[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

说明书

本发明实施例公开了一种人脸信息的检测方法、装置、终端设备及存储介质，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，通过在训练数据集中增加人脸姿态信息，使人脸关键点的检测更加准确，高效，并对不同的人脸姿态和环境具有更好的鲁棒性。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种人脸信息的检测方法、装置、终端设备及存储介质。

背景技术

目前流行的人脸关键点检测模型，都是采用预先标注好的人脸关键点信息直接进行训练，检测的结果只有关键点的坐标信息。而人脸的姿态以及关键点在遮挡，模糊和光照等环境都会对关键点检测造成一定的影响，并且在实际工程应用中，要求待检测的人脸都是正面照的情况比较难以达到。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种人脸信息的检测方法、装置、终端设备和存储介质。

第一个方面，本发明实施例提供一种人脸信息的检测方法，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。可选地，

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。

可选地，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。

可选地，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。

可选地，所述神经网络为PFLD网络模块。

第二个方面，本发明实施例提供一种人脸信息的检测装置，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。

可选地，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；