[發明專利]一種人臉額頭關鍵點的識別方法

在審

• 申請號: 201811493855.7
• 申請日: 2018-12-07
• 公開（公告）號: CN109376712A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 陳家驪;劉可淳;唐驄;陳彥彪
• 申請（專利權）人: 廣州納麗生物科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 李振文

1.一種人臉額頭關鍵點的識別方法，其特征在于，所述方法包括：

A確定人臉額頭上的的特征點和關鍵點；

B打開Fiji圖形標準工具，通過Fiji軟件對提供的標記圖片中感興趣的點獲取坐標，并對收集到的人臉正臉圖片數據集進行標注；

C利用Matlab對標記圖片進行預處理；

D下載ResNet網絡，并作為人臉輪廓關鍵點識別中的特征提取器；

E用確定好的人臉額頭關鍵點數據對網絡進行訓練，訓練的目標函數是圖像的交叉熵損失函數，用梯度下降法求解使得損失函數取得全局最小值或局部最小值對應的模型參數，得到訓練完成的神經網絡模型。

2.如權利要求1所述的人臉額頭關鍵點的識別方法，其特征在于，所述步驟A具體包括：

先確定人臉額頭上易于辨識的特征點，包括額頭頂點、通過人臉左右眉毛毛尖的法線與人臉輪廓的交點，并稱為眉尖法交點；

然后確定不太易于辨識的關鍵點，包括通過左眉尖法交點到額頭頂點之間等距取5個點，右眉尖法交點到額頭頂點之間等距取5個點。

3.如權利要求1所述的人臉額頭關鍵點的識別方法，其特征在于，所述步驟B中：在linux/ubuntu操作系統環境下，打開Fiji圖形標準工具軟件，利用軟件提供的標記圖片中感興趣的點并獲取其坐標的工具，對收集到的人臉正臉圖片數據集進行標注，并將標注的關鍵點以CSV文件格式存儲，方便后續數據的讀取。

4.如權利要求1所述的人臉額頭關鍵點的識別方法，其特征在于，所述步驟C具體包括：利用Matlab編寫程序對圖片的邊緣進行補零處理，使所有圖片尺寸相同，具體過程包括以下步驟：

(1)求出所有圖片的最大寬度和高度

MaxWidth＝max{pic(i)(width)},i＝1,…,n

MaxHeight＝max{pic(i)(height)},i＝1,…,n

其中n表示樣本個數；

(2)對每張圖片進行橫向補零處理：

A_new＝[B_H×M,A_H×W,B_H×K]

其中，H為圖片的高度，W為寬度；K＝MaxWidth-M，[.]表示高斯取整函數；

(3)對每張圖片進行縱向補零處理：

A_new＝[B_P×MaxWidth；A_H×MaxWidth；B_Q×MaxWidth]

其中，H為圖片的高度，W為寬度；Q＝MaxHeight-P；[.]表示高斯取整函數。

5.如權利要求1所述的人臉額頭關鍵點的識別方法，其特征在于，所述步驟D具體包括：

從網絡上下載已經構建好的在數據集ImageNet上經過預先訓練的ResNet網絡作為整個算法的特征提取器；ResNet的一個基本結構，可用如下函數表示：

F＝W₂σ(W₁x)

y＝F(x,W₁,W₂)+x

其中，x、y分別表示網絡的輸入、輸出；σ表示ReLU激活函數，W₁、W₂分別表示第一、二層網絡的權重；整個ResNet網絡結構由此基本結構層層疊加而成。

6.如權利要求1所述的人臉額頭關鍵點的識別方法，其特征在于，所述步驟E中網絡訓練的內容包括：

網絡的訓練可由如下最優化公式：

其中p_out表示神經網絡的模型，是關于網絡權重的函數；N_ap表示樣本個數；然后利用梯度下降法求解出使得上述方程取值最小時所對應的神經網絡權重，獲得訓練完成的神經網絡模型。