[发明专利]人脸关键点的模型训练及其检测方法和装置

说明书

本发明实施例提供了人脸关键点的模型训练及其检测方法和装置，该模型训练方法包括：从训练图像中提取人脸数据；将所述人脸数据输入至所述第一级网络进行训练，所述第一级网络用于输出人脸关键点的预测坐标；当所述第一级网络训练完成时，在所述人脸数据中、基于所述预测坐标生成目标数据；将所述目标数据输入至所述第二级网络进行训练，所述第二级网络用于输出所述人脸关键点的坐标偏移值；当所述第二级网络训练完成时，确定所述级联网络为人脸关键点检测模型。通过两级网络学习预测坐标与坐标偏移值，在复杂场景下，依然可以得到精确的人脸关键点的坐标。

技术领域

本发明涉及计算机处理的技术领域，特别是涉及人脸关键点的模型训练及其检测方法和装置。

背景技术

人脸关键点检测是人脸图像研究中的基础技术之一，目的是自动地估计人脸图片上脸部特征点的坐标，例如，脸部轮廓坐标、五官坐标等，其广泛应用于人脸识别、姿态估计、人脸滤镜、化妆美颜、三维建模等。

现有的人脸关键点检测技术中，传统的方法包括基于形状约束方法，基于级联回归的方法，经典模型有主动形状模型(Active Shape Models，ASM))和级联回归模型(Cascaded pose regression，CPR)等。

但是，传统的方法鲁棒性较差，在复杂场景下，人脸关键点的检测精确度较低。

发明内容

本发明实施例提出了人脸关键点的模型训练及其检测方法和装置，以解决在复杂场景下，人脸关键点的检测精确度较低的问题。

依据本发明的一个方面，提供了一种基于级联网络的人脸关键点检测模型的训练方法，所述级联网络包括第一级网络与第二级网络，所述方法包括：

从训练图像中提取人脸数据；

将所述人脸数据输入至所述第一级网络进行训练，所述第一级网络用于输出人脸关键点的预测坐标；

当所述第一级网络训练完成时，在所述人脸数据中、基于所述预测坐标生成目标数据；

将所述目标数据输入至所述第二级网络进行训练，所述第二级网络用于输出所述人脸关键点的坐标偏移值；

当所述第二级网络训练完成时，确定所述级联网络为人脸关键点检测模型。

可选地，所述将所述人脸数据输入至所述第一级网络进行训练，包括：

将所述人脸数据输入至所述第一级网络进行处理，输出人脸关键点的预测坐标；

采用所述预测坐标计算第一损失值；

根据所述第一损失值判断所述第一级网络是否收敛；

若是，则确定所述第一级网络训练完成；

若否，则根据所述第一损失值调整所述第一级网络，返回执行所述将所述人脸数据输入至所述第一级网络进行处理，输出人脸关键点的原始坐标。

可选地，所述采用所述预测坐标计算第一损失值，包括：

计算所述预测坐标与真实坐标之间的第一距离；

计算所述第一距离的平均值，作为第一损失值。

可选地，所述在所述人脸数据中、基于所述预测坐标生成目标数据，包括：

在所述人脸数据中、基于所述预测坐标提取局部图像数据；

将多个人脸关键点对应的所述局部图像数据按照颜色组合为数据矩阵，作为目标数据。

可选地，所述将所述目标数据输入至所述第二级网络进行训练，包括：

将所述目标数据输入至所述第二级网络进行处理，输出所述人脸关键点的坐标偏移值；