[發明專利]人臉關鍵點檢測方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201910371609.2
• 申請日: 2019-05-06
• 公開（公告）號: CN110309706B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 張歡;李愛林;劉磊
• 申請（專利權）人: 深圳華付技術股份有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/46;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 馮筠

1.人臉關鍵點檢測方法，其特征在于，包括：

獲取初始人臉圖像；

對初始人臉圖像進行預處理，以得到待檢測人臉圖像；

通過初級卷積神經網絡模型對待檢測人臉圖像進行關鍵點預測，以得到預測的人臉關鍵點；

通過二級卷積神經網絡模型對預測的人臉關鍵點進行再次檢測，以得到目標關鍵點；所述初級卷積神經網絡模型是通過隨機輸入的人臉圖像以及關鍵點標注信息作為訓練數據輸入卷積神經網絡進行訓練所得的模型；

所述二級卷積神經網絡模型是通過隨機輸入的人臉圖像以及關鍵點標注信息作為訓練數據輸入卷積神經網絡進行訓練所得的模型；

所述初級卷積神經網絡模型是通過隨機輸入的人臉圖像以及關鍵點標注信息作為訓練數據輸入卷積神經網絡進行訓練所得的模型，包括：

獲取隨機輸入的人臉圖像以及關鍵點標注信息；

將人臉圖像輸入至第一U型結構的Hourglass網絡內；

通過第一U型結構的Hourglass網絡的卷積核對人臉圖像進行卷積，以得到第一特征圖；

對第一特征圖進行下采樣，以得到第一下采樣特征圖；

對第一下采樣特征圖進行上采樣，以得到第一人臉特征；

對所述第一人臉特征采用Loss函數進行回歸處理，以得到第一處理結果；

利用第一處理結果對所述人臉圖像以及關鍵點標注信息進行坐標轉換，以得到第一轉換矩陣；

利用第一轉換矩陣與所述人臉圖像以及關鍵點標注信息進行比較，以得到第一比較結果；

根據所述第一比較結果調整U型結構的Hourglass網絡，以得到初級卷積神經網絡模型；

其中，對Hourglass網絡進行8次疊加，以得到第一U型結構的Hourglass網絡；

所述二級卷積神經網絡模型是通過隨機輸入的人臉圖像以及關鍵點標注信息作為訓練數據輸入卷積神經網絡進行訓練所得的模型，包括：

獲取隨機輸入的人臉圖像以及關鍵點標注信息；

將人臉圖像輸入至第二U型結構的Hourglass網絡內；

通過第二U型結構的Hourglass網絡的卷積核對人臉圖像進行卷積，以得到第二特征圖；

對第二特征圖進行下采樣，以得到第二下采樣特征圖；

對第二下采樣特征圖進行上采樣，以得到第二人臉特征；

對所述第二人臉特征采用Loss函數進行回歸處理，以得到第二處理結果；

利用第二處理結果對所述人臉圖像以及關鍵點標注信息進行坐標轉換，以得到第一轉換矩陣；

利用第二轉換矩陣與所述人臉圖像以及關鍵點標注信息進行比較，以得到第二比較結果；

根據所述第二比較結果調整U型結構的Hourglass網絡，以得到二級卷積神經網絡模型；

所述第二U型結構的Hourglass網絡的卷積核是第一U型結構的Hourglass網絡的卷積核的一半。

2.根據權利要求1所述的人臉關鍵點檢測方法，其特征在于，所述對初始人臉圖像進行預處理，以得到待檢測人臉圖像，包括：

根據初始人臉圖像獲取初始關鍵點數據集；

選取符合要求的初始關鍵點數據集，并存儲至配置文件內，以得到待檢測人臉圖像。