[發明專利]一種人臉特征點定位方法及裝置

在審

• 申請號: 201710908134.7
• 申請日: 2017-09-29
• 公開（公告）號: CN107729827A
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 劉一膠;董遠;白洪亮
• 申請（專利權）人: 北京飛搜科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京卓唐知識產權代理有限公司11541
• 代理人: 唐海力,韓來兵

技術領域

本發明涉及圖像識別技術領域，具體涉及一種人臉特征點定位方法及裝置。

背景技術

人臉特征點定位的目的是在人臉檢測的基礎上，進一步非確定臉部特征點(研究、眉毛、鼻子、嘴巴、臉部外輪廓)的位置。通過人臉特征點定位技術可以為人臉識別、人臉姿態表情分析、人臉美化、以及人臉追蹤等研究工作提供相應的基礎數據，因而具有重要地位。人臉特征點定位包含5點、27點、68點、194點的定位方法，現有的定位194點人臉特征點的技術主要包括深度學習和級聯回歸模型。其中，深度學習模型很深的網絡或者級聯模型較多的結構對人臉特征點定位有很高的準確率，但是卻需要較長的時間進行計算，速度慢；如果網絡不深或者級聯模型較少的情況下，速度雖然提升了，但性能卻下降了，準確率低；而級聯回歸模型對初始化形狀比較依賴，初始化形狀對模型的精度會造成很大的影響，而且速度較慢，消耗時間長，計算開銷大且準確率不穩定。

發明內容

本發明的目的在于提供人臉特征定位的性能，降低開銷，提高定位速度科技準確率。

為了解決上述目的，本發明提供了一種人臉特征點定位方法，包括如下步驟：

采集人臉圖像；

對人臉圖像進行關鍵點標記處理，得到標記關鍵點的初始形狀，將所有標記初始形狀的人臉圖像作為訓練集；

利用訓練集對預設的回歸器訓練，得到定位特征點的級聯回歸器；

將待檢測人臉圖像輸入至級聯回歸器，得到對應的人臉特征點位置標記。

進一步，所述利用訓練集對預設的回歸器訓練，得到級聯回歸器包括

計算回歸器預測的形狀與所有人臉圖像的初始形狀的差值

獲取差值與回歸器使損失函數極小化的值γ差的絕對值，得到似然最小值，根據似然最小值初始化回歸器；

利用與上一輪迭代的回歸器的差值計算當前預測人臉圖像的負梯度r_ik；

擬合所有差值的近似值，根據近似值迭代更新回歸器，得到級聯回歸器

進一步，樣本初始化按照下述公式進行:

其中，

表示的是原始的194點跟回歸出來的點的差值，γ是使使損失函數極小化的常數。

進一步，差值的計算公式為：

是當前回歸出來的點跟原始點的差值，表示的是上一輪迭代計算出來的γ值。

進一步，迭代計算公式為：

ν為常數，為線性近似值。

進一步，級聯回歸器K的深度為6。

本發明還提供了一種人臉特征點定位裝置，包括

獲取模塊，用于采集人臉圖像；

預處理模塊，用于對人臉圖像進行關鍵點標記處理，得到標記關鍵點的初始形狀，將所有標記初始形狀的人臉圖像作為訓練集；

訓練模塊，用于利用訓練集對預設的回歸器訓練，得到定位特征點的級聯回歸器；

定位模塊，用于將待檢測人臉圖像輸入至級聯回歸器，得到對應的人臉特征點位置標記。

在上述技術方案中，本發明采用深度為6的定位194點人臉特征點的梯度提升決策樹模型，來實現定位194點人臉特征點，實時高效，速度快，準確率高，提高了人臉檢測中特征點的檢測速度、消耗時間短、計算開銷小、準確率高且穩定，實時高精度地定位194點特征點。在一些場景中，需要實時高精度地定位人臉特征點，以便于后續的人臉識別等操作。

附圖說明

為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明中記載的一些實施例，對于本領域普通技術人員來講，還可以根據這些附圖獲得其他的附圖。

圖1為本發明所述的人臉特征點定位方法的流程結構示意圖；

圖2為本發明所述的人臉特征點定位方法中中得到級聯回歸器的流程示意圖；

圖3為本發明所述的人臉特征點定位裝置的框圖結構示意圖；

圖4為應用本發明所述的人臉特征點定位裝置的處理結果示意圖。

具體實施方式

為了使本領域的技術人員更好地理解本發明的技術方案，下面將結合附圖對本發明作進一步的詳細介紹。

如圖1所示，本發明提供了一種人臉特征點定位方法，包括如下步驟：

S101、采集人臉圖像；