[发明专利]一种人脸关键点的检测方法、装置及存储介质

权利要求书

1.一种人脸关键点的检测方法，其特征在于，包括：

获取待检测图像，所述待检测图像包括人脸；

使用第一卷积神经网络提取所述待检测图像中的人脸特征；

根据第一回归算法和所述人脸特征，确定人脸的区域以及人脸中关键点的区域；所述人脸的区域以及人脸中关键点的区域是与第一回归算法训练过程的训练数据标注的人脸标注框和人脸关键点标注框一一对应的；

根据第二回归算法、所述人脸的区域以及所述人脸中关键点的区域，获得人脸的人脸轮廓关键点的位置信息以及人脸中关键点的位置信息；所述人脸的人脸轮廓关键点以及人脸中关键点是与第二回归算法训练过程的训练数据标注的人脸关键点标注一一对应的；

所述第一卷积神经网络、所述第一回归算法和所述第二回归算法属于人脸关键点检测模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练数据，所述训练数据包括多张人脸图像，第一人脸图像包括标注框和人脸关键点标注点，所述第一人脸图像为所述多张人脸图像中任一图像，所述标注框包括人脸标注框和人脸关键点标注框；

将所述第一人脸图像输入初始第一卷积神经网络，得到第一人脸特征；

根据初始第一回归算法和所述第一人脸特征，确定第一人脸关键点所在的第一区域，所述第一人脸关键点为所述第一人脸图像中任一人脸关键点；

根据初始第二回归算法和所述第一区域，确定所述第一人脸关键点；

根据所述第一人脸图像、所述第一区域和所述第一人脸关键点，确定总损失；

根据所述总损失优化初始人脸关键点检测模型的参数，在所述总损失为最小值时，获得所述人脸关键点检测模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一人脸图像、所述第一区域和所述第一人脸关键点，确定总损失包括：

根据所述第一人脸图像和所述第一区域，确定第一损失；

根据所述第一人脸图像和所述第一人脸关键点，确定第二损失；

根据所述第一损失和所述第二损失，确定总损失。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一人脸图像和所述第一区域框，确定第一损失包括：

提取所述第一人脸图像包括的所述第一人脸关键点对应的标注框，获得第二区域；

根据所述第一区域、所述第二区域和第一损失函数，计算第一损失。

5.根据权利要求3所述的方法，其特征在于，所述根据所述第一人脸图像和所述第一人脸关键点，确定第二损失包括：

提取所述第一人脸图像包括的所述第一人脸关键点对应的人脸关键点标注点，获得第二人脸关键点；

根据所述第一人脸关键点、所述第二人脸关键点和第二损失函数，计算第二损失。

6.根据权利要求1－5任一项所述的方法，其特征在于，所述方法还包括：

根据所述人脸的关键点的位置信息在所述待检测图像中标注出标注框，所述标注框包括人脸标注框和人脸关键点标注框。

7.一种人脸关键点的检测装置，其特征在于，包括：

第一获取单元，用于获取待检测图像，所述待检测图像包括人脸；

提取单元，用于将所述待检测图像输入第一卷积神经网络，得到人脸特征；

第一确定单元，用于根据第一回归算法和所述人脸特征，确定人脸的区域以及人脸中关键点的区域；所述人脸的区域以及人脸中关键点的区域是与第一回归算法训练过程的训练数据标注的人脸标注框和人脸关键点标注框一一对应的；

第二确定单元，用于根据第二回归算法、所述人脸的区域以及所述人脸中关键点的区域，获得人脸的人脸轮廓关键点的位置信息以及人脸中关键点的位置信息；所述人脸的人脸轮廓关键点以及人脸中关键点是与第二回归算法训练过程的训练数据标注的人脸关键点标注一一对应的；

所述第一卷积神经网络、所述第一回归算法和所述第二回归算法属于人脸关键点检测模型。