[发明专利]人脸检测模型训练方法、人脸检测方法及装置

权利要求书

1.一种人脸检测模型训练方法，其特征在于，包括：

确定每个样本人脸图像对应的各初始人脸关键点位置坐标；

计算与每个样本人脸图像的各初始人脸关键点坐标位置分别对应的局部特征矩阵；

对每个样本人脸图像对应的图像特征矩阵进行降维处理，其中，所述图像特征矩阵是根据对应样本人脸图像对应的各所述局部特征矩阵确定的；其中，采用主成分分析(PCA)方法对每个样本人脸图像对应的图像特征矩阵进行降维处理；

根据每个样本人脸图像对应的降维后的图像特征矩阵，对待训练人脸关键点检测模型矩阵进行训练，得到满足预设目标函数的目标人脸关键点检测模型矩阵；

其中，所述确定每个样本人脸图像对应的各初始人脸关键点位置坐标，包括：

分别对每个样本人脸图像进行人脸检测，获得每个样本人脸图像对应的人脸框标识；

分别获取每个样本人脸图像中预先标记的各真实人脸关键点位置坐标，其中，所述各真实人脸关键点位置坐标是根据各预设位置属性分别对应标记在每个样本人脸图像中的；

根据所述各真实人脸关键点位置坐标和各所述人脸框标识，获取分别与所述各预设位置属性对应的参考位置坐标；

根据各所述参考位置坐标分别确定每个样本人脸图像对应的各初始人脸关键点位置坐标；

其中，所述根据每个样本人脸图像对应的降维后的图像特征矩阵，对待训练人脸关键点检测模型矩阵进行训练，得到满足预设目标函数的目标人脸关键点检测模型矩阵，包括：

将任一样本人脸图像S_k对应的降维后的图像特征矩阵X输入如下公式(7)中：

XR＝b (7)

其中，R为所述待训练人脸关键点检测模型矩阵，所述R被预先赋予有初始值，b为根据公式(7)计算获得的输出人脸关键点坐标位置矩阵；

确定所述输出人脸关键点坐标位置矩阵b是否满足如下公式(8)所示的目标函数：

min||b-b_t||²+||R|| (8)

其中，b_t为所述任一样本人脸图像S_k对应的真实人脸关键点坐标位置矩阵，由预先在所述任一样本人脸图像S_k中标记的各真实人脸关键点坐标位置组成，||R||为用于稀疏化R本身的L1范式；

若满足，则确定对应的待训练人脸关键点检测模型矩阵为所述目标人脸关键点检测模型矩阵；

若不满足，则在所述公式(8)的约束下，求解获得所述目标人脸关键点检测模型矩阵；

由于R预先被赋予一定的初始值，对于第一个输入的样本人脸图像对应的输入特征矩阵来说，其与R相乘得到一个输出b，判定此输出b是否满足公式(8)，若不满足，则调整R，使其满足公式(8)；对于之后输入的另一个样本人脸图像对应的输入特征矩阵来说，若其与当前的R相乘的输出结果b满足公式(8)，则继续处理下一个输入特征矩阵，否则，调整R，使其满足公式(8)；如此反复执行，直到所有的样本人脸图像都处理完毕，得到最终的目标人脸关键点检测模型矩阵。

2.根据权利要求1所述的方法，其特征在于，任一样本人脸图像S_k对应的人脸框标识中包括人脸框参考点位置坐标(fb.x，fb.y)、人脸框宽度fb.width、人脸框高度fb.heigth，k为取自1至N的整数，N为样本人脸图像个数；

所述根据所述各真实人脸关键点位置坐标和各所述人脸框标识，获取分别与所述各预设位置属性对应的参考位置坐标，包括：

根据公式(1)和公式(2)对任一样本人脸图像S_k中预先标记的任一真实人脸关键点位置坐标进行归一化处理，得到对应的归一化位置坐标

根据公式(3)和公式(4)获取与第i个预设位置属性对应的参考位置坐标(P_ix-avg,P_iy-avg)：

其中，i取自1至M中的整数，M为任一样本人脸图像S_k中预先标记的真实人脸关键点位置坐标的个数。