[發明專利]人臉姿態估計方法、裝置、電子設備和存儲介質

在審

• 申請號: 202011472993.4
• 申請日: 2020-12-15
• 公開（公告）號: CN112597847A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 王京;顧林松
• 申請（專利權）人: 深圳云天勵飛技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 深圳驛航知識產權代理事務所(普通合伙) 44605
• 代理人: 楊倫

本發明實施例提供一種人臉姿態估計方法、裝置、電子設備和存儲介質，所述方法包括：獲取第一通道模式的第一待估計圖像，所述第一待估計圖像包括待估計的目標人臉；將所述第一待估計圖像進行通道模式轉換，得到第二通道模式的第二待估計圖像；將所述第二待估計圖像輸入預先訓練好的神經網絡模型進行人臉三維參數預測，得到預測人臉三維參數，所述神經網絡模型通過第一樣本人臉集與第二樣本人臉集訓練，所述第一樣本人臉集中包括第一通道模式的樣本人臉，所述第二樣本人臉集中包括第二通道模式的樣本人臉；基于所述人臉三維參數，對所述待估計的目標人臉進行人臉姿態估計。提高人臉三維參數的預測速度，進而提高人臉姿態估計的速度。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種人臉姿態估計方法、裝置、電子設備和存儲介質。

背景技術

近年來，隨著人工智能技術的發展與進步，人臉的各種屬性預測變得越來越重要。人臉姿態估計可以有效的過濾大角度的人臉圖片，進而提高人臉識別、活體檢測等技術的準確率，且人臉姿態估計也應用在交互式活體檢測等領域。現在人臉姿態估計主要采用傳統的3DMM(三維人臉統計模型)算法，3DMM算法通過統計學和三維重建來計算人臉的三維參數，通過人臉的三維參數來對人臉姿態進行估計，但3DMM算法速度很慢，而且需要提前標注好人臉的關鍵點。因此，現有的人臉姿態估計存在計算速度慢的問題。

發明內容

本申請實施例提出一種人臉姿態估計方法，能夠提高人臉姿態預測的速度。

第一方面，本申請實施例提供一種人臉姿態估計方法，包括下述步驟：

獲取第一通道模式的第一待估計圖像，所述第一待估計圖像包括待估計的目標人臉；

將所述第一待估計圖像進行通道模式轉換，得到第二通道模式的第二待估計圖像；

將所述第二待估計圖像輸入預先訓練好的神經網絡模型進行人臉三維參數預測，得到預測人臉三維參數，所述神經網絡模型通過第一樣本人臉集與第二樣本人臉集訓練，所述第一樣本人臉集中包括第一通道模式的樣本人臉，所述第二樣本人臉集中包括第二通道模式的樣本人臉；

基于所述人臉三維參數，對所述待估計的目標人臉進行人臉姿態估計。

可選的，所述神經網絡模型的訓練步驟包括：

獲取第一樣本人臉集以及第二樣本人臉集，所述第一樣本人臉集包括對應的人臉三維參數標注數據，所述第二樣本人臉集包括對應的人臉三維參數標注數據；

以所述人臉三維參數為目標函數構建初始神經網絡模型；

通過所述第一樣本人臉集對所述初始神經網絡模型進行第一訓練，得到訓練神經網絡模型；

通過所述第二樣本人臉集對所述訓練神經網絡模型進行第二訓練，得到訓練好的神經網絡模型。

可選的，所述三維參數包括形狀參數和變換參數，所述獲取第一樣本人臉集，包括：

構建三維人臉形變統計模型；

將所述第一通道模式的樣本人臉輸入到所述三維人臉形變統計模型中，得到三維人臉的形狀參數和變換參數；

通過所述三維人臉的形狀參數和變換參數，對所述第一通道模式的樣本人臉進行數據標注，得到所述第一樣本人臉集。

可選的，所述三維參數還包括表情參數，所述獲取第一樣本人臉集，還包括：

在所述三維人臉形變統計模型中擬合三維人臉的表情統計；

將所述第一通道模式的樣本人臉輸入到所述三維人臉形變統計模型中，得到三維人臉的形狀參數、表情參數和變換參數；

通過所述三維人臉的形狀參數、表情參數和變換參數，對所述第一通道模式的樣本人臉進行數據標注，得到所述第一樣本人臉集。