[发明专利]一种人脸朝向估计方法、装置、电子设备及存储介质

说明书

本发明提供了一种人脸朝向估计方法，所述方法只使用少量特征向量作为人脸朝向估计算法的输入，计算量少，速度快，准确度可满足一般使用要求，便于在低端移动设备上部署；而且该方法使用神经网络估计人脸朝向，抗干扰能力强。本发明还提供了一种人脸朝向估计装置、电子设备及可读存储介质。

技术领域

本发明涉及人脸图像检测技术领域，尤其涉及一种人脸朝向估计方法、装置、电子设备及非易失性计算机可读存储介质。

背景技术

随着人工智能、机器人相关技术的快速发展，人们对人脸识别的要求也越来越高。人脸朝向估计有着广泛的应用场景，比如人机交互、驾驶员行为分析、3D人脸重建、安全监控等领域，它是人脸研究领域的一个重要组成部分。人脸朝向估计是指给定一张人脸图片，确定该人脸图像中的人脸朝向，即人脸的欧拉角度：偏转角(yaw)、俯仰角(pitch)、滚动角(roll)。

专利号为CN110781728A，发明名称为“一种人脸朝向估计方法、装置、电子设备及存储介质”的在先专利公开了一种人脸朝向估计方法，该方法首先根据多个样本人脸图像获取对应的位置图，然后再根据多个位置图对对应的样本人脸图像进行监督训练，确定各样本人脸图像的人脸朝向，最终根据训练结果生成人脸朝向估计网络。

现有技术中还公开了一种常见的人脸朝向估计方法，其通过检测人脸图像上眼、鼻、嘴角等关键点在图像中的位置，与3D人脸模板中特征点的三维坐标，建立空间点到图像点的对应关系，再结合相机的焦距等信息，使用PNP(Perspective-n-Point)方法，求解出人脸在相机坐标中的欧拉角，从而得到人脸的朝向信息。

上述现有技术中的人脸朝向估计方法，其虽然在一定程序上能够得到人脸朝向信息，但其至少存在以下几点的缺点：

(1)现有技术的方法一在获取到待估计的人脸图像后，将整个人脸图像作为朝向网络的输入，由此造成数据量运算大，不易于在低端移动设备或资源紧张的设备上部署。

(2)方法二使用PNP方法建立起人脸关键点位置与人脸朝向的数学映射关系，其最终准确度取决于关键点的检测准确性及3D人脸模板与真实人脸之间的差异；当环境变化或人脸角度较大时，关键点检测难度较大，准确度降低，且容易产生抖动，人脸朝向估计往往有较大跳变，准确度大大降低。

发明内容

本发明旨在至少在一定程度上解决上述技术问题之一或至少提供一种有用的商业选择。为此，本发明提出了一种人脸朝向估计方法，所述方法只使用少量特征向量作为人脸朝向估计算法的输入，计算量少，速度快，准确度可满足一般使用要求，便于在低端移动设备上部署；而且该方法使用神经网络估计人脸朝向，抗干扰能力强。

根据本发明的人脸朝向估计方法，所述方法包括以下步骤：

获取待检测人脸图像，其中，所述待检测人脸图像包括关键点坐标；

提取所述待检测人脸图像的人脸检测框，并对所述关键点坐标进行归一化处理以形成归一化关键点坐标，以得到包含所述归一化关键点坐标的多维特征向量，其中，所述归一化关键点坐标与所述关键点坐标、所述人脸检测框的中心点坐标以及所述人脸检测框的宽、高相关联；

采用人脸朝向估计网络对所述多维特征向量进行处理，以确定所述待检测人脸图像的人脸朝向。

根据本发明的人脸朝向估计方法，所述方法只使用少量特征向量作为人脸朝向估计算法的输入，计算量少，速度快，准确度可满足一般使用要求，便于在低端移动设备上部署；而且该方法使用神经网络估计人脸朝向，抗干扰能力强。

另外，根据本发明上述的人脸朝向估计方法，还可以具有如下附加的技术特征：

所述获取待检测人脸图像的具体步骤包括：使用MTCNN、Retinaface、DBface人脸检测算法中的至少一个来获取人脸图像及人脸图像的关键点坐标。