[發明專利]人臉姿態估計方法、裝置、電子設備與可讀存儲介質

在審

• 申請號: 201910332617.6
• 申請日: 2019-04-24
• 公開（公告）號: CN111860031A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 楊茜;王楠
• 申請（專利權）人: 普天信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/70
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 鄭紅娟;宋志強

本申請公開了一種人臉姿態估計方法、裝置、電子設備與可讀存儲介質，涉及圖像識別技術。該方法，包括：獲取人臉圖像，將人臉圖像輸入預先訓練的人臉姿態估計模型中，得到目標角度值和目標姿態類型；判斷目標角度值是否落入目標姿態類型對應的角度范圍；如果目標角度值落入目標姿態類型對應的角度范圍，則將目標角度值作為人臉姿態估計結果；否則，確定目標姿態類型的上邊界與下邊界中，與目標角度值的大小最接近的一個，作為人臉姿態估計結果。本申請的人臉姿態估計模型將人臉姿態的分類和人臉姿態角度值的估計結合起來，進行聯合訓練，并共享特征和參數，從而大幅提升對人臉姿態進行人臉姿態估計時，得到的人臉姿態估計結果的準確度。

技術領域

本申請涉及圖像識別技術，特別是涉及一種人臉姿態估計方法、裝置、電子設備與可讀存儲介質。

背景技術

隨著計算機視覺的不斷發展，人臉識別相關算法層出不窮，基于深度學習的人臉識別算法在理想實驗環境下，已經達到相當高的識別準確率，但在現實場景中，不同的人臉姿態，如面部的左右、俯仰與平面內旋轉角度的變化等將會造成面部信息缺失，從而使得人臉識別效果面臨著非常大的挑戰。因此，提高人臉識別效果需要首先對人臉姿態進行準確的估計。

目前，基于算法模型訓練的人臉姿態估計方法，通常包括：針對人臉姿態進行分類得到人臉姿態類型，或者針對人臉姿態進行人臉姿態估計，得到人臉姿態的角度值。如果僅針對人臉姿態進行分類得到人臉姿態類型，在對每個人臉姿態類型的邊界進行劃分時，通常根據實際需要將不同的角度范圍劃分為不同的人臉姿態類型，但在每個角度范圍的邊界附近存在大量的邊界點難以正確的分類。如果僅針對人臉姿態進行人臉姿態的角度值的估計，當人臉姿態的角度值較大時，難以通過擬合得到姿態角度，造成算法模型訓練時難以收斂或過擬合等問題，從而無法得到準確的人臉姿態估計結果。

發明內容

有鑒于此，本申請的主要目的在于提供一種人臉姿態估計方法、裝置、電子設備與可讀存儲介質，該方法可以大幅提升對人臉姿態進行人臉姿態估計時，得到的人臉姿態估計結果的準確度。

為了達到上述目的，本申請提出的技術方案為：

第一方面，本申請實施例提供了一種人臉姿態估計方法，包括：

獲取人臉圖像，將所述人臉圖像輸入人臉姿態估計模型中，得到目標角度值和目標姿態類型；所述人臉姿態估計模型，預先基于標記了人臉姿態的人臉姿態角度標簽和人臉姿態類型標簽的人臉圖像訓練集進行了聯合訓練；所述目標姿態類型為依據人臉姿態的角度值劃分的人臉姿態類型中的一種，每個所述人臉姿態類型包含預設的角度范圍；

判斷所述目標角度值是否落入所述目標姿態類型對應的角度范圍；

如果所述目標角度值落入所述目標姿態類型對應的角度范圍，則將所述目標角度值作為人臉姿態估計結果；

否則，確定所述目標姿態類型的上邊界與下邊界中，與所述目標角度值的大小最接近的一個，作為人臉姿態估計結果。

一種可能的實施方式中，對所述人臉姿態估計模型進行訓練的步驟包括：

獲取人臉圖像訓練集，并對所述人臉圖像訓練集中的每張人臉圖像樣本的人臉姿態的角度值和人臉姿態類型做出標記，作為人臉姿態角度標簽和人臉姿態類型標簽；

將所述人臉圖像訓練集分為至少一個子集，針對每個子集，將該子集中的每張人臉圖像樣本輸入人臉姿態估計模型，前向傳播得到人臉姿態角度預測值和人臉姿態類型預測值；

將所述人臉姿態角度預測值、人臉姿態角度標簽和人臉姿態類型標簽輸入人臉姿態回歸損失函數，得到人臉姿態角度損失值；

將所述人臉姿態類型預測值和人臉姿態類型標簽輸入人臉姿態分類損失函數，得到人臉姿態類型損失值；