[發明專利]人臉定位方法及裝置

在審

• 申請號: 201611063808.X
• 申請日: 2016-11-25
• 公開（公告）號: CN106778531A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 楊松
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 北京三高永信知識產權代理有限責任公司11138
• 代理人: 林錦瀾

1.一種人臉定位方法，其特征在于，所述方法包括：

獲取待定位的人臉圖像，并按照預設尺寸大小對所述人臉圖像進行縮放處理，得到第一預處理人臉圖像；

基于指定卷積神經網絡CNN模型，確定所述第一預處理人臉圖像中的多個關鍵點的初始位置；

基于所述多個關鍵點的初始位置，通過指定神經網絡模型，確定所述多個關鍵點在所述人臉圖像中的實際位置，以實現人臉定位。

2.如權利要求1所述的方法，其特征在于，所述基于所述多個關鍵點的初始位置，通過指定神經網絡模型，確定所述多個關鍵點在所述人臉圖像中的實際位置，包括：

基于所述多個關鍵點的初始位置，通過所述指定神經網絡模型，確定多個偏差量，各個偏差量是指各個關鍵點的初始位置與所述初始位置對應的真實位置之間的偏差量；

分別將各個關鍵點的初始位置與對應的各個偏差量之和，重新確定為各個關鍵點的初始位置；

統計重新確定次數，并返回至所述基于所述多個關鍵點的初始位置，通過所述指定神經網絡模型，確定多個偏差量的步驟，所述重新確定次數是指分別將各個關鍵點的初始位置與對應的各個偏差量之和重新確定為各個關鍵點的初始位置的次數；

當所述重新確定次數達到N次時，將經過N次重新確定后的各個關鍵點的初始位置確定為所述各個關鍵點在所述人臉圖像中的實際位置，其中，所述N大于或等于1。

3.如權利要求2所述的方法，其特征在于，所述基于所述多個關鍵點的初始位置，通過所述指定神經網絡模型，確定多個偏差量，包括：

對于所述多個關鍵點中的每個關鍵點，確定以所述關鍵點的初始位置為中心的預設尺寸窗口內，所有像素點中每個像素點的梯度，并根據所確定的梯度，確定所述關鍵點的尺度不變特征變換SIFT特征向量；

將所述多個關鍵點的SIFT特征向量依次進行串聯，得到串聯特征向量；

基于所述串聯特征向量，通過所述指定神經網絡模型，確定所述多個偏差量。

4.如權利要求3所述的方法，其特征在于，所述基于所述串聯特征向量，通過所述指定神經網絡模型，確定所述多個偏差量，包括：

將所述串聯特征向量輸入至所述指定神經網絡模型中，通過所述指定神經網絡模型回歸確定所述多個偏差量。

5.如權利要求1所述的方法，其特征在于，所述方法還包括：

對所述第一預處理人臉圖像進行歸一化處理，得到第二預處理人臉圖像；

相應地，所述基于指定卷積神經網絡CNN模型，確定所述第一預處理人臉圖像中的多個關鍵點的初始位置，包括：

基于所述指定卷積神經網絡CNN模型，確定所述第二預處理人臉圖像中的多個關鍵點的初始位置。

6.一種人臉定位裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待定位的人臉圖像，并按照預設尺寸大小對所述人臉圖像進行縮放處理，得到第一預處理人臉圖像；

第一確定模塊，用于基于指定卷積神經網絡CNN模型，確定所述第一預處理人臉圖像中的多個關鍵點的初始位置；

第二確定模塊，用于基于所述第二確定模塊確定的所述多個關鍵點的初始位置，通過指定神經網絡模型，確定所述多個關鍵點在所述人臉圖像中的實際位置，以實現人臉定位。

7.如權利要求6所述的裝置，其特征在于，所述第二確定模塊包括：

第一確定子模塊，用于基于所述多個關鍵點的初始位置，通過所述指定神經網絡模型，確定多個偏差量，各個偏差量是指各個關鍵點的初始位置與所述初始位置對應的真實位置之間的偏差量；

第二確定子模塊，用于分別將各個關鍵點的初始位置與對應的各個偏差量之和，重新確定為各個關鍵點的初始位置；

統計子模塊，用于統計重新確定次數，并返回至所述基于所述多個關鍵點的初始位置，通過所述指定神經網絡模型，確定多個偏差量的步驟，所述重新確定次數是指分別將各個關鍵點的初始位置與對應的各個偏差量之和重新確定為各個關鍵點的初始位置的次數；

第三確定子模塊，用于當所述重新確定次數達到N次時，將經過N次重新確定后的各個關鍵點的初始位置確定為所述各個關鍵點在所述人臉圖像中的實際位置，其中，所述N大于或等于1。