[发明专利]一种人脸关键点的检测方法、装置及存储介质

说明书

本发明实施例提供一种人脸关键点的检测方法、装置及存储介质，包括：获取待检测图像，待检测图像包括人脸；使用第一卷积神经网络提取待检测图像中的人脸特征；根据第一回归算法和人脸特征，确定人脸的区域以及人脸中关键点的区域；根据第二回归算法、人脸的区域以及人脸中关键点的区域，获得人脸的人脸轮廓关键点的位置以及人脸中关键点的位置信息；第一卷积神经网络、第一回归算法和第二回归算法属于人脸关键点检测模型。本发明实施例，可以提高人脸关键点检测的精确度。

技术领域

本发明涉及图像处理领域，具体涉及一种人脸关键点的检测方法、装置及存储介质。

背景技术

人脸关键点检测也称为人脸关键点定位或者人脸对齐，是指给定人脸图像，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等。人脸关键点检测是人脸识别任务中重要的基础环节，人脸五官特征点检测结果直接关系到人脸识别、人脸美化等多项后端技术的精确度。目前，在人脸关键点检测时，是直接对整个人脸进行关键点的检测，获得的人脸关键点定位往往不够准确。

发明内容

本发明实施例提供了一种人脸关键点的检测方法、装置及存储介质，用于提高人脸关键点检测的精确度。

本发明实施例第一方面提供一种人脸关键点的检测方法，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；

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。

作为一种可能的实施方式，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。其中，优化所述初始人脸关键点检测模型的参数包括整体优化所述初始第一卷积神经网络所述初始第一回归算法和所述初始第二回归算法的参数。

作为一种可能的实施方式，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。

作为一种可能的实施方式，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。