[發明專利]一種人臉檢測和對齊方法及裝置

在審

• 申請號: 202010424959.3
• 申請日: 2020-05-19
• 公開（公告）號: CN111738077A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 張晉
• 申請（專利權）人: 云知聲智能科技股份有限公司;廈門云知芯智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京冠和權律師事務所 11399
• 代理人: 安琪

本發明公開了一種人臉檢測和對齊方法及裝置，方法包括：獲取人臉數據集，人臉數據集中包括多個帶有圖像標簽信息的人臉圖像；將人臉數據集作為預設人臉檢測和對齊網絡模型的輸入進行模型訓練，以輸出網絡預測的人臉標簽信息；根據圖像標簽信息、人臉標簽信息計算人臉框位置信息對應的第一損失函數、人臉框分類信息對應的第二損失函數和人臉關鍵點坐標信息對應的第三損失函數；通過網絡模型的全連接層輸出第一損失函數對應的第一權重因子、第二損失函數對應的第二權重因子和第三損失函數對應的第三權重因子；根據每個損失函數及其對應的權重因子確定總損失函數；根據總損失函數反向傳播更新各個權重，以確定目標人臉檢測和對齊網絡模型。

技術領域

本發明涉及人臉識別技術領域，更具體地，涉及一種人臉檢測和對齊方法及裝置。

背景技術

在人臉識別領域，人臉檢測與對齊是人臉識別技術中的一個關鍵環節。人臉識別的典型流程主要包括三步：

第一步是人臉檢測，即找出給定圖像中的所有人臉的位置；

第二步是人臉對齊，即對檢測出的人臉進行矯正；

第三步對矯正后的人臉進行特征提取和特征比對完成人臉識別過程。

目前，相關技術中，主要有兩種人臉檢測和對齊方案，其中，一種是人臉檢測和對齊分別采用不同的網絡進行輸出，兩者采用串行結構，該方案部署階段工程耗時增加。另一種是人臉檢測和對齊分支在一個網絡訓練，該方案側重框回歸的損失，人為增大其損失權重，導致關鍵點定位不準，對齊效果不佳，影響人臉識別。

發明內容

鑒于上述問題，本發明提出了一種人臉檢測和對齊方法和相應的裝置，其可以在網絡訓練過程種，自適應學習權重因子，平衡不同分支任務之間的損失，同時提高人臉檢測和關鍵點定位的效果。

根據本發明實施例的第一方面，提供一種人臉檢測和對齊方法，包括：

獲取人臉數據集，其中，所述人臉數據集中包括多個帶有圖像標簽信息的人臉圖像，所述圖像標簽信息包括：標注的第一人臉框分類信息、第一人臉框位置信息和第一人臉關鍵點坐標信息；

將所述人臉數據集作為預設人臉檢測和對齊網絡模型的輸入進行模型訓練，以輸出網絡預測的人臉標簽信息，其中，所述人臉標簽信息包括人臉圖像的第二人臉框位置信息、第二人臉框分類信息和第二人臉關鍵點坐標信息；

根據所述圖像標簽信息、人臉標簽信息計算人臉框位置信息對應的第一損失函數、人臉框分類信息對應的第二損失函數和人臉關鍵點坐標信息對應的第三損失函數；

通過所述網絡模型的全連接層輸出所述第一損失函數對應的第一權重因子、所述第二損失函數對應的第二權重因子和所述第三損失函數對應的第三權重因子；

根據每個損失函數及其對應的權重因子確定總損失函數；

根據所述總損失函數反向傳播更新各個權重，以確定目標人臉檢測和對齊網絡模型。

在一個實施例中，優選地，所述方法還包括：

獲取輸入的待處理人臉圖像；

將所述待處理人臉圖像作為所述目標人臉檢測和對齊網絡模型的輸入，以輸出對齊后的人臉圖像。

在一個實施例中，優選地，所述總損失函數loss采用以下公式計算：

Loss＝1/(2*m1^2)*loss_loc+1/(m2^2)*loss_cls+1/(2*m3^2)*

loss_landm+logm1+logm2+logm3