[发明专利]人脸检测模型训练方法、人脸检测方法及装置

说明书

本发明实施例提供一种人脸检测模型训练方法、人脸检测方法及装置，该方法包括：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；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。由于各样本人脸图像的图像特征矩阵维数较低，使得矩阵运算量得到大大降低，一方面提高了人脸关键点检测模型矩阵的训练处理速度，另一方面也有利于提高人脸关键点检测处理速度。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种人脸检测模型训练方法、人脸检测方法及装置。

背景技术

人脸关键点检测是计算机视觉的一个主要研究分支，主要指对眉毛、眼睛、鼻子、嘴和脸部轮廓等关键点进行检测，进而驱动表情识别、人脸识别和不同人脸的图像融合等基于人脸关键点检测结果的应用。

目前的人脸关键点检测方法主要是采用基于可变形模板的人脸关键点检测方法，即基于先验的关键点位置信息训练形状模型，以基于训练得到的形状模型检测待检测人脸图像中包含的人脸关键点的位置信息。其中，可变形模板可以是主动轮廓模型(ActiveContour Models，简称ACM)、主动形状模型(Active Shape Models，简称ASM)和主动外观模型(Active Appearance Models，简称AAM)。这些模型都是在寻求如下目标函数的最优解，使目标函数达到最小的权重W。

min||F-F_t||²

其中F＝WX,X是每张人脸图像的输入，即根据先验知识得到的各初始人脸关键点的特征矩阵，F_t是对应人脸图像的各真实关键点的坐标矩阵，其中，各真实关键点可以是人为标记在对应的人脸图像上的。其中，在获取上述各初始人脸关键点的特征矩阵的过程中，往往是针对每个初始人脸关键点，计算其较高维度的特征矩阵，进而在后续的矩阵运算过程中，矩阵乘法等矩阵运算的计算量将非常大，导致人脸关键点的检测处理速度较慢，当在诸如手机等计算能力相对较弱的终端设备中进行人脸关键点检测时，检测速度过慢尤为明显。

发明内容

本发明实施例提供一种人脸检测模型训练方法、人脸检测方法及装置，用以克服现有人脸检测处理速度过慢的问题。

本发明实施例提供一种人脸检测模型训练方法，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；

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。

本发明实施例提供一种人脸关键点检测方法，包括：

确定待检测人脸图像对应的各初始人脸关键点位置坐标；

计算与所述各初始人脸关键点位置坐标分别对应的局部特征矩阵；

对所述待检测人脸图像对应的图像特征矩阵进行降维处理，其中，所述图像特征矩阵根据各所述局部特征矩阵确定；

将所述图像特征矩阵与预先训练获得的人脸关键点检测模型矩阵相乘，获得所述待检测人脸图像对应的人脸关键点检测结果，所述人脸关键点检测模型矩阵是根据如上训练方法获得的目标人脸关键点检测模型矩阵。

本发明实施例提供一种人脸检测模型训练装置，包括：