[發明專利]一種基于采樣卷積的人臉關鍵點檢測方法

有效

• 申請號: 201811410129.4
• 申請日: 2018-11-23
• 公開（公告）號: CN109740426B
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 黃亮;徐瀅
• 申請（專利權）人: 成都品果科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 成都玖和知識產權代理事務所(普通合伙) 51238
• 代理人: 胡琳梅

1.一種基于采樣卷積的人臉關鍵點檢測方法，其特征在于，包括以下步驟：

S1、獲取包含人臉的灰度圖像，并利用人臉檢測算法獲取所述灰度圖像中的人臉框；

S2、準備訓練集，將訓練集圖像中所有人臉進行普魯克分析，得到平均人臉關鍵點S_std；

S3、將S_std按步驟S1獲取的人臉框尺寸放大后，得到初始人臉關鍵點S₀；

S4、利用訓練生成的網絡模型更新人臉關鍵點S_i，得到最終的人臉關鍵點；其中i∈[1,It]，i表示第i次迭代，It為迭代次數，取值范圍為1-10；S_It即為最終的人臉關鍵點；

所述更新的具體步驟如下：

S41、利用采樣卷積算法對S_i-1處的圖像進行特征提取，得到特征向量

S42、計算人臉關鍵點偏差ΔS_i；

S43、利用所述人臉關鍵點偏差更新人臉關鍵點S_i，即S_i＝S_i-1+ΔS_i；

所述步驟S41中采樣卷積算法的步驟為：

S411、計算采樣卷積的最大擴張率d_i＝E_i-1Scale_i，其中，E_i-1表示S_i-1中兩眼的距離，Scale_i表示縮放尺度，取值為0.1ⁱ～0.9ⁱ；

S412、在S_i-1中的每個人臉關鍵點位置用m個卷積核進行擴張卷積運算，并將運算結果拼接成一維特征向量卷積核表示為Kernel_i,j,k,o，其中，j表示第j個人臉關鍵點，k表示卷積核大小，其值為大于等于3的奇數，o表示擴張率m＝10-128。

2.根據權利要求1所述的一種基于采樣卷積的人臉關鍵點檢測方法，其特征在于，步驟S4中，所述網絡模型的訓練過程包括：

以所述步驟S2中的訓練集為訓練樣本，所述訓練集中的訓練數據為灰度圖像以及對應的人臉關鍵點S，以Sⁿ表示第n個人臉的關鍵點信息；所述訓練過程按照迭代次數分別訓練，每次迭代的訓練完成后，在此結果基礎上進行下一次迭代的訓練，每次訓練的過程如下：

S51、在所述訓練集上用S_std生成初始人臉關鍵點數據S_init；

S52、以端到端的方式依次訓練第i次迭代的參數Kernel_i,j,k,o、W_i、b_i，即使用梯度下降法求其中，Kernel_i,j,k,o表示卷積核，W_i為網絡模型訓練得到的權重，b_i為網絡模型訓練得到的偏置項，Iⁿ表示第n個人臉圖像，f_i表示第i次迭代的采樣卷積和全連接運算過程，SampleNum表示訓練集中人臉個數，表示第i-1次迭代訓練完成后的第n個人臉的人臉關鍵點信息，即

3.根據權利要求1所述的一種基于采樣卷積的人臉關鍵點檢測方法，其特征在于，步驟S42中，人臉關鍵點偏差ΔS_i的計算公式為：

ΔS_i＝W_iφ_i+b_i，

其中，W_i為網絡模型訓練得到的權重，b_i為網絡模型訓練得到的偏置項。

4.根據權利要求2所述的一種基于采樣卷積的人臉關鍵點檢測方法，其特征在于，步驟S51的具體步驟為：

S511、利用人臉檢測算法獲取訓練集圖像中的人臉框；

S512、將訓練集圖像中所有人臉進行普魯克分析，得到平均人臉關鍵點S_std；

S513、將S_std按步驟S1獲取的人臉框尺寸放大后，得到初始人臉關鍵點S_init。