[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

本發明公開了一種人臉額頭關鍵點的識別方法，包括：確定人臉額頭上的的特征點和關鍵點；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；利用Matlab對標記圖片進行預處理；下載ResNet網絡，并作為人臉輪廓關鍵點識別中的特征提取器；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。可以快速、精準地識別人的正臉額頭。這為諸如人臉輪廓提取、肌膚測評等其他人臉識別任務提供了很好的技術上的支持。

技術領域

本發明涉及模式識別技術領域，尤其涉及一種檢測人臉額頭關鍵點的模式識別方法。

背景技術

現有的識別人臉關鍵點識別的算法往往只是針對人臉的下顎、五官的關鍵位置來進行識別，卻沒有識別人臉額頭關鍵點的算法。因為人臉額頭往往會受到人的發型影響，不同的發型其劉海千差萬別，這為識別人臉額頭的關鍵點增加了不小的難度。本發明提出的一種人臉額頭關鍵點的識別方法，這個算法利用了目前先進的深度神經網絡，具有很好的圖像理解能力，再加上合理的人臉額頭關鍵點的選取從而解決了識別人臉額頭的問題。這個識別額頭關鍵點的技術，為人臉識別方面的多種任務提供了可能，譬如結合現有識別下顎、五官關鍵點的算法，可以達到扣取整個人臉輪廓的目的。

發明內容

為解決上述技術問題，本發明的目的是提供一種人臉額頭關鍵點的模式識別方法。

本發明的目的通過以下的技術方案來實現：

一種人臉額頭關鍵點的識別方法，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。

與現有技術相比，本發明的一個或多個實施例可以具有如下優點：

實現對任意的人臉的上額部分的輪廓進行提取，為后續人臉識別的步驟提供基礎性的技術支持。

附圖說明

圖1是額頭關鍵點識別方法流程框圖；

圖2是ResNet網絡的基礎結構圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面將結合實施例及附圖對本發明作進一步詳細的描述。

本實施例提供了一種人臉額頭關鍵點的識別方法，該方法是先將人臉的圖片轉換為一個二維矩陣，然后通過ResNet預訓練網絡將二維矩陣編碼為一個張量；RestNet的結構的第一層是zero-padding層，其作用是保證圖片卷積之后不改變大小。然后，由重復的卷積層、批量標準化層、池化層和激活層，以及shortcut路徑構成。預訓練好的RestNet具有很強的圖像“理解”能力，可以對圖片進行編碼。之后，再將RestNet接入輸出20維向量的全連接層從而構成整個網絡。然后，在人的額頭上合理選取顯著關鍵點與非顯著關鍵點，并用Fiji標記軟件為每張樣本圖片進行標注。再用標記好額頭的樣本數據將網絡訓練成識別額頭關鍵點的專用網絡。此網絡可以快速、精準地識別人的正臉額頭。這為諸如人臉輪廓提取、肌膚測評等其他人臉識別任務提供了很好的技術上的支持。