[发明专利]一种人脸关键点检测模型的生成方法及相关设备

说明书

本发明提供了一种基于神经网络的人脸关键点检测方法及相关设备，在对人脸图片进行关键点位置信息检测时，通过将含有人脸关键点信息的特征图与热度图相融合进行人脸图片中关键点位置信息检测，由于热度图表征有关键点与其周边关键点之间相似的强度，因此将特征图与热度图相融合，提高人脸关键点位置信息周边比例，减少人脸关键点检测任务上与人脸关键点无关信息的干扰，且在多种尺度下将特征图与融合后特征融合图信息合并，避免了重要信息的丢失，从而实现人脸关键点检测的速度和精度上的提高。

技术领域

本发明涉及人脸检测技术领域，尤其涉及的是一种人脸关键点检测模型的生成方法及相关设备。

背景技术

人脸关键点检测,人脸关键点检测任务是要根据给定的人脸预测出如脸部轮廓、眼部、嘴部、眉毛等预先定义好的一系列关键点的坐标，又称作人脸对齐,是计算机视觉领域中的经典问题之一。精确的人脸关键点定位是许多其他人脸分析人物的基础,如表情识别,3D人脸重建,姿态估计等任务。

用于人脸关键点检测的SBR模型(Supervision-by-Registration，SBR)主要是基于人脸在实际视频中运动过程较为平滑，不需要提供任何额外的人工标注数据，通过人脸运动平滑的特性就能提升检测器的性能，尤其对视频中人脸关键点检测的稳定性要有很大提升。但是整个网络基于的基础网络结构复杂冗余，使得对算法分析验证变得十分困难。

现有技术中的人脸关键点检测算法的基础网络结构复杂，导致网络对于人脸关键点相关信息的提取效率低，且对算法分析验证难度高等缺点，因此现有技术中的人脸关键点检测方法无法满足精度高和检测速度快的要求。

因此，现有技术有待于进一步的改进。

发明内容

鉴于上述现有技术中的不足之处，本发明提供了一种人脸关键点检测模型的生成方法及相关设备，克服现有技术中人脸关键点提取时，由于现有技术中的人脸关键点检测算法的基础网络结构复杂，导致的检测结果精度差，检测速度慢等缺陷。

第一方面，本实施例公开了一种人脸关键点检测模型的生成方法，其中，包括：

预设网络模型根据训练集中人脸图片，生成所述人脸图片对应的预测关键点位置信息组和预测关键点热度图，其中，所述训练集包括多组训练样本，每组训练样本包括人脸图片以及人脸图片对应的关键点热度图和关键点位置信息；

所述预设网络模型根据所述人脸图片对应的预测关键点位置信息组和所述预测关键点热度图，以及所述人脸图片对应的关键点热度图和关键点位置信息，对模型参数进行修正，并继续执行根据所述训练集中人脸图片，生成所述人脸图片对应的预测关键点位置信息组和预测关键点热度图的步骤，直至所述预设网络模型的训练情况满足预设条件，以得到所述人脸关键点检测模型。

可选的，所述预设网络模型根据所述人脸图片对应的预测关键点位置信息组和所述预测关键点热度图，以及所述人脸图片对应的关键点热度图和关键点位置信息，对模型参数进行修正的步骤包括：

根据所述人脸图片对应的预测关键点位置信息组和所述关键点位置信息，计算出位置损失值；

根据所述预测关键点热度图、关键点热度图计算出热度图损失值；

根据所述位置损失值和热度图损失值计算出总损失值；

根据所述总损失值对模型参数进行修正。

可选的，所述预设网络模型包括：特征图提取模块、融合图生成模块和预测模块；

所述预设网络模型根据训练集中人脸图片，生成所述人脸图片对应的预测关键点位置信息组和预测关键点热度图的步骤包括：

将所述人脸图片输入所述特征图提取模块，通过所述特征图提取模块得到所述人脸图片对应的下采样特征图组，所述下采样特征图组包括多张预设尺寸不同的下采样特征图；