[发明专利]一种基于深度度量学习的人脸特征点定位方法

权利要求书

1.一种基于深度度量学习的人脸特征点定位方法，其特征在于：具体方法如下：（1）训练：①标定人脸三维模型特征点位置；②对三维模型进行正交投影；③获得深度图像（包括三维特征点所对应二维坐标位置）；④深度网络训练：以卷积神经网络为主要结构（样本是深度图的值，标签是特征点二维坐标）进行训练；（2）预测：①输入三维模型进行正交投影获得深度图像（不包括特征点位置）；②使用已训练好的深度网络对深度图像进行特征点二维坐标预测；③输出二维坐标一一反投影到三维坐标，在三维模型上得到特征点位置。

2.根据权利要求1所述的一种基于深度度量学习的人脸特征点定位方法，其特征在于：所述的人脸三维模型特征点位置标记为左眼中心、左眼内侧、左眼外侧、右眼中心、右眼内侧、右眼外侧、左眉外侧、左眉内侧、右眉外侧、右眉内侧、鼻尖、嘴巴上侧、嘴巴下侧、嘴巴左侧、嘴巴右侧共计15个特征点。

3.根据权利要求1所述的一种基于深度度量学习的人脸特征点定位方法，其特征在于：所述的深度网络的架构由卷积神经网络构成，先是输入层，经过3层以卷积层、池化层为主网络结构，然后是2层全连接层，最后是计算损失层，第一层卷积层：kernel size=5，stride=1；下接ReLU层；第一层池化层：kernel size=2，stride=2；第二层卷积层：kernel size=5，stride=1；下接ReLU层；第二层池化层：kernel size=2，stride=2；第三层卷积层：kernelsize=3，stride=1；下接ReLU层，然后下接2个全连接层，参数num_output分别为500、30。

4.根据权利要求1所述的一种基于深度度量学习的人脸特征点定位方法，其特征在于：所述的正交投影可以得到空间三维坐标所对应二维坐标以及其对应深度值大小，即三维模型可以生成相应深度图像。