[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

本發明公開了一種人臉屬性數據標注方法、計算機設備及存儲介質，人臉屬性數據標注方法，包括：建立人臉彩色圖像數據集；檢測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，對人臉彩色圖像數據集中圖像，隨機初始化參數；對初始化參數進行渲染，得到渲染圖像；對人臉彩色圖像數據集中的所有圖像數據都進行標注，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；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。本發明大大降低了訓練數據采集的成本，提高了擬合的精確度。

技術領域

本發明涉及圖像處理技術領域，具體是一種人臉圖像的屬性數據標注方法、計算機設備及存儲介質。

背景技術

人臉屬性分析是指，根據人臉圖像分析出面部光照、頭部姿態、性別、年齡等信息，在安防、互動娛樂等領域有著廣泛的應用。現有的基于計算機視覺的人臉屬性分析方法依賴于高質量的帶標注數據。例如人臉光照數據需要人工觀察人臉圖像，標注對應的宏觀光照標簽，如欠曝、過曝、偏紅等，標注受主觀影響較大，且無法全面的描述真實環境中的復雜光照。此外，傳統的光照數據的采集需要在實驗室環境下部署大量光源，利用不同組合光源獲取帶有標注的人臉光照數據。又例如頭部姿態數據，需要使用3D傳感器采集不同人不同角度的大量頭部姿態數據。這些數據采集方法成本高昂，采集過程繁瑣，且實驗室環境與真實環境差異較大，基于這種數據訓練后的模型在真實場景下往往泛化性不足。

發明內容

本發明所要解決的技術問題是提供一種提高擬合精度且泛化性好的人臉屬性數據標注方法、計算機設備及存儲介質。

為解決上述技術問題，本發明采用的技術方案是：

本發明首先提供一種人臉屬性數據標注方法，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都進行標注，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。

本發明還提供一種計算機設備，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 現所述的人臉屬性數據標注方法。

本發明還提供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所述的人臉屬性數據標注方法。