[發明專利]人臉檢測模型訓練方法、人臉檢測方法及裝置

有效

• 申請號: 201610387636.5
• 申請日: 2016-06-02
• 公開（公告）號: CN107463865B
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 張默
• 申請（專利權）人: 北京陌上花科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許志勇

1.一種人臉檢測模型訓練方法，其特征在于，包括：

確定每個樣本人臉圖像對應的各初始人臉關鍵點位置坐標；

計算與每個樣本人臉圖像的各初始人臉關鍵點坐標位置分別對應的局部特征矩陣；

對每個樣本人臉圖像對應的圖像特征矩陣進行降維處理，其中，所述圖像特征矩陣是根據對應樣本人臉圖像對應的各所述局部特征矩陣確定的；其中，采用主成分分析(PCA)方法對每個樣本人臉圖像對應的圖像特征矩陣進行降維處理；

根據每個樣本人臉圖像對應的降維后的圖像特征矩陣，對待訓練人臉關鍵點檢測模型矩陣進行訓練，得到滿足預設目標函數的目標人臉關鍵點檢測模型矩陣；

其中，所述確定每個樣本人臉圖像對應的各初始人臉關鍵點位置坐標，包括：

分別對每個樣本人臉圖像進行人臉檢測，獲得每個樣本人臉圖像對應的人臉框標識；

分別獲取每個樣本人臉圖像中預先標記的各真實人臉關鍵點位置坐標，其中，所述各真實人臉關鍵點位置坐標是根據各預設位置屬性分別對應標記在每個樣本人臉圖像中的；

根據所述各真實人臉關鍵點位置坐標和各所述人臉框標識，獲取分別與所述各預設位置屬性對應的參考位置坐標；

根據各所述參考位置坐標分別確定每個樣本人臉圖像對應的各初始人臉關鍵點位置坐標；

其中，所述根據每個樣本人臉圖像對應的降維后的圖像特征矩陣，對待訓練人臉關鍵點檢測模型矩陣進行訓練，得到滿足預設目標函數的目標人臉關鍵點檢測模型矩陣，包括：

將任一樣本人臉圖像S_k對應的降維后的圖像特征矩陣X輸入如下公式(7)中：

XR＝b (7)

其中，R為所述待訓練人臉關鍵點檢測模型矩陣，所述R被預先賦予有初始值，b為根據公式(7)計算獲得的輸出人臉關鍵點坐標位置矩陣；

確定所述輸出人臉關鍵點坐標位置矩陣b是否滿足如下公式(8)所示的目標函數：

min||b-b_t||²+||R|| (8)

其中，b_t為所述任一樣本人臉圖像S_k對應的真實人臉關鍵點坐標位置矩陣，由預先在所述任一樣本人臉圖像S_k中標記的各真實人臉關鍵點坐標位置組成，||R||為用于稀疏化R本身的L1范式；

若滿足，則確定對應的待訓練人臉關鍵點檢測模型矩陣為所述目標人臉關鍵點檢測模型矩陣；

若不滿足，則在所述公式(8)的約束下，求解獲得所述目標人臉關鍵點檢測模型矩陣；

由于R預先被賦予一定的初始值，對于第一個輸入的樣本人臉圖像對應的輸入特征矩陣來說，其與R相乘得到一個輸出b，判定此輸出b是否滿足公式(8)，若不滿足，則調整R，使其滿足公式(8)；對于之后輸入的另一個樣本人臉圖像對應的輸入特征矩陣來說，若其與當前的R相乘的輸出結果b滿足公式(8)，則繼續處理下一個輸入特征矩陣，否則，調整R，使其滿足公式(8)；如此反復執行，直到所有的樣本人臉圖像都處理完畢，得到最終的目標人臉關鍵點檢測模型矩陣。

2.根據權利要求1所述的方法，其特征在于，任一樣本人臉圖像S_k對應的人臉框標識中包括人臉框參考點位置坐標(fb.x，fb.y)、人臉框寬度fb.width、人臉框高度fb.heigth，k為取自1至N的整數，N為樣本人臉圖像個數；

所述根據所述各真實人臉關鍵點位置坐標和各所述人臉框標識，獲取分別與所述各預設位置屬性對應的參考位置坐標，包括：

根據公式(1)和公式(2)對任一樣本人臉圖像S_k中預先標記的任一真實人臉關鍵點位置坐標進行歸一化處理，得到對應的歸一化位置坐標

根據公式(3)和公式(4)獲取與第i個預設位置屬性對應的參考位置坐標(P_ix-avg,P_iy-avg)：

其中，i取自1至M中的整數，M為任一樣本人臉圖像S_k中預先標記的真實人臉關鍵點位置坐標的個數。