[发明专利]一种单阶段的人脸检测和关键点定位方法及系统

权利要求书

1.一种单阶段的人脸检测和关键点定位方法，其特征在于，具体包括：

步骤S1，获取若干人脸图像，并对各所述人脸图像进行标注，得到具有真实人脸框以及真实关键点位置的标注图像；

步骤S2，根据所述标注图像训练得到人脸检测和关键点定位融合模型；

步骤S3，将视频图像中的当前帧待检测人脸图片输入所述人脸检测和关键点定位融合模型，得到所述当前帧检测人脸图片对应的当前帧人脸检测框和当前帧人脸关键点位置并输出；

步骤S4，根据所述当前帧人脸关键点位置对下一帧所述待检测人脸图片进行关键点防抖处理，并记录进行所述关键点防抖处理的总次数；

步骤S5，将记录得到的所述总次数与预设的次数阈值进行比较：

若所述总次数不大于所述次数阈值，则转向步骤S6；

若所述总次数大于所述次数阈值，则将所述总次数清零，随后返回所述步骤S3；

步骤S6，根据所述关键点防抖处理的处理结果直接得到下一帧所述待检测人脸图片对应的下一帧人脸检测框和下一帧人脸关键点位置，并作为所述当前帧人脸检测框和所述当前帧人脸关键点位置输出，随后返回所述步骤S4；

上述过程持续执行，直至所有帧所述视频图像均处理完毕为止。

2.根据权利要求1所述的单阶段的人脸检测和关键点定位方法，其特征在于，所述人脸检测和关键点定位融合模型采用retinanet网络结构，且所述retinanet网络结构中的后三层卷积层输出的特征图采用特征金字塔网络结构。

3.根据权利要求2所述的单阶段的人脸检测和关键点定位方法，其特征在于，所述人脸检测和关键点定位融合模型的训练过程中，采用具有预设比例的锚点框进行所述人脸检测框的回归预测以及所述人脸关键点位置的预测。

4.根据权利要求3所述的单阶段的人脸检测和关键点定位方法，其特征在于，所述人脸检测和关键点定位融合模型的训练过程中，卷积操作生成的特征图中，各像素点在对应的所述人脸图像中的感受野的尺寸大小是所述锚点框尺寸大小的两倍。

5.根据权利要求3所述的单阶段的人脸检测和关键点定位方法，其特征在于，所述预设比例为1:1。

6.根据权利要求3所述的单阶段的人脸检测和关键点定位方法，其特征在于，所述步骤S2具体包括：

步骤S21，将所述标注图像输入预先生成的初始融合模型中，得到对应的人脸检测预测结果以及关键点预测结果；

所述人脸检测预测结果包括人脸分类预测结果、人脸框回归预测结果以及人脸框比例预测结果；

步骤S22，分别计算所述人脸分类预测结果与所述真实人脸框包含的真实人脸分类结果之间的第一损失函数、所述人脸框回归预测结果与所述真实人脸框包含的真实人脸区域之间的第二损失函数、所述人脸框比例预测结果与所述预设比例之间的第三损失函数，以及所述关键点预测结果与所述真实关键点位置的第四损失函数；

步骤S23，对所述第一损失函数、所述第二损失函数、所述第三损失函数和所述第四损失函数进行加权求和，得到总损失函数，并将所述总损失函数与预设的损失函数阈值进行比较：

若所述总损失函数不小于所述损失函数阈值，则转向步骤S24；

若所述总损失函数小于所述损失函数阈值，则转向步骤S25；

步骤S24，根据预设学习率调整所述初始融合模型中的训练参数，随后返回所述步骤S21，以继续新一轮训练过程；

步骤S25，将所述初始融合模型作为人脸检测和关键点定位融合模型并输出。

7.根据权利要求1所述的单阶段的人脸检测和关键点定位方法，其特征在于，所述步骤S4，所述关键点防抖处理具体包括：

步骤A1，根据所述人脸关键点位置，将下一帧待检测人脸图片中对应的所述人脸关键点位置扩大预设倍数，得到人脸区域图片；

步骤A2，根据预先生成的人脸校验模型对所述人脸区域图片进行校验，并根据校验结果判断所述人脸区域图片是否为人脸：

若是，则转向步骤A3；

若否，则退出；

步骤A3，采用跟踪算法对所述人脸进行跟踪，得到下一帧所述待检测人脸图片对应的所述人脸检测框和所述人脸关键点位置。