[發明專利]一種人臉特征點定位方法及裝置

在審

• 申請號: 202210351478.3
• 申請日: 2022-04-02
• 公開（公告）號: CN114821711A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 賈瑜;白鴿;王賢良;孟凡軍
• 申請（專利權）人: 北京海鑫智圣技術有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/32;G06T3/40;G06N3/08;G06N3/04
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 白冬梅

本發明提供一種人臉特征點定位方法及裝置，其中的方法包括：獲取目標圖像；對目標圖像進行預處理，得到預處理圖像；將預處理圖像輸入至預先訓練的人臉特征點定位模型中，獲取目標圖像的人臉判別結果、特征點坐標值以及置信度；若人臉判別結果為目標圖像為人臉圖像，則根據特征點坐標值和相應的置信度，得到目標圖像的目標特征點坐標值和目標置信度。該方法能夠快速準確地定位出目標圖像的特征點坐標值，并獲取與每一個特征點坐標值相對應的置信度，以此判斷定位到的每一個特征點坐標值是否準確，并且，該方法還能判斷目標圖像是否為人臉圖像，解決了人臉檢測的誤檢問題。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種人臉特征點定位方法及裝置。

背景技術

目前，人臉識別技術應用十分廣泛，譬如可用于機場、高鐵站、銀行等場所的身份核驗，以及手機等智能設備解鎖等。人臉特征點定位作為人臉識別技術中重要的步驟之一，用于在給定的人臉圖像上定位出人臉面部的重要器官，例如眼睛、鼻子和嘴巴等。但是，在現實場景的應用中，人臉圖像通常會受到姿態、光線和遮擋等因素的影響，給準確的人臉特征點定位造帶來了巨大的挑戰。

現有技術中常用的人臉特征點定位方法可分為以下幾種：

(1)基于參數化模型的方法，例如ASM、AAM以及CLM。這類方法用于提取圖像的形狀特征、紋理特征等信息，通過直接或間接地約束人臉輪廓形狀來得到人臉特征點位置。

(2)基于級聯形狀回歸的方法，例如CPR、RCPR以及ETR。這類方法用于提取形狀相關特征，利用回歸分析技術，建立從輸入圖像到輸出坐標點的映射關系，從而得到人臉特征點位置。

(3)基于深度神經網絡回歸的方法，這類方法充分利用了多層深度神經網絡對復雜模型的模擬和逼近能力，自動從圖像中提取有用特征，用于回歸坐標值，以獲取人臉特征點位置。

其中，基于參數化模型的方法和基于級聯形狀回歸的方法均需要人工設計特征，模型對困難樣本的擬合能力有限，并且，基于級聯形狀回歸的方法還存在誤差傳遞和資源文件過大的問題。

基于深度神經網絡回歸的方法相較于傳統機器學習方法，定位精度更高，根據回歸方式的不同，可分為坐標回歸和熱圖回歸兩種方式。其中，坐標回歸方式的優點是速度快，可以端對端的訓練，但是缺乏空間泛化能力，定位精度較低，且全連接層的使用會導致模型過大；熱圖回歸的方式是輸出特征點的熱圖，優點是包含了空間信息，精度高，但計算速度慢，內存消耗大。

因此，如何解決現有技術中人臉特征點定位準確度低、計算速度慢且無法知道人臉特征點的定位是否準確的技術問題，是圖像處理技術領域亟待解決的重要課題。

發明內容

本發明提供一種人臉特征點定位方法及裝置，用以解決現有技術中人臉特征點定位準確度低且計算速度慢的缺陷，實現人臉特征點的快速準確定位。

本發明提供一種人臉特征點定位方法，包括：獲取目標圖像；對所述目標圖像進行預處理，得到預處理圖像；將所述預處理圖像輸入至預先訓練的人臉特征點定位模型中，獲取所述目標圖像的人臉判別結果、特征點坐標值以及置信度；若所述人臉判別結果為所述目標圖像為人臉圖像，則根據所述特征點坐標值和相應的置信度，得到所述目標圖像的目標特征點坐標值和目標置信度。

進一步地，所述對目標圖像進行預處理，得到預處理圖像，包括：根據預設裁剪方式對所述目標圖像進行裁剪，得到第一處理圖像：對所述第一處理圖像進行歸一化處理，并將歸一化處理后的圖像縮放至預設的大小，得到所述預處理圖像。