特征提取模块作为主干网络，将眼镜注意力模块与眼镜预测模块作为眼镜检测分支网络，从而能够保证主干网络对应的人脸检测任务与分支网络对应的眼镜检测任务之间不会相互干扰，且通过眼镜注意力模块能够强化眼镜特征，提升眼镜检测的检测精度，从而保证各个任务均具有较高的准确率，且没有增加模型的计算量。
71.进一步地，所述待检测的人脸图片的尺寸为所述第二降维后人脸特征图的尺寸的32倍；所述待检测的人脸图片的尺寸为所述第一降维后人脸特征图的尺寸的8倍。
72.本发明实施例提供的人脸检测方法，能够提升口罩检测的准确率以及眼镜检测的准确性，并能保证口罩检测任务、眼镜检测任务与人脸检测任务相互不干扰。
73.进一步地，所述预先训练好的人脸检测模型还对所述待检测的人脸图片进行人脸检测和人脸关键点检测，得到人脸框预测框和人脸关键点，其中所述预先训练好的人脸检测模型还包括人脸框预测模块以及人脸关键点获取模块；
74.所述人脸框预测模块基于所述第二降维后人脸特征图预测得到人脸框预测框；
75.所述人脸关键点获取模块从所述第二降维后人脸特征图中获取人脸关键点。
76.具体地，人脸框预测模块对第二特征提取模块中最后一层卷积层输出的第二降维后人脸特征图进行预测得到人脸框预测框，且人脸关键点获取模块从最后一层卷积层输出的下采样后特征图中获取待检测人脸中的人脸关键点，用于后续的人脸识别。
77.本发明实施例提供的人脸检测方法，能够提升口罩检测的准确率以及眼镜检测的准确性，并能保证口罩检测任务、眼镜检测任务与人脸检测任务相互不干扰。
78.下面对本发明提供的人脸检测装置进行描述，下文描述的人脸检测装置与上文描述的人脸检测方法可相互对应参照。
79.图3为本发明实施例提供的人脸检测装置结构示意图，如图3所示，一种人脸检测装置，包括：
80.图片获取模块301，用于获取待检测的人脸图片。
81.在本模块中，待检测的人脸图片可以是现场对用户人脸采集得到，也可以是从网上获取的需要人脸检测的图片，也可以是待验证的人脸图片数据库中获取。另外，待检测的人脸图片对应的场景为自动驾驶、手机解锁、移动支付、考勤打卡等各种需要人脸识别的场
景。
82.第一局部部位检测模块302，用于将所述待检测的人脸图片输入预先训练好的人脸检测模型，所述预先训练好的人脸检测模型对所述待检测的人脸图片进行第一局部部位检测，得到第一局部部位检测结果。
83.其中，所述预先训练好的人脸检测模型包括第一特征提取模块、第一局部部位特征注意力模块与第一局部部位特征预测模块。
84.所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果。
85.在本模块中，预先训练好的人脸检测模型为多任务人脸检测模型，其除了需要进行人脸检测之外，还需要对人脸中佩戴饰品的局部部位进行检测，例如口罩、眼镜等，从而得到与人脸检测任务对应的人脸框预测框以及人脸关键点，与局部部位检测任务对应的局部部位检测结果。
86.在局部部位检测结果为待检测人脸佩戴了口罩或眼镜这种遮挡到人脸关键点的情况下，局部部位检测结果即为局部部位预测框，也为口罩或眼镜这种遮挡人脸关键点的预测框；在局部部位检测结果为无口罩、眼镜这种外在饰品的情况下，局部部位检测结果在待检测的人脸图片上无显示。在本发明的其他实施例中，在局部部位检测结果为无口罩、眼镜这种外在饰品的情况下，局部部位检测结果在待检测的人脸图片上以文字形式提示未佩戴口罩、眼镜等遮挡人脸关键点的饰品。
87.上述预先训练好的人脸检测模型具体包括作为主干网络的第一特征提取模块以及作为分支网络的第一局部部位特征注意力模块与第一局部部位特征预测模块。
88.其中，通过第一特征提取模块中的多个卷积层对待检测的人脸图片进行不断地特征提取，从而得到多尺度的降维后人脸特征图，
89.基于第一局部部位检测的检测目标，将尺度适合的降维后人脸特征图作为第一降维后人脸特征图输入至第一局部部位特征注意力模块中，强化所述降维后人脸特征图中的第一局部部位特征，从而得到第一强化后局部部位特征。
90.以第一局部部位检测为眼镜检测为例，由于眼镜在整个人脸中所占的比例较小，因此在尺度较大的降维后人脸特征图中，才能够检测得到眼镜这种小目标，故将尺度较大的降维后人脸特征图输入至与眼镜检测对于的眼镜注意力模块中，从而在降维后人脸特征图中强化眼镜的特征，进而基于强化后的眼镜特征预测得到是否佩戴眼镜的结果。
91.另外，需要说明的是所述预先训练好的人脸检测模型基于人脸训练数据与人脸训练数据对应的标签训练得到。
92.本发明实施例提供的人脸检测装置，通过所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果，从而使得局部部位检测任务与人脸检测任务独立开，互不干扰，保证主任务人脸检测的准确率，且由于局部部位检测增加了注意力机制，使得第一局部部位检测也
具有较高的准确率，能够保证多任务人脸检测中各个任务均具有较高的准确率，也没有增加模型的计算量。
93.图4为本发明实施例提供的一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communications interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行人脸检测方法，所述人脸检测方法，包括：获取待检测的人脸图片。
94.将所述待检测的人脸图片输入预先训练好的人脸检测模型，所述预先训练好的人脸检测模型对所述待检测的人脸图片进行第一局部部位检测，得到第一局部部位检测结果。
95.其中，所述预先训练好的人脸检测模型包括第一特征提取模块、第一局部部位特征注意力模块与第一局部部位特征预测模块。
96.所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果。
97.此外，上述的存储器430中的逻辑指令可以通过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、只读存储器(rom，read.only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
98.另一方面，本发明还提供一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，计算机程序被处理器执行时，计算机能够执行上述各方法所提供的一种人脸检测方法，所述人脸检测方法，包括：获取待检测的人脸图片。
99.将所述待检测的人脸图片输入预先训练好的人脸检测模型，所述预先训练好的人脸检测模型对所述待检测的人脸图片进行第一局部部位检测，得到第一局部部位检测结果。
100.其中，所述预先训练好的人脸检测模型包括第一特征提取模块、第一局部部位特征注意力模块与第一局部部位特征预测模块。
101.所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果。
102.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述个方法所提供的人脸检测方法，所述人
脸检测方法，包括：获取待检测的人脸图片。
103.将所述待检测的人脸图片输入预先训练好的人脸检测模型，所述预先训练好的人脸检测模型对所述待检测的人脸图片进行第一局部部位检测，得到第一局部部位检测结果。
104.其中，所述预先训练好的人脸检测模型包括第一特征提取模块、第一局部部位特征注意力模块与第一局部部位特征预测模块。
105.所述第一特征提取模块对所述待检测的人脸图片进行特征提取得到第一降维后人脸特征图，所述第一局部部位特征注意力模块对所述第一降维后人脸特征图中第一局部部位特征进行强化得到第一强化后局部部位特征，所述第一局部部位特征预测模块基于所述第一强化后局部部位特征预测得到所述第一局部部位检测结果。
106.以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
107.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分的方法。
108.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。