技术摘要：
本发明提供了用于检测特定面部综合征的方法、装置及计算机可读存储介质，该方法包括：获取待检测对象的人脸图像；确定所述人脸图像的至少一个关键区域图像；将所述人脸图像输入经训练的全局检测模型，以得到全局检测结果；将至少一个所述关键区域图像输入经训练的局部  全部
背景技术：
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的 描述不因为包括在本部分中就承认是现有技术。 计算机辅助诊断技术是指通过影像学、医学图像处理技术以及其他可能的生理、 生化手段，结合计算机的分析计算，辅助发现病灶，提高诊断的准确率。医学图像的计算机 辅助诊断的主要优点在于快速的数据处理，进行精确地定量计算，能够为临床提供一致性 好、可重复性高、客观、准确的辅助诊断意见，减少因医生经验不足或视觉疲劳等主观原因 引起的漏误诊，极大地扩大医生有限的个人知识和经验，使诊断更为准确更为科学。 许多疾病表现为面部发育不良，如唐氏综合征，地中海贫血症等遗传学疾病，其 中，具有唐氏综合征的患者具有增加的发育障碍，心脏缺陷，呼吸和听力问题的风险，并且 该面部综合征的早期检测对于控制该疾病是非常重要的。唐氏综合征的早期检测可以在出 生前进行生物化学筛选和细胞遗传诊断试验，或者可以在出生后通过某些物理性状的存在 来鉴定，这些性状包括向上倾斜的眼睛，小而平坦的鼻子，小的耳朵和嘴，以及突出的舌头， 但是这可能需要专业水平较高的医疗专家进行仔细诊断。 总之，目前与面部发育不良相关的面部综合征的诊断方法复杂，耗时，并且需要高 度的经验和专业知识。因此，有必要开发一种简单的，非侵入性的，自动的检测诸如唐氏综 合征或其它与脸部形态相关的面部综合征的方法。
技术实现要素：
针对上述现有技术中存在的问题，提出了用于检测特定面部综合征的方法、装置 及计算机可读存储介质，利用这种方法、装置及计算机可读存储介质，能够解决上述问题。 本发明提供了以下方案。 第一方面，提供用于检测特定面部综合征的方法，方法包括：获取待检测对象的人 脸图像；确定所述人脸图像的至少一个关键区域图像；将所述人脸图像输入经训练的全局 检测模型，以得到全局检测结果；将至少一个所述关键区域图像输入经训练的局部检测模 型，以得到至少一个局部检测结果；根据所述全局检测结果和至少一个所述局部检测结果， 确定所述待检测对象患有特定面部综合征的目标检测概率。 在一种可能的实施方式中，确定所述人脸图像的至少一个关键区域图像，还包括： 在所述人脸图像上定位关键特征点；基于所述关键特征点确定所述人脸图像的至少一个关 键区域，并从所述人脸图像中分割出至少一个关键区域图像；其中，所述关键区域图像包 括：眼睛区域图像、鼻子区域图像、嘴巴区域图像、下颚区域图像、额头区域图像、耳朵区域 5 CN 111598867 A 说　明　书 2/12 页 图像中的一种或多种指定类别。 在一种可能的实施方式中，所述经训练的局部检测模型包含多个经训练的局部检 测网络，其中每个局部检测网络用于对指定类别的关键区域图像进行局部检测；以及，将至 少一个所述关键区域图像输入经训练的局部检测模型，还包括：将每个所述关键区域图像 输入所述局部检测模型中对应类别的局部检测网络。 在一种可能的实施方式中，所述方法用于检测N种特定面部综合征，所述全局检测 结果包含N个全局检测概率，每个所述局部检测结果包含N个局部检测概率，所述N个全局/ 局部检测概率和所述N种特定面部综合征一一对应，所述N为正整数。 在一种可能的实施方式中，其中，根据所述全局检测结果和至少一个所述局部检 测结果，确定所述待检测对象患有特定面部综合征的目标检测概率，包括：针对所述N种特 定面部综合征中的每种特定面部综合征，根据所述每种特定面部综合征对应的所述全局检 测概率和至少一个所述局部检测概率进行加权求平均和/或加权投票，以得到所述待检测 对象患有所述每种特定面部综合征的目标检测概率。 