[發(fā)明專利]人臉參數(shù)識別模型的訓(xùn)練方法、人臉參數(shù)的識別方法

有效

• 申請?zhí)枺?/td>: 202011065623.9
• 申請日: 2020-09-30
• 公開（公告）號: CN112200236B
• 公開（公告）日: 2023-08-11
• 發(fā)明（設(shè)計）人: 宋新慧;袁燚;范長杰;胡志鵬
• 申請（專利權(quán)）人: 網(wǎng)易(杭州)網(wǎng)絡(luò)有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V40/16
• 代理公司: 北京超成律師事務(wù)所 11646
• 代理人: 張芮

本申請?zhí)峁┮环N人臉參數(shù)識別模型的訓(xùn)練方法及人臉參數(shù)的識別方法，訓(xùn)練方法包括：提取第一人臉圖像對應(yīng)的第一特征；將第一特征輸入待訓(xùn)練的人臉參數(shù)回歸器，獲得第一人臉圖像對應(yīng)的第一人臉參數(shù)；第一人臉參數(shù)包括表情預(yù)測參數(shù)和身份預(yù)測參數(shù)；根據(jù)表情預(yù)測參數(shù)和身份預(yù)測參數(shù)重構(gòu)第二人臉圖像、根據(jù)表情預(yù)測參數(shù)與基準(zhǔn)人臉身份參數(shù)重構(gòu)第三人臉圖像以及根據(jù)身份預(yù)測參數(shù)與基準(zhǔn)表情參數(shù)重構(gòu)第四人臉圖像；根據(jù)第一人臉圖像分別與第二人臉圖像、第三人臉圖像以及第四人臉圖像之間的函數(shù)損失，調(diào)整人臉參數(shù)回歸器的參數(shù)，獲得人臉參數(shù)識別模型?？朔藰颖緮?shù)據(jù)不足，樣本數(shù)據(jù)獲取難度大，人臉參數(shù)識別模型準(zhǔn)確性不高的問題。

技術(shù)領(lǐng)域

本申請涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種人臉參數(shù)識別模型的訓(xùn)練方法、人臉參數(shù)的識別方法。

背景技術(shù)

在計算機(jī)視覺領(lǐng)域，面部表情分析是一個重要的課題。自動的面部表情分析可以應(yīng)用于很多領(lǐng)域，比如人機(jī)交互，行為研究，表情遷移和心理學(xué)領(lǐng)域。眾所周知的,大多數(shù)學(xué)者都用一套面部運(yùn)動行為編碼系統(tǒng)(FACS)來描述面部表情。這個系統(tǒng)由Ekman和Friesen在1978被提出。這個系統(tǒng)描述人臉肌肉的移動，每一維參數(shù)表示一個面部運(yùn)動單元的運(yùn)動，面部表情可以由面部運(yùn)動單元組合而成。面部運(yùn)動是面部一個微小的運(yùn)動，再加上頭部姿態(tài)、身份和光照等的影響，面部運(yùn)動單元估計是一個很難的課題。除此之外面部運(yùn)動單元的標(biāo)注數(shù)據(jù)非常的少，目前有的數(shù)據(jù)也都是正面圖像，例如：CK+，MMI和DISFA。另外，面部運(yùn)動單元的標(biāo)注需要專家并且是耗時的行為。

近幾年來，深度學(xué)習(xí)在很多領(lǐng)域取得了顯著的表現(xiàn)。在面部運(yùn)動單元預(yù)測方面，也有很多基于深度學(xué)習(xí)的方法。它們分為半監(jiān)督的和有監(jiān)督的方法。基于半監(jiān)督的方法一般利用人臉表情識別標(biāo)簽和先驗知識做驅(qū)動。這些方法導(dǎo)致的結(jié)果會由先驗知識限制面部運(yùn)動單元的自由組合，導(dǎo)致結(jié)果不準(zhǔn)確。有監(jiān)督的方法就需要收集大量準(zhǔn)確的標(biāo)注數(shù)據(jù)，然而目前這類數(shù)據(jù)缺失并且面部運(yùn)動單元數(shù)據(jù)獲取難度大，所以一般都是基于某個數(shù)據(jù)集預(yù)測的結(jié)果，泛化能力差，難以運(yùn)用到實(shí)際中。

發(fā)明內(nèi)容

本申請實(shí)施例提供了一種人臉參數(shù)識別模型的訓(xùn)練方法，無需大量的標(biāo)注數(shù)據(jù)，提高人臉參數(shù)識別模型的準(zhǔn)確性。

本申請實(shí)施例提供了一種人臉參數(shù)識別模型的訓(xùn)練方法，包括：

提取第一人臉圖像對應(yīng)的第一特征；

將所述第一特征輸入待訓(xùn)練的人臉參數(shù)回歸器，獲得所述第一人臉圖像對應(yīng)的第一人臉參數(shù)；所述第一人臉參數(shù)包括表情預(yù)測參數(shù)和身份預(yù)測參數(shù)；

根據(jù)所述表情預(yù)測參數(shù)和身份預(yù)測參數(shù)重構(gòu)第二人臉圖像、根據(jù)所述表情預(yù)測參數(shù)與基準(zhǔn)人臉身份參數(shù)重構(gòu)第三人臉圖像以及根據(jù)所述身份預(yù)測參數(shù)與基準(zhǔn)表情參數(shù)重構(gòu)第四人臉圖像；

根據(jù)所述第一人臉圖像分別與所述第二人臉圖像、第三人臉圖像以及第四人臉圖像之間的函數(shù)損失，調(diào)整所述人臉參數(shù)回歸器的參數(shù)，獲得人臉參數(shù)識別模型。

在一實(shí)施例中，在獲得所述第一人臉圖像對應(yīng)的第一人臉參數(shù)之后，所述方法還包括：

根據(jù)基準(zhǔn)臉圖像的基準(zhǔn)人臉參數(shù)與所述第一人臉圖像的第一人臉參數(shù)之間的函數(shù)損失，調(diào)整所述人臉參數(shù)回歸器的參數(shù)。

在一實(shí)施例中，所述基準(zhǔn)人臉參數(shù)包括基準(zhǔn)表情參數(shù)和基準(zhǔn)人臉身份參數(shù)，所述根據(jù)基準(zhǔn)臉圖像的基準(zhǔn)人臉參數(shù)與所述第一人臉圖像的第一人臉參數(shù)之間的函數(shù)損失，調(diào)整所述人臉參數(shù)回歸器的參數(shù)，包括：

計算所述基準(zhǔn)表情參數(shù)與所述表情預(yù)測參數(shù)之間的第一距離，基準(zhǔn)人臉身份參數(shù)與所述身份預(yù)測參數(shù)之間的第二距離；

根據(jù)所述第一距離和第二距離，計算參數(shù)損失函數(shù)值。

根據(jù)所述參數(shù)損失函數(shù)值，調(diào)整所述人臉參數(shù)回歸器的參數(shù)。

在一實(shí)施例中，在獲得所述第一人臉圖像對應(yīng)的第一人臉參數(shù)之后，所述方法還包括：