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！

龙图腾网恭喜中国—东盟信息港股份有限公司申请的专利一种多人脸检测方法、设备及存储介质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：CN115082997B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202210763974.X，技术领域涉及：G06V40/16；该发明授权一种多人脸检测方法、设备及存储介质是由韦涛;杜欢;梁勇;李鹏;吴康杰设计研发完成，并于2022-06-29向国家知识产权局提交的专利申请。

本一种多人脸检测方法、设备及存储介质在说明书摘要公布了：本发明公开了一种多人脸检测方法，属于计算机视觉技术领域，解决传统的图像处理方法存在检测速度与精度都达不到要求的技术问题，方法包括步骤S1.构建人脸图像数据集；步骤S2.构建多人脸检测神经网络；步骤S3.根据人脸图像数据集对多人脸检测神经网络进行迭代训练得到多人脸检测模型；步骤S4.构建多人脸检测解码器；步骤S5.将待检测图像输入多人脸检测模型得到预测结果，将预测结果输入多人脸检测解码器得到检测结果。本发明还公开了一种计算机设备及计算机可读存储介质。本发明在卷积神经网络的基础上做出了一系列改进，包括引入降维卷积模块、多尺度卷积模块，与现有的人脸检测技术相比，不仅提高了检测的速度，同时也提高了人脸检测的准确度。

本发明授权一种多人脸检测方法、设备及存储介质在权利要求书中公布了：1.一种多人脸检测方法，其特征在于，包括以下步骤：步骤S1.构建人脸图像数据集；步骤S2.构建多人脸检测神经网络；步骤S3.根据所述人脸图像数据集对所述多人脸检测神经网络进行迭代训练得到多人脸检测模型；步骤S4.构建多人脸检测解码器；步骤S5.将待检测图像输入所述多人脸检测模型得到预测结果，将所述预测结果输入所述多人脸检测解码器得到检测结果；其中，步骤S2包括：步骤S21.构建降维卷积模块，所述降维卷积模块位于网络的起始部分，用于处理输入层的输入图像，所述降维卷积模块包含一个Conv层、一个Activation层、一个BN层以及一个MaxPooling2D层；所述Conv层包含12个5×5的卷积核，卷积步长设置为4，padding的值设置为same，卷积核参数使用均值为0、方差为1的高斯随机数来初始化；所述Activation层接在所述Conv层之后，使用Relu作为激活函数；所述BN层接在所述Activation层之后，gamma_regularizer和beta_regularrizer的值都设置为0.0001；所述MaxPooling2D接在所述BN层之后，池化窗口大小设置为2×2，池化步长设置为2，padding设置为same；步骤S22.构建多尺度卷积模块：所述多尺度卷积模块包括一个Conv_1层、一个Conv_2层、一个Conv_3层、一个Conv_4层；所述Conv_1层、Conv_2层、Conv_3层、Conv_4层以并联的方式结合，也就是输入图像在经过多尺度卷积模块时会分别经过这4个层，然后在模块的最后将这4个层的输出张量在Concatenate层做一个拼接并输出；步骤S23.构建多尺度人脸先验框及置信度预测模块，在不同尺度的卷积特征图上设置一系列不同尺度的先验框，这些先验框和多尺度卷积层构成了多人脸检测神经网络的最后一个模块，多人脸检测神经网络通过该模块预测每个先验框的中心偏移量以及长宽偏移量，再结合先验框的设置可以得到特征图上人脸检测框的预测值；步骤S23包括：步骤S231.通过所述多尺度卷积模块的输出得到第一种尺度的特征图feature_map_1；构建一个卷积层，使用128个3×3的卷积核并以2为步长卷积第一种尺度的特征图，得到第二种尺度的特征图feature_map_2；构建一个卷积层，使用128个3×3的卷积核并以2为步长卷积第二种尺度的特征图，得到第三种尺度的特征图feature_map_3；步骤S232.以feature_map_1为基础，在其上每一个点设置3个先验框，得到各点的先验框信息；步骤S233.以feature_map_2为基础，在其上每一个点设置3个先验框，得到各点的先验框信息；步骤S234.以feature_map_3为基础，在其上每一个点设置3个先验框，得到各点的先验框信息；步骤S235.基于feature_map_1，模型通过一个Conv层和一个Reshape层输出feature_map_1上每一个先验框的类别预测值；再通过一个Conv层和一个Reshape层输出模型对feature_map_1上每一个先验框的偏移量预测值；步骤S236.基于feature_map_2，模型通过一个Conv层和一个Reshape层输出feature_map_2上每一个先验框的类别预测值；再通过一个Conv层和一个Reshape层输出模型对feature_map_2上每一个先验框的偏移量预测值；步骤S237.基于feature_map_3，模型通过一个Conv层和一个Reshape层输出feature_map_3上每一个先验框的类别预测值；再通过一个Conv层和一个Reshape层输出模型对feature_map_3上每一个先验框的偏移量预测值；步骤S238.将步骤S232～步骤S237得到的所有先验框的信息聚合为模块的输出，输出张量形状为n_boxes,n_classes+8，其中n_boxes表示先验框的数量，n_classes表示类别数量，8表示和先验框有关的位置参数值，神经网络通过该模块的输出结果对模型进行训练。

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中国—东盟信息港股份有限公司，其通讯地址为：530000 广西壮族自治区南宁市良庆区秋月路18号；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”。