(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210577436.1 (22)申请日 2022.05.25 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 刘家奇　王照　刘晓宇　 (74)专利代理 机构 北京康信知识产权代理有限 责任公司 1 1240 专利代理师 周春枚 (51)Int.Cl. G06V 40/16(2022.01) G06V 20/52(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 人脸的异常检测方法及 装置、 处理器和电子 设备 (57)摘要 本申请公开了一种人脸的异常检测方法及 装置、 处理器和电子设备， 涉及人工智能领域。 该 方法包括： 获取目标人脸的目标图像， 其中， 目标 人脸为监控系统中待进行人脸异常检测的人脸； 将目标图像输入深度学习目标检测算法进行异 常检测处理， 得到目标人脸的异常检测结果， 其 中， 深度学习目标检测算法为基于深度学习的初 始目标检测算法、 目标注意力机制模块和特征提 取模块构建的算法， 特征提取模块为基于初始目 标检测算法中的空间金字塔池化结构生成的。 通 过本申请， 解决了相关技术中监控系统采用人脸 检测方法难以检测出异常人脸， 影 响监控系统的 使用效果的问题。 权利要求书2页 说明书14页 附图4页 CN 115063850 A 2022.09.16 CN 115063850 A 1.一种人脸的异常检测方法， 其特 征在于， 包括： 获取目标人脸的目标图像， 其中， 所述目标人脸为监控系统中待进行人脸异常检测的 人脸； 将所述目标图像输入深度学习目标检测算法进行异常检测处理， 得到所述目标人脸的 异常检测结果， 其中， 所述深度学习目标检测算法为基于深度学习的初始目标检测算法、 目 标注意力机制模块和特征提取模块构建的算法， 所述特征提取模块为基于所述初始目标检 测算法中的空间金字塔池化结构生成的。 2.根据权利要求1所述的方法， 其特征在于， 在将所述目标图像输入深度 学习目标检测 算法进行异常检测处 理， 得到所述目标 人脸的异常检测结果之前， 所述方法还 包括： 确定所述初始目标检测算法中的每个残差模块的特征融合层和所述初始目标检测算 法中的特 征合并层； 在所述特征融合层的上一级增加所述目标注意力 机制模块， 并在所述特征合并层的下 一级增加所述目标注意力机制模块， 得到处 理后的初始目标检测算法； 依据目标跨阶段局部网络模块， 对所述处理后的初始目标检测算法中的空间金字塔池 化结构进 行处理， 得到所述特征提取模块， 其中， 所述目标跨阶段局部网络模块为所述初始 目标检测算法中的模块或者 为所述处 理后的初始目标检测算法中的模块； 依据所述处理后的初始目标检测算法和所述特征提取模块， 构建所述深度学习目标检 测算法。 3.根据权利要求1所述的方法， 其特征在于， 所述目标注意力 机制模块中包括通道注意 力特征提取模块和空间注意力特征提取模块， 将所述目标图像输入深度学习目标检测算法 进行异常检测处 理， 得到所述目标 人脸的异常检测结果包括： 将所述目标图像输入所述深度学习目标检测算法， 得到所述目标图像的第一特 征； 将所述第一特 征输入所述 通道注意力特 征提取模块， 得到目标通道 注意力特 征； 将所述目标通道注意力特征输入所述空间注意力特征提取模块， 得到目标空间注意力 特征； 将所述第一特 征输入所述特 征提取模块， 得到目标 特征； 依据所述目标空间注意力特 征和所述目标 特征， 得到所述目标 人脸的异常检测结果。 4.根据权利要求3所述的方法， 其特征在于， 将所述第一特征输入所述特征提取模块， 得到目标 特征包括： 将所述第一特 征输入至所述特 征提取模块中的第一卷积层， 得到第二特 征； 分别将所述第 二特征输入至所述特征提取模块中的第 二卷积层和第 三卷积层， 得到第 三特征和第四特 征； 将所述第三特征输入至所述空间金字塔池化结构， 并对所述第三特征进行卷积处理， 得到第五特 征； 对所述第四特 征和所述第五特 征进行合并处 理， 得到所述目标 特征。 5.根据权利要求3所述的方法， 其特征在于， 将所述第 一特征输入所述通道注意力特征 提取模块， 得到目标通道 注意力特 征包括： 基于所述通道注意力特征提取模块的目标通道， 对所述第 一特征进行全局最大池化处 理， 得到第一 通道注意力特 征；权　利　要　求　书 1/2 页 2 CN 115063850 A 2基于所述目标通道， 对所述第一特征进行全局平均池化处理， 得到第二通道注意力特 征； 对所述第一通道注意力特征和所述第 二通道注意力特征做拼接处理， 得到第 三通道注 意力特征； 对所述第三通道注意力特征进行卷积处理， 并采用激活函数对所述第 三通道注意力特 征进行处 理， 生成第四空间注意力特 征； 将所述第一特 征和所述第四空间注意力特 征相乘， 得到所述目标通道 注意力特 征。 6.根据权利要求5所述的方法， 其特征在于， 将所述目标通道注意力特征输入所述空间 注意力特 征提取模块， 得到目标空间注意力特 征包括： 对所述目标通道注意力特征分别进行所述全局最大池化处理和所述全局平均池化处 理， 得到第一空间注意力特 征； 将所述第一空间注意力特征输入至所述空间注意力特征提取模块中的多层感知器， 得 到多个第二空间注意力特 征； 对所述多个第二空间注意力特 征进行加 和操作， 得到第三空间注意力特 征； 采用所述激活函数对所述第 三空间注意力特征进行处理， 生成所述目标空间注意力特 征。 7.根据权利要求1至6中任意一项所述的方法， 其特征在于， 在将所述目标图像输入深 度学习目标检测算法进行异常检测处理， 得到所述 目标人脸的异常检测结果之后， 所述方 法还包括： 若所述异常检测结果表示所述目标人脸是异常人脸， 则控制所述监控系统触发报 警信 号。 8.一种人脸的异常检测装置， 其特 征在于， 包括： 第一获取单元， 用于获取目标人脸的目标图像， 其中， 所述目标人脸为监控系统中待进 行人脸异常检测的人脸； 第一处理单元， 用于将所述目标图像输入深度学习目标检测算法进行异常检测 处理， 得到所述 目标人脸的异常检测结果， 其中， 所述深度学习目标检测算法为基于深度学习的 初始目标检测 算法、 目标注意力机制模块和特征提取模块构建的算法， 所述特征提取模块 为基于所述初始目标检测算法中的空间金字塔池化结构生成的。 9.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至7中任意 一项所述的人脸的异常检测方法。 10.一种电子设备， 其特征在于， 包括一个或多个处理器和存储器， 所述存储器用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所 述一个或多个处 理器实现权利要求1至7中任意 一项所述的人脸的异常检测方法。权　利　要　求　书 2/2 页 3 CN 115063850 A 3