[发明专利]人脸关键点定位的方法及装置

说明书

本公开是关于一种人脸关键点定位的方法及装置，用于提高人脸关键点定位准确度。所述方法包括：采用第一卷积神经网络确定三维图像的第一投影矩阵T和第一人脸形状分量系数集α，所述三维图像为待识别二维人脸图像拟合的三维可形变人脸图像；根据所述第一T和所述第一α，确定所述待识别二维人脸图像的第一人脸关键点P。

技术领域

本公开涉及人脸识别技术领域，尤其涉及人脸关键点定位的方法及装置。

背景技术

人脸关键点定位是在检测到人脸后，进一步需要确定脸部关键点，包括眼睛，眉毛，鼻子，嘴巴和脸部轮廓等。这项技术的应用得到了广泛的应用，如自动人脸识别，表情识别以及人脸动画自动合成等。

在相关技术中，采用可变形模板、点分布模型，图模型和级联形状回归等方式检测人脸关键点。上述这些相关技术中，都是基于二维人脸图像的方法。

然而，在人脸图像的姿态变化，表情，光照以及人脸遮挡的因素的影响下，采用基于二维人脸图像的关键点定位的方法，其定位准确度会受到很大的影响。

发明内容

为克服相关技术中存在的问题，本公开提供一种人脸关键点定位的方法及装置。

根据本公开实施例的第一方面，提供一种人脸关键点定位的方法，包括：

采用第一卷积神经网络确定三维图像的第一投影矩阵T和第一人脸形状分量系数集α，所述三维图像为待识别二维人脸图像拟合的三维可形变人脸图像；

根据所述第一T和所述第一α，确定所述待识别二维人脸图像的第一人脸关键点P。

本公开的实施例提供的技术方案可以包括以下有益效果：基于三维可形变人脸模型对人脸关键点确定的准确度高，通过利用第一卷积神经网络对投影矩阵和人脸形状分量系数集进行预估，进而获得更为准确的人脸关键点，提高人脸关键点定位的准确度。

在一实施例中，在根据所述第一T和所述第一α，确定所述待识别二维人脸图像的第一人脸关键点P之后，所述方法还包括：

根据所述第一P的相邻区域的图像，采用第二卷积神经网络确定第二T；

根据所述第二T和所述第一α，确定所述待识别二维人脸图像的第二P。

本公开的实施例提供的技术方案可以包括以下有益效果：进一步通过第二卷积神经网络对投影矩阵进行优化，进而再次确定人脸关键点，进一步提高人脸关键点定位的准确度。

在一实施例中，在根据所述第一T和所述第一α，确定所述待识别二维人脸图像的第一人脸关键点P之后，所述方法还包括：

根据所述第一P的相邻区域的图像，采用第二卷积神经网络确定第二T；

根据所述第二T和所述第一α，确定所述待识别二维人脸图像的第二P；

根据所述第二P的相邻区域的图像，采用第三卷积神经网络确定第二α；

根据第二T和所述第二α，确定所述待识别二维人脸图像的第三P。

本公开的实施例提供的技术方案可以包括以下有益效果：进一步通过第二卷积神经网络和第三卷积神经网络分别对投影矩阵和人脸形状分量系数集进行优化，进而再次确定人脸关键点，进一步提高人脸关键点定位的准确度。

在一实施例中，在根据所述第一T和所述第一α，确定所述待识别二维人脸图像的第一人脸关键点P之后，所述方法还包括：

根据所述第一P的相邻区域的图像，采用第三卷积神经网络确定第三α；

根据所述第一T和所述第三α，确定所述待识别二维人脸图像的第四P。