一种人脸关键点的检测方法、装置及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110852257A(43)申请公布日2020.02.28(21)申请号201911088066.XG06N3/08(2006.01)(22)申请日2019.11.08(71)申请人深圳和而泰家居在线网络科技有限公司地址518000广东省深圳市南山区高新南区科技南十路6号深圳航天科技创新研究院大厦D座10楼1003(72)发明人张阿强(74)专利代理机构广州三环专利商标代理有限公司44202代理人郝传鑫熊永强(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06N3/04(2006.01)权利要求书2页说明书10页附图6页(54)发明名称一种人脸关键点的检测方法、装置及存储介质(57)摘要本发明实施例提供一种人脸关键点的检测方法、装置及存储介质，包括：获取待检测图像，待检测图像包括人脸；使用第一卷积神经网络提取待检测图像中的人脸特征；根据第一回归算法和人脸特征，确定人脸的区域以及人脸中关键点的区域；根据第二回归算法、人脸的区域以及人脸中关键点的区域，获得人脸的人脸轮廓关键点的位置以及人脸中关键点的位置信息；第一卷积神经网络、第一回归算法和第二回归算法属于人脸关键点检测模型。本发明实施例，可以提高人脸关键点检测的精确度。CN110852257ACN110852257A权利要求书1/2页1.一种人脸关键点的检测方法，其特征在于，包括：获取待检测图像，所述待检测图像包括人脸；使用第一卷积神经网络提取所述待检测图像中的人脸特征；根据第一回归算法和所述人脸特征，确定人脸的区域以及人脸中关键点的区域；根据第二回归算法、所述人脸的区域以及所述人脸中关键点的区域，获得人脸的人脸轮廓关键点的位置信息以及人脸中关键点的位置信息；所述第一卷积神经网络、所述第一回归算法和所述第二回归算法属于人脸关键点检测模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取训练数据，所述训练数据包括多张人脸图像，第一人脸图像包括标注框和人脸关键点标注点，所述第一人脸图像为所述多张人脸图像中任一图像，所述标注框包括人脸标注框和人脸关键点标注框；将所述第一人脸图像输入初始第一卷积神经网络，得到第一人脸特征；根据初始第一回归算法和所述第一人脸特征，确定第一人脸关键点所在的第一区域，所述第一人脸关键点为所述第一人脸图像中任一人脸关键点；根据初始第二回归算法和所述第一区域，确定所述第一人脸关键点；根据所述第一人脸图像、所述第一区域和所述第一人脸关键点，确定总损失；根据所述总损失优化初始人脸关键点检测模型的参数，在所述总损失为最小值时，获得所述人脸关键点检测模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一人脸图像、所述第一区域和所述第一人脸关键点，确定总损失包括：根据所述第一人脸图像和所述第一区域，确定第一损失；根据所述第一人脸图像和所述第一人脸关键点，确定第二损失；根据所述第一损失和所述第二损失，确定总损失。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一人脸图像和所述第一区域框，确定第一损失包括：提取所述第一人脸图像包括的所述第一人脸关键点对应的标注框，获得第二区域；根据所述第一区域、所述第二区域和第一损失函数，计算第一损失。5.根据权利要求3所述的方法，其特征在于，所述根据所述第一人脸图像和所述第一人脸关键点，确定第二损失包括：提取所述第一人脸图像包括的所述第一人脸关键点对应的人脸关键点标注点，获得第二人脸关键点；根据所述第一人脸关键点、所述第二人脸关键点和第二损失函数，计算第二损失。6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：根据所述人脸的关键点的位置信息在所述待检测图像中标注出标注框，所述标注框包括人脸标注框和人脸关键点标注框。7.一种人脸关键点的检测装置，其特征在于，包括：第一获取单元，用于获取待检测图像，所述待检测图像包括人脸；提取单元，用于将所述待检测图像输入第一卷积神经网络，得到人脸特征；2CN110852257A权利要求书2/2页第一确定单元，用于根据第一回归算法和所述人脸特征，确定人脸的区域以及人脸中关键点的区域；第二确定单元，用于根据第二回归算法、所述人脸的区域以及所述人脸中关键点的区域，获得人脸的人脸轮廓关键点的位置信息以及人脸中关键点的位置信息；所述第一卷积神经网络、所述第一回归算法和所述第二回归算法属于人脸关键点检测模型。8.根据权利要求7所述的装置，其特征在于，所述装置还包括：第二获取单元，用于获取训练数据，所述训练数据包括多张人脸图像，第一人脸图像包括标注框和人脸关键点标注点，所述第一人脸图像为所述多张人脸图像中任一图像，所述标注框包括人脸标注框和人脸关键点标注框