[发明专利]人脸特征点定位方法、装置、设备及存储介质

说明书

本发明适用计算机技术领域，提供了一种人脸特征点定位方法、装置、设备及存储介质，该方法包括：从训练库中获取与用户输入的人脸图像相关的多个初始形状，通过级联回归算法对每个初始形状进行级联回归，获得每个初始形状对应的预测结果，根据特征点字典，计算每个预测结果中每个特征点对应的稀疏重构系数和重构残差，根据稀疏重构系数和重构残差，对每个预测结果中每个特征点的预测位置和预测遮挡状态进行修正，通过级联回归算法对修正后的每个预测结果进行级联回归，获得人脸图像每个特征点的位置和遮挡状态，从而有效地提高了对局部遮挡人脸图像上的特征点进行定位的准确度和效果。

技术领域

本发明属于计算机技术领域，尤其涉及一种人脸特征点定位方法、装置、设备及存储介质。

背景技术

人脸特征点包含了脸部的重要信息，这些特征点一般为人脸五官轮廓的尖端或突出处，比如眉毛、瞳孔中心、鼻尖以及嘴角等，人脸特征点的定位是研究及分析人脸图像的基础。当人脸上存在手、饰物、眼镜、发型等引起的局部遮挡时，被遮挡的特征点不仅无法提供有用信息，还会产生干扰，导致人脸特征点定位的难度增大。

级联姿态回归模型在人脸特征点定位问题上具有明显的优势，针对局部遮挡的人脸特征点定位问题，Burgos-Artizzu等人基于级联姿态回归模型提出了鲁棒的级联姿态回归算法，该算法首次提出在人脸特征点定位的同时预测特征点的遮挡状态，将遮挡状态转化为用于修正回归器输出的权重，以此提高在遮挡情况下人脸特征点定位的鲁棒性。

为了提高了鲁棒的级联姿态回归算法确定人脸图像中特征点位置和特征点遮挡状态的准确性，Pan等人针对鲁棒的级联姿态回归算法随机初始化的不足，提出利用LBP(Local Binary Pattern，局部二值模式)纹理相关性得到初始形状，鲁棒的级联姿态回归算法由给定的多个初始形状开始，通过不断更新当前特征点的位置分布和遮挡状态，逐步逼近特征点的真实位置。然而，这类算法仅通过一级级联回归来预测特征点的位置与遮挡状态，没有合理方法评估通过一级级联回归得到的预测结果是否可靠，尤其地，由于回归初期未检测到一个较准确的特征点位置，仅通过回归的方式检测特征点的遮挡状态，使得特征点遮挡的检测结果很可能存在较大误差。

发明内容

本发明的目的在于提供一种人脸特征点定位方法、装置、设备及存储介质，旨在解决现有技术对局部遮挡人脸图像上特征点的位置和遮挡状态进行监测的准确率不高和效果不佳的问题。

一方面，本发明提供了一种人脸特征点定位方法，所述方法包括下述步骤：

当接收到人脸特征点定位请求时，获取用户输入的人脸图像，从预设的训练库中选取与所述人脸图像相关的多个初始形状；

通过预设的级联姿态回归算法对所述初始形状进行级联回归，得到所述每个初始形状对应的预测结果；

根据预先构建的特征点字典，计算所述每个预测结果中每个预设特征点对应的稀疏重构系数和重构残差；

根据所述稀疏重构系数和所述重构残差，对所述每个预测结果中所述每个特征点的预测位置和预测遮挡状态进行修正；

通过所述级联姿态回归算法对修正后的所述预测结果进行级联回归，得到所述人脸图像上所述每个特征点的位置和遮挡状态。

另一方面，本发明提供了一种人脸特征点定位装置，所述装置包括：

初始形状获取单元，用于当接收到人脸特征点定位请求时，获取用户输入的人脸图像，从预设的训练库中选取与所述人脸图像相关的多个初始形状；

初始预测单元，用于通过预设的级联姿态回归算法对所述初始形状进行级联回归，得到所述每个初始形状对应的预测结果；

参数计算单元，用于根据预先构建的特征点字典，计算所述每个预测结果中每个预设特征点对应的稀疏重构系数和重构残差；