在一种可能的实施方式中，其中，在执行获取待检测对象的人脸图像的步骤之前， 所述方法还包括：从训练样本集中获取人脸样本图像，以及与所述人脸样本图像对应的训 练标签，所述训练标签用于指示针对所述特定面部综合征的患病情况；利用待训练的第一 神经网络对所述人脸样本图像进行处理，以得到与所述人脸样本图像对应的全局训练检测 结果；根据所述训练标签和所述全局训练检测结果，通过所述待训练的第一神经网络的系 统损失函数计算所述待训练的第一神经网络的系统损失值；基于所述系统损失值对所述待 训练的第一神经网络的权值进行修正；在所述系统损失值满足预定条件时，获得训练好的 所述全局检测模型，在所述系统损失值不满足预定条件时，继续对所述待训练的第一神经 网络进行训练。 在一种可能的实施方式中，其中，在执行获取待检测对象的人脸图像的步骤之前， 所述方法还包括：从训练样本集中获取指定类别的关键区域样本图像，以及与所述关键区 域样本图像对应的训练标签，所述训练标签用于指示针对所述特定面部综合征的患病情 况；利用待训练的第二神经网络对所述关键区域样本图像进行处理，以得到与所述关键区 域样本图像对应的局部训练检测结果；根据所述训练标签和所述局部训练检测结果，通过 所述待训练的第二神经网络的系统损失函数计算所述待训练的第二神经网络的系统损失 值；基于所述系统损失值对所述待训练的第二神经网络的权值进行修正；在所述系统损失 函数满足预定条件时，获得训练好的、用于对所述指定类别的关键区域图像进行局部检测 的所述局部检测网络，在所述系统损失函数不满足预定条件时，继续对所述待训练的第二 神经网络进行训练。 在一种可能的实施方式中，所述全局检测模型和/或所述局部检测模型基于残差 网络模型而构建。 在一种可能的实施方式中，在所述人脸图像上定位关键特征点之后，还包括：根据 所述关键特征点计算所述人脸图像的关键轮廓曲率；根据所述关键轮廓曲率调整所述待检 测对象患有特定面部综合征的检测概率；其中，所述关键轮廓曲率包括：眼睛轮廓曲率、鼻 子轮廓曲率、嘴巴轮廓曲率、下颚轮廓曲率、额头轮廓曲率的一种或多种。 在一种可能的实施方式中，还包括：对所述待检测对象的人脸图像进行预处理之 6 CN 111598867 A 说　明　书 3/12 页 后输入所述经训练的全局检测模型；对所述至少一个关键区域图像进行所述预处理之后输 入所述经训练的局部检测模型；其中，所述预处理包括灰度填充处理和尺寸压缩/拉伸处 理。 第二方面，提供一种用于检测特定面部综合征的装置，所述装置包括：图像获取模 块，用于获取待检测对象的人脸图像；关键区域模块，用于确定所述人脸图像的至少一个关 键区域图像；全局检测模块，用于将所述人脸图像输入经训练的全局检测模型以得到全局 检测结果；局部检测模块，用于将至少一个所述关键区域图像输入经训练的局部检测模型， 以得到至少一个局部检测结果；目标检测模块，根据所述全局检测结果和至少一个所述局 部检测结果，确定所述待检测对象患有特定面部综合征的目标检测概率。 在一种可能的实施方式中，关键区域模块还用于：在人脸图像上定位关键特征点； 基于关键特征点确定人脸图像的至少一个关键区域，并从人脸图像中分割出至少一个关键 区域图像；其中，关键区域图像包括：眼睛区域图像、鼻子区域图像、嘴巴区域图像、下颚区 域图像、额头区域图像、耳朵区域图像中的一种或多种指定类别。 在一种可能的实施方式中，经训练的局部检测模型包含多个经训练的局部检测网 络，其中每个局部检测网络用于对指定类别的关键区域图像进行局部检测；以及，局部检测 模块，还用于：将每个关键区域图像输入局部检测模型中对应类别的局部检测网络。 在一种可能的实施方式中，其中，全局检测模型输出的全局检测结果包含N个全局 检测概率，每个局部检测网络输出的局部检测结果包含N个局部检测概率，N个全局/局部检 测概率和N种特定面部综合征一一对应，N为正整数。 在一种可能的实施方式中，目标检测模块，还用于：针对N种特定面部综合征中的 每种特定面部综合征，根据每种特定面部综合征对应的全局检测概率和至少一个局部检测 概率进行加权求和，以得到待检测对象患有每种特定面部综合征的目标检测概率。 