[发明专利]一种人脸关键点检测模块中人脸框选取方法

权利要求书

1.一种人脸关键点检测模块中人脸框选取方法，其特征在于，包括以下步骤：

S1)获取已训练好的人脸检测模型以及已训练好的关键点模型；

S2)获取人脸关键点训练数据集，所述人脸关键点训练数据集包括训练集和测试数据集，所述训练集包括N张图片，利用已训练好的人脸检测模型获得训练集中N张图片的人脸框坐标，获取训练集中N张图片的真实人脸框坐标，根据所述N张图片的人脸框坐标和所述N张图片的真实人脸框坐标获得人脸框坐标伸缩比例，包括以下步骤：

S21)将N张图片分别输入至所述已训练好的人脸检测模型，所述已训练好的人脸检测模型输出训练集中N张图片的人脸框坐标，第j张图片的人脸框坐标为[det_x1^j，det_y1^j，det_x2^j，det_y2^j]，j＝1、2、...、N；

S22)获取训练集中N张图片的真实人脸框坐标，第j张图片的真实人脸框坐标为[gt_x1^j，gt_y1^j，gt_x2^j，gt_y2^j]；gt_x1^j和gt_x2^j分别取第j张图片的关键点坐标中的最小x坐标值和最大x坐标值，gt_y1^j和gt_y2^j分别取第j张图片的关键点坐标中的最小y坐标值和最大y坐标值；

S23)根据步骤S21)中N张图片的人脸框坐标分别计算N张图片的宽和高，第j张图片的宽w_j＝det_x2^j-det_x1^j，第j张图片的高h_j＝det_y2^j-det_y1^j；

S24)将步骤S23)中N张图片的宽进行求和后除以训练集的总样本数N，获得N张图片的平均宽度将步骤S23)中N张图片的高进行求和后除以训练集的总样本数N，获得N张图片的平均高度

S25)根据训练集中N张图片的人脸框坐标和真实人脸框坐标获得N张图片的坐标差值，N张图片的坐标差值包括N张图片的第一x坐标差值、N张图片的第一y坐标差值、N张图片的第二x坐标差值、N张图片的第二y坐标差值；第j张图片的第一x坐标差值Δx1^j＝gt_x1^j-det_x1^j，第j张图片的第一y坐标差值Δy1^j＝gt_y1^j-det_y1^j，第j张图片的第二x坐标差值Δx2^j＝gt_x2^j-det_x2^j，第j张图片的第二y坐标差值Δy2^j＝gt_y2^j-det_y2^j；

S26)将N张图片的坐标差值分别求和后除以训练集的总样本数N，获得N张图片的平均坐标差值，N张图片的平均坐标差值包括第一x坐标平均差值N张图片的第一y坐标平均差值N张图片的第二x坐标平均差值N张图片的第二y坐标平均差值

S27)将步骤S26)中N张图片的平均坐标差值分别除以步骤S24)中N张图片的平均宽度meanw和N张图片的平均高度meanh，获得人脸框坐标伸缩比例[px1，py1，px2，py2]，第一x坐标伸缩比例第一y坐标伸缩比例第二x坐标伸缩比例第二y坐标伸缩比例

S3)将所述测试数据集输入已训练好的人脸检测模型，所述测试数据集包括M张图片，利用人脸框坐标伸缩比例对已训练好的人脸检测模型输出的测试数据集中每张图片的人脸框坐标进行优化，获得测试数据集中每张图片优化后的人脸框坐标；

S4)将测试数据集中第i张图片优化后的人脸框坐标进行坐标转换，获得测试数据集中第i张图片的新的人脸框坐标，根据第i张图片的新的人脸框坐标从第i张图片中裁剪出人脸框，将裁剪的人脸框输入已训练好的关键点模型，获得关键点坐标，i＝1、2、...、M。