[發(fā)明專利]基于深度學習的多角度人臉對齊方法、系統(tǒng)及拍攝終端

在審

• 申請?zhí)枺?/td>: 201610088133.8
• 申請日: 2016-02-17
• 公開（公告）號: CN105760836A
• 公開（公告）日: 2016-07-13
• 發(fā)明（設計）人: 張偉;洪煒冬;許清泉;傅松林
• 申請（專利權）人: 廈門美圖之家科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的多角度人臉對齊方法，其特征在于，包括以下步驟：

10.搜集人臉樣本圖像，對所述人臉樣本圖像進行人臉關鍵點的標記和人臉旋轉角度的標記；

20.將所述人臉樣本圖像及其對應的人臉旋轉角度輸入卷積神經(jīng)網(wǎng)絡進行訓練，輸出預設的人臉旋轉角度的區(qū)間范圍所對應的人臉姿態(tài)類型，得到人臉角度模型；

30.利用所述的人臉角度模型，并根據(jù)所述人臉關鍵點對所述人臉樣本圖像的人臉關鍵點坐標進行回歸訓練，得到不同人臉姿態(tài)類型所對應的人臉對齊模型；

40.將待檢測圖像輸入所述的人臉角度模型進行預測，輸出得到所述待檢測圖像所對應的人臉姿態(tài)類型，并調用相應的人臉對齊模型進行回歸預測，得到待檢測圖像的人臉關鍵點的坐標位置。

2.根據(jù)權利要求1所述的一種基于深度學習的多角度人臉對齊方法，其特征在于：所述的步驟10中，對所述人臉樣本圖像進行人臉關鍵點的標記和人臉旋轉角度的標記，是指對人臉樣本圖像進行人臉五官及輪廓的關鍵點進行人工標記，并根據(jù)人臉關鍵點的坐標位置計算和標記該人臉樣本圖像的人臉旋轉角度。

3.根據(jù)權利要求1所述的一種基于深度學習的多角度人臉對齊方法，其特征在于：所述的步驟20中，所述的人臉旋轉角度的區(qū)間范圍，是指根據(jù)人臉旋轉角度將人臉的正面和側面進行平均分割為兩個或兩個以上的區(qū)間范圍，每個人臉旋轉角度的區(qū)間范圍對應一種人臉姿態(tài)類型。

4.根據(jù)權利要求3所述的一種基于深度學習的多角度人臉對齊方法，其特征在于：所述的人臉旋轉角度分割為5個區(qū)間范圍，包括：[-180°,-120°),[-120°,-60°),[-60°,+60°],(+60°,+120°],(+120°,+180°]。

5.根據(jù)權利要求1所述的一種基于深度學習的多角度人臉對齊方法，其特征在于：所述的步驟30中，得到不同人臉姿態(tài)類型所對應的人臉對齊模型后，還進一步將該不同人臉姿態(tài)類型的人臉對齊模型與所述的人臉角度模型進行拼接得到聯(lián)合人臉對齊模型。

6.根據(jù)權利要求1至5任一項所述的一種基于深度學習的多角度人臉對齊方法，其特征在于：所述的步驟40中，調用相應的人臉對齊模型進行回歸預測，是根據(jù)輸出得到的所述待檢測圖像所對應的人臉姿態(tài)類型，得到所述待檢測圖像所對應的人臉旋轉角度的區(qū)間范圍，并將所述待檢測圖像輸入到相應的人臉對齊模型中進行預測。

7.一種基于深度學習的多角度人臉對齊系統(tǒng)，其特征在于，包括：

標記模塊，用于對搜集的人臉樣本圖像進行人臉關鍵點的標記和人臉旋轉角度的標記；

人臉角度模型創(chuàng)建模塊，用于將所述人臉樣本圖像及其對應的人臉旋轉角度輸入卷積神經(jīng)網(wǎng)絡進行訓練，輸出預設的人臉旋轉角度的區(qū)間范圍所對應的人臉姿態(tài)類型，得到人臉角度模型；

人臉對齊模型創(chuàng)建模塊，其利用所述的人臉角度模型，并根據(jù)所述人臉關鍵點對所述人臉樣本圖像的人臉關鍵點坐標進行回歸訓練，得到不同人臉姿態(tài)類型所對應的人臉對齊模型；

檢測模塊，其將待檢測圖像輸入所述的人臉角度模型進行預測，輸出得到所述待檢測圖像所對應的人臉姿態(tài)類型，并調用相應的人臉對齊模型進行回歸預測，得到待檢測圖像的人臉關鍵點的坐標位置。

8.根據(jù)權利要求7所述的一種基于深度學習的多角度人臉對齊系統(tǒng)，其特征在于：還包括拼接模塊，用于將所述不同人臉姿態(tài)類型的人臉對齊模型與所述的人臉角度模型進行拼接得到聯(lián)合人臉對齊模型。

9.一種拍攝終端，其特征在于，包括權利要求7至8任一項所述的基于深度學習的多角度人臉對齊系統(tǒng)。