[发明专利]脸部特征点检测方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种脸部特征点检测方法、装置、设备及存储介质。脸部特征点检测方法包括：获取训练样本图像，并对所述训练样本图像进行标注，得到对应的标注信息；将所述训练样本图像和对应的标注信息输入预置残差网络模型进行训练，得到脸部特征点检测模型；获取待检测图像并输入预置人体姿态检测模型进行人脸检测，得到所述待检测图像中的目标人脸图像；将所述目标人脸图像输入所述脸部特征点检测模型进行检测，得到所述目标人脸图像对应的脸部特征点数据。本发明提高了眼部被遮挡的情形下人脸特征点检测的精确性。

技术领域

本发明涉及人工智能领域，尤其涉及一种脸部特征点检测方法、装置、设备及存储介质。

背景技术

人脸特征点检测(Facial landmark detection)，即人脸特征点定位、人脸对齐，就是在获取的人脸图像的基础上对人脸上特征点进行定位，如嘴角、眼角、鼻子等。人脸特征点检测可应用于多个方面，例如通过将人脸特征点对齐到平均位置，使之后的识别方法的准确率更高。此外，人脸特征点检测还可用于微表情捕捉，表情识别等方面。

然而目前人脸特征点检测主要是基于眼睛、鼻子和嘴巴。然而当用户佩戴墨镜或佩戴VR/AR眼镜时，通过现有方式很难检测到人脸特征点。一方面是因为缺少眼睛，很多时候识别模型无法正确将视频或图像中的人脸图像提取出来，另一方面，目前大多数人脸特征点检测都是综合五官所有特征实现的特征点检测。由于这两个原因，造成当缺乏眼部时，人脸特征点检测准确率低。

发明内容

本发明的主要目的在于解决遮挡眼部时人脸特征点检测精确率低的问题。

本发明第一方面提供了一种脸部特征点检测方法，包括：

获取训练样本图像，并对所述训练样本图像进行标注，得到对应的标注信息，其中，所述训练样本图像包括遮挡眼部或未遮挡眼部的样本人脸图像，所述标注信息包括所述样本人脸图像中的嘴部和鼻子的多个特征点对应的坐标信息；

将所述训练样本图像和对应的标注信息输入预置残差网络模型进行训练，得到脸部特征点检测模型，其中，所述残差网络模型包括输入层、特征提取层、残差网络模型结构和输出层，所述残差网络模型结构由残差块组成；

获取待检测图像并输入预置人体姿态检测模型进行人脸检测，得到所述待检测图像中的目标人脸图像；

将所述目标人脸图像输入所述脸部特征点检测模型进行检测，得到所述目标人脸图像对应的脸部特征点数据。

可选地，在本发明第一方面的第一种实现方式中，所述获取训练样本图像，并对所述训练样本图像进行标注，得到对应的标注信息包括：

获取第一样本图像，其中，所述第一样本图像包括遮挡眼部或未遮挡眼部的样本人脸图像；

对所述第一样本图像进行数据扩充，得到第二样本图像，其中，所述数据扩充的方式包括旋转、剪切、随机增加噪音中的一种或多种；

将所述第二样本图像作为训练样本图像，并标注所述训练样本图像中嘴巴和鼻子的特征点对应的坐标，得到对应的标注信息。

可选地，在本发明第一方面的第二种实现方式中，所述将所述训练样本图像和对应的标注信息输入预置残差网络模型进行训练，得到脸部特征点检测模型包括：

将所述训练样本图像输入所述输入层，并通过所述输入层对所述训练样本图像进行归一化，得到归一化图像；

将所述归一化图像输入所述特征提取层，并通过所述特征提取层对所述归一化图像进行特征提取，得到第一特征图；

将所述第一特征图输入所述残差网络模型结构，并通过所述残差块进行特征提取和残差学习，得到第二特征图；