[发明专利]一种人脸信息的检测方法、装置、终端设备及存储介质

权利要求书

1.一种人脸信息的检测方法，其特征在于，所述方法包括：

获取待检测的人脸图片；

将所述待检测的人脸图片输入到预先建立的融合姿态检测模型中，获取人脸关键点信息和与所述人脸关键点信息对应的人脸姿态信息；其中，所述预先建立的融合姿态检测模型是通过对训练样本集中的样本人脸图片中的人脸关键点信息和人脸姿态信息进行训练获得的。

2.根据权利要求1所述的方法，其特征在于，所述预先建立的融合姿态检测模型通过如下方式获得：

获得所述训练样本集中的样本人脸图片；

获取所述样本人脸图片中的样本人脸关键点信息；

通过PRnet模型，对所述人脸关键点信息进行标注，获得样本人脸姿态信息；

将所述样本人脸图片输入到神经网络中，获得训练后的人脸关键点信息和人脸姿态信息；

将所述训练后的人脸关键点信息和人脸姿态信息分别与所述样本人脸关键点信息和所述样本人脸姿态信息进行比较，计算损失函数；

若所述损失函数小于预设值，则将所述神经网络确定为所述融合姿态检测模型。

3.根据权利要求2所述的方法，其特征在于，所述样本人脸关键点信息是在WFLW数据集中，人为标记人脸关键点信息获得的。

4.根据权利要求1所述的方法，其特征在于，所述人脸姿态信息包括围绕X轴旋转信息、围绕Y轴旋转信息以及围绕Z轴旋转信息中的至少一个。

5.根据权利要求2所述的方法，其特征在于，所述神经网络为PFLD网络模块。

6.一种人脸信息的检测装置，其特征在于，所述装置包括：

获取模块，用于获取待检测的人脸图片；

检测模块，用于将所述待检测的人脸图片输入到预先建立的融合姿态检测模型中，获取人脸关键点信息和与所述人脸关键点信息对应的人脸姿态信息；其中，所述预先建立的融合姿态检测模型是通过对训练样本集中的样本人脸图片中的人脸关键点信息和人脸姿态信息进行训练获得的。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括训练模块，所述训练模块，用于：

获得所述训练样本集中的样本人脸图片；

获取所述样本人脸图片中的样本人脸关键点信息；

通过PRnet模型，对所述人脸关键点信息进行标注，获得样本人脸姿态信息；

将所述样本人脸图片输入到神经网络中，获得训练后的人脸关键点信息和人脸姿态信息；

将所述训练后的人脸关键点信息和人脸姿态信息分别与所述样本人脸关键点信息和所述样本人脸姿态信息进行比较，计算损失函数；

若所述损失函数小于预设值，则将所述神经网络确定为所述融合姿态检测模型。

8.根据权利要求7所述的装置，其特征在于，所述样本人脸关键点信息是在WFLW数据集中，人为标记人脸关键点信息获得的。

9.一种终端设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现权利要求1-5中任一项所述的人脸信息的检测方法。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1-5中任一项所述的人脸信息的检测方法。