[發(fā)明專利]一種人臉關(guān)鍵點識別檢測的方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010804930.8
• 申請日: 2020-08-12
• 公開（公告）號: CN114140836A
• 公開（公告）日: 2022-03-04
• 發(fā)明（設(shè)計）人: 鄧裕強;朱志;廖吉平
• 申請（專利權(quán)）人: 廣州久邦世紀(jì)科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/25;G06V10/774;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提出一種人臉關(guān)鍵點識別檢測的方法和系統(tǒng)，基于深度學(xué)習(xí)網(wǎng)絡(luò)的精簡設(shè)計，對于檢測網(wǎng)絡(luò)，將SSD網(wǎng)絡(luò)中的Conv操作改成Depthwise Conv，另外將模型通道數(shù)減少為原來的的50%，降低模型參數(shù)量和提升推斷速度。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉圖像技術(shù)識別檢測領(lǐng)域，尤其涉及一種人臉關(guān)鍵點識別檢測的方法和系統(tǒng)。

背景技術(shù)

人臉關(guān)鍵點檢測是指從給定的人臉圖像中檢測諸如眼球中心、眼角、鼻尖、嘴角、人臉輪廓等部位的關(guān)鍵點，在現(xiàn)有的技術(shù)中，諸如MTCNN等二維人臉圖像的人臉關(guān)鍵點檢測，都是成熟的技術(shù)和算法。耗時較長，終端應(yīng)用場景下，精度不高，識別使用會帶來諸多不變。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提供一種人臉關(guān)鍵點識別檢測的方法和系統(tǒng)，以實現(xiàn)上述缺陷，所述方法包括：

步驟S1：構(gòu)建人臉圖片集訓(xùn)練人臉檢測SSD網(wǎng)絡(luò)和MobileNet-V3回歸網(wǎng)絡(luò)，修改輸出模型為tflite格式。

步驟S2：輸入含人臉圖片，調(diào)節(jié)圖片尺寸和轉(zhuǎn)換格式為RGB格式，并把RGB數(shù)據(jù)歸一化到[-1,1]，其中，圖片尺寸縮放到160×160。

步驟S3：加載所述tflite格式的兩個模型，并初始化。

步驟S4：將所述歸一化后的圖片數(shù)據(jù)組輸入至人臉檢測SSD網(wǎng)絡(luò)，檢測圖片各個人臉的方框位置。

步驟S5：按照所述各個人臉方框位置截取人臉，獲取各個人臉區(qū)域圖片。

步驟S6：將所述各個人臉區(qū)域圖片輸入精簡版MobileNet-V3回歸網(wǎng)絡(luò)，識別檢測獲取對應(yīng)的人臉關(guān)鍵點。

本發(fā)明提供一種人臉關(guān)鍵點識別檢測的系統(tǒng)，所述系統(tǒng)包括：

識別網(wǎng)絡(luò)模塊：構(gòu)建人臉圖片集訓(xùn)練人臉檢測SSD網(wǎng)絡(luò)和MobileNet-V3回歸網(wǎng)絡(luò)，修改輸出模型為tflite格式。

調(diào)節(jié)模塊：輸入含人臉圖片，調(diào)節(jié)圖片尺寸和轉(zhuǎn)換格式為RGB格式，并把RGB數(shù)據(jù)歸一化到[-1,1]，其中，圖片尺寸縮放到160×160。

初始化模塊：加載所述tflite格式的兩個模型，并初始化。

檢測模塊：將所述歸一化后的圖片數(shù)據(jù)組輸入至人臉檢測SSD網(wǎng)絡(luò)，檢測圖片各個人臉的方框位置。

截取模塊：按照所述各個人臉方框位置截取人臉，獲取各個人臉區(qū)域圖片。

獲取模塊：將所述各個人臉區(qū)域圖片輸入精簡版MobileNet-V3回歸網(wǎng)絡(luò)，識別檢測獲取對應(yīng)的人臉關(guān)鍵點。

本發(fā)明提出一種人臉關(guān)鍵點識別檢測的方法和系統(tǒng)，基于深度學(xué)習(xí)網(wǎng)絡(luò)的精簡設(shè)計，對于檢測網(wǎng)絡(luò)，將SSD網(wǎng)絡(luò)中的Conv操作改成Depthwise Conv，另外將模型通道數(shù)減少為原來的的50%，降低模型參數(shù)量和提升推斷速度。為盡量降低精度的損失，采用知識蒸餾的方法改進訓(xùn)練過程。對于關(guān)鍵點回歸網(wǎng)絡(luò)，同樣為了降低參數(shù)量和計算量，從MobileNet-V3模型的中段導(dǎo)出特征圖，并采用Average Pooling壓縮特征圖的大小，緊跟著1x1 Conv降低通道數(shù)，輸入全連接網(wǎng)絡(luò)，計算關(guān)鍵點的位置，在應(yīng)用場景下（主要是在手機端），通過兩個精簡版模型的結(jié)合，能在損失約30%精度的代價下，將速度提升80%。

附圖說明

圖1示出了本發(fā)明的一種人臉關(guān)鍵點識別檢測的方法流程圖。

圖2示出了本發(fā)明的一種人臉關(guān)鍵點識別檢測的系統(tǒng)流程圖。

具體實施方式

參照圖1，本發(fā)明提供一種人臉關(guān)鍵點識別檢測的方法，所述方法包括：

步驟S1：構(gòu)建人臉圖片集訓(xùn)練人臉檢測SSD網(wǎng)絡(luò)和MobileNet-V3回歸網(wǎng)絡(luò)，修改輸出模型為tflite格式。