[發明專利]人臉屬性數據標注方法、計算機設備及存儲介質

有效

• 申請號: 202210251073.2
• 申請日: 2022-03-15
• 公開（公告）號: CN114332136B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 楊帆;郝強;潘鑫淼;胡建國
• 申請（專利權）人: 南京甄視智能科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T15/20;G06V40/16;G06N3/04;G06V10/82
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 王斌

1.一種人臉屬性數據標注方法，其特征在于，包括：

建立人臉彩色圖像數據集；

檢測建立的人臉彩色圖像數據集中圖像的人臉區域掩模；

采用三維形變模型，對建立的人臉彩色圖像數據集中的圖像，隨機初始化身份參數、表情參數、紋理參數、球諧光照參數、頭部姿態以及平移；

對初始化參數得到的三維人臉模型進行渲染，得到渲染圖像；

計算人臉彩色圖像數據集中圖像與渲染圖像在人臉區域掩模中的損失；最小化人臉彩色圖像數據集中圖像與渲染圖像在人臉區域掩模中的損失，迭代優化身份參數、表情參數、紋理參數、球諧光照參數、頭部姿態以及平移，得到優化后的球諧光照參數和頭部姿態參數；

采用優化后的球諧光照參數和頭部姿態參數，對人臉彩色圖像數據集中的所有圖像數據進行標注，得到標注后的光照數據集和頭部姿態數據集；

將人臉圖像輸入到人臉屬性預測模型中訓練；用于預測人臉光照的預測模型的最后一個全連接層為對應于球諧光照的27個參數對應的27個神經元；計算一個批次訓練數據的預測光照參數與標注光照參數的損失，迭代優化模型；用于預測人臉頭部姿態的預測模型的最后一個全連接層為對應于頭部姿態數據的4個神經元，計算一個批次訓練數據的預測頭部姿態數據與標注頭部姿態數據的損失，迭代優化模型；

對待測人臉圖像進行人臉檢測，裁剪出人臉區域中的圖像，輸入到訓練好的人臉屬性預測模型中，預測出此時人臉的光照參數和頭部姿態。

2.根據權利要求1所述的人臉屬性數據標注方法，其特征在于，

計算人臉彩色圖像數據集中圖像與渲染圖像在人臉區域掩模中的損失采用L1損失函數：

其中為求像素均值函數；為人臉彩色圖像數據集中第n個圖像；為第n個渲染圖像；為圖像的人臉區域掩模。

3.根據權利要求2所述的人臉屬性數據標注方法，其特征在于，對初始化參數進行渲染，得到的渲染圖像為：

其中，為第n個渲染圖像；為初始化身份參數；為初始化表情參數；為初始化紋理參數；為初始化球諧光照參數；為初始化頭部姿態；為初始化平移。

4.根據權利要求3所述的人臉屬性數據標注方法，其特征在于，得到標注后的光照數據集為；得到標注后的頭部姿態數據集為

其中，～為優化后的球諧光照參數，～為優化后的頭部姿態參數。

5.根據權利要求1所述的人臉屬性數據標注方法，其特征在于，建立人臉彩色圖像數據集，包括：

采集N張人臉彩色圖像數據，數據包含豐富的光照、表情、身份以及頭部姿態，N為大于100的整數；

使用人臉檢測器檢測人臉區域，裁剪出人臉區域中的圖像；

將剪裁出的人臉區域圖像，統一放縮到高H像素、寬W像素尺寸，H、W為大于32的整數，得到數據集，其中為第n張預處理后的圖像，n為0到N—1整數。

6.根據權利要求5所述的人臉屬性數據標注方法，其特征在于，對待測人臉圖像進行人臉檢測，裁剪出人臉區域中的圖像步驟中，裁決出的圖像放縮到高H像素、寬W像素尺寸。

7.根據權利要求1所述的人臉屬性數據標注方法，其特征在于，使用可微渲染器對初始化參數進行渲染。

8.根據權利要求1所述的人臉屬性數據標注方法，其特征在于，人臉屬性預測模型的迭代優化使用梯度下降法。

9.一種計算機設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-8中任一所述的人臉屬性數據標注方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-8中任一所述的人臉屬性數據標注方法。