[發明專利]一種基于深度度量學習的人臉特征點定位方法

在審

• 申請號: 202010464754.8
• 申請日: 2020-05-28
• 公開（公告）號: CN111652105A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 吳平平
• 申請（專利權）人: 南京審計大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京匯捷知識產權代理事務所(普通合伙) 11531
• 代理人: 馬金華

1.一種基于深度度量學習的人臉特征點定位方法，其特征在于：具體方法如下：（1）訓練：①標定人臉三維模型特征點位置；②對三維模型進行正交投影；③獲得深度圖像（包括三維特征點所對應二維坐標位置）；④深度網絡訓練：以卷積神經網絡為主要結構（樣本是深度圖的值，標簽是特征點二維坐標）進行訓練；（2）預測：①輸入三維模型進行正交投影獲得深度圖像（不包括特征點位置）；②使用已訓練好的深度網絡對深度圖像進行特征點二維坐標預測；③輸出二維坐標一一反投影到三維坐標，在三維模型上得到特征點位置。

2.根據權利要求1所述的一種基于深度度量學習的人臉特征點定位方法，其特征在于：所述的人臉三維模型特征點位置標記為左眼中心、左眼內側、左眼外側、右眼中心、右眼內側、右眼外側、左眉外側、左眉內側、右眉外側、右眉內側、鼻尖、嘴巴上側、嘴巴下側、嘴巴左側、嘴巴右側共計15個特征點。

3.根據權利要求1所述的一種基于深度度量學習的人臉特征點定位方法，其特征在于：所述的深度網絡的架構由卷積神經網絡構成，先是輸入層，經過3層以卷積層、池化層為主網絡結構，然后是2層全連接層，最后是計算損失層，第一層卷積層：kernel size=5，stride=1；下接ReLU層；第一層池化層：kernel size=2，stride=2；第二層卷積層：kernel size=5，stride=1；下接ReLU層；第二層池化層：kernel size=2，stride=2；第三層卷積層：kernelsize=3，stride=1；下接ReLU層，然后下接2個全連接層，參數num_output分別為500、30。

4.根據權利要求1所述的一種基于深度度量學習的人臉特征點定位方法，其特征在于：所述的正交投影可以得到空間三維坐標所對應二維坐標以及其對應深度值大小，即三維模型可以生成相應深度圖像。