在一种可能的实施方式中，其中，装置还用于：在执行获取待检测对象的人脸图像 的步骤之前，从训练样本集中获取人脸样本图像，以及与人脸样本图像对应的训练标签，训 练标签用于指示针对特定面部综合征的患病情况；利用待训练的第一神经网络模型对人脸 样本图像进行处理，以得到与人脸样本图像对应的全局训练检测结果；根据训练标签和全 局训练检测结果，通过待训练的第一神经网络模型的系统损失函数计算待训练的第一神经 网络模型的系统损失值；基于系统损失值对待训练的第一神经网络模型的权值进行修正； 在系统损失值满足预定条件时，获得训练好的全局检测模型，在系统损失值不满足预定条 件时，继续对待训练的第一神经网络模型进行训练。 在一种可能的实施方式中，其中，装置还用于：在执行获取待检测对象的人脸图像 的步骤之前，从训练样本集中获取指定类别的关键区域样本图像，以及与关键区域样本图 像对应的训练标签，训练标签用于指示针对特定面部综合征的患病情况；利用待训练的第 二神经网络对关键区域样本图像进行处理，以得到与关键区域样本图像对应的局部训练检 测结果；根据训练标签和局部训练检测结果，通过待训练的第二神经网络的系统损失函数 计算待训练的第二神经网络的系统损失值；基于系统损失值对待训练的第二神经网络的权 值进行修正；在系统损失函数满足预定条件时，获得训练好的、用于对指定类别的关键区域 图像进行局部检测的局部检测网络，在系统损失函数不满足预定条件时，继续对待训练的 第二神经网络进行训练。 7 CN 111598867 A 说　明　书 4/12 页 在一种可能的实施方式中，其中，全局检测模型和/或局部检测模型基于残差网络 模型构建。 在一种可能的实施方式中，其中，装置还用于：在人脸图像上定位关键特征点之 后，根据关键特征点计算人脸图像的关键轮廓曲率；根据关键轮廓曲率调整待检测对象患 有特定面部综合征的检测概率；其中，关键轮廓曲率包括：眼睛轮廓曲率、鼻子轮廓曲率、嘴 巴轮廓曲率、下颚轮廓曲率、额头轮廓曲率的一种或多种。 在一种可能的实施方式中，其中，装置还用于：对待检测对象的人脸图像进行预处 理之后输入经训练的全局检测模型；对至少一个关键区域图像进行预处理之后输入经训练 的局部检测模型；其中，预处理包括灰度填充处理和尺寸压缩处理。 在一种可能的实施方式中，其中，特定面部综合征包括唐氏综合征和/或地中海面 部综合征。 第三方面，提供另一种用于检测特定面部综合征的装置，所述装置包括：至少一个 处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处 理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行：获取待检测 对象的人脸图像；确定所述人脸图像的至少一个关键区域图像；将所述人脸图像输入经训 练的全局检测模型，以得到全局检测结果；将至少一个所述关键区域图像输入经训练的局 部检测模型，以得到至少一个局部检测结果；根据所述全局检测结果和至少一个所述局部 检测结果，确定所述待检测对象患有特定面部综合征的目标检测概率。 第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序， 当所述程序被多核处理器执行时，使得所述多核处理器执行如第一方面的方法。 本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：在本发明的 各个实施例中，通过根据训练好的全局检测模型和局部检测模型确定待检测对象患有特定 面部综合征的检测概率。无需复杂的测量设备，就能自动完成特定面部综合征的快速检测， 显著降低了特定面部综合征患者的初期检测难度。此外，通过采用全局检测模型和局部检 测模型进行联合检测的方法，能够结合待检测对象的人脸图像的全局特征和局部信息进行 综合检测，从而提高了检测准确度。 应当理解，上述说明仅是本发明技术方案的概述，以便能够更清楚地了解本发明 的技术手段，从而可依照说明书的内容予以实施。为了让本发明的上述和其它目的、特征和 优点能够更明显易懂，以下特举例说明本发明的