[发明专利]人脸关键点检测方法、装置、设备及存储介质

权利要求书

1.一种人脸关键点检测方法，其特征在于，包括：

构建人脸检测模型，根据预设模型大小系数压缩所述人脸检测模型的大小；

获取训练集，所述训练集包括多个标注有人脸关键点及人脸姿态角度的人脸图像；

根据所述训练集，对压缩后的所述人脸检测模型进行训练，得到训练好的人脸检测模型。

2.根据权利要求1所述的方法，其特征在于，所述构建人脸检测模型，包括：

将神经网络结构与用于生成第一尺寸特征图的第一卷积层连接；

将所述第一卷积层分别与全连接层及用于生成第二尺寸特征图的第二卷积层连接；

将所述第二卷积层分别与所述全连接层及用于生成第三尺寸特征图的第三卷积层连接；

将所述第三卷积层与所述全连接层连接。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据第一预设压缩系数、第二预设压缩系数和第三预设压缩系数，分别压缩所述第一卷积层、所述第二卷积层和所述第三卷积层的大小。

4.根据权利要求2所述的方法，其特征在于，所述神经网络结构包括依次连接的第四卷积层、第五卷积层、第一反相残差层和第二反相残差层；

所述将神经网络结构与用于生成第一尺寸特征图的第一卷积层连接，包括：

将所述神经网络结构包括的第二反相残差层与用于生成第一尺寸特征图的第一卷积层连接。

5.根据权利要求1所述的方法，其特征在于，所述根据预设模型大小系数压缩所述人脸检测模型的大小，包括：

根据预设模型大小系数压缩所述人脸检测模型的参数数量，得到压缩后的所述人脸检测模型。

6.根据权利要求1所述的方法，其特征在于，所述根据所述训练集，对压缩后的所述人脸检测模型进行训练，包括：

从所述训练集中获取预设数量的人脸图像；

将获取的每个人脸图像输入压缩后的所述人脸检测模型中，分别得到每个人脸图像对应的每个人脸关键点的预测值及每个人脸姿态角度的预测值；

根据所述每个人脸图像中每个人脸关键点的预测值、每个人脸姿态角度的预测值以及所述每个人脸图像中标注的所述每个人脸关键点的实际值及所述每个人脸姿态角度的实际值，计算当前训练周期的损失值。

7.根据权利要求6所述的方法，其特征在于，所述将获取的每个人脸图像输入压缩后的所述人脸检测模型中，分别得到每个人脸图像对应的每个人脸关键点的预测值及每个人脸姿态角度的预测值，包括：

对第一人脸图像进行人脸识别，确定所述第一人脸图像对应的人脸矩形框位置信息，所述第一人脸图像为获取的所述预设数量的人脸图像中的任一人脸图像；

根据所述人脸矩形框位置信息，从所述第一人脸图像中截取矩形区域图像；

将所述矩形区域图像的尺寸拉伸为压缩后的所述人脸检测模型对应的预设输入尺寸；

将拉伸后的所述矩形区域图像输入压缩后的所述人脸检测模型，得到所述第一人脸图像对应的每个人脸关键点的预测值及每个人脸姿态角度的预测值。

8.根据权利要求6所述的方法，其特征在于，所述根据所述每个人脸图像中每个人脸关键点的预测值、每个人脸姿态角度的预测值以及所述每个人脸图像中标注的所述每个人脸关键点的实际值及所述每个人脸姿态角度的实际值，计算当前训练周期的损失值，包括：

根据所述每个人脸图像中每个人脸关键点的预测值及标注的实际值，分别计算每个人脸图像中每个人脸关键点对应的预测误差；

根据所述每个人脸图像中每个人脸姿态角度的实际值，分别确定所述每个人脸图像中每个人脸姿态角度对应的权重值；

根据所述每个人脸图像中每个人脸姿态角度的预测值和标注的实际值，分别计算每个人脸图像中每个人脸姿态角度对应的偏差角度；

根据所述每个人脸图像中每个人脸关键点对应的预测误差、每个人脸姿态角度对应的权重值及所述偏差角度，计算当前训练周期的损失值。