[发明专利]人脸关键点检测方法、装置、设备及存储介质

说明书

本申请提出一种人脸关键点检测方法、装置、设备及存储介质，该方法包括：构建人脸检测模型，根据预设模型大小系数压缩人脸检测模型的大小；获取训练集，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；根据训练集，对压缩后的人脸检测模型训练，得到训练好的人脸检测模型。本申请通过预设模型大小系数有效缩小模型大小，模型响应速度更快，占用更少内存资源，能适用于计算资源较小的移动端芯片。且能从人脸图像中提取三个不同尺寸的特征图，增加了模型表达能力，扩大可识别的图片的范围，提高检测准确性。在损失函数中依据人脸姿态角度变化为人脸图像分配权重，结合人脸姿态几何信息与人脸图像的二维信息，有助于提高检测精度。

技术领域

本申请属于图像处理技术领域，具体涉及一种人脸关键点检测方法、装置、设备及存储介质。

背景技术

人脸关键点包括人脸中眉毛、眼睛、鼻子、嘴巴、脸部轮廓等关键部位的像素点，人脸关键点检测用于从人脸图像中定位出这些关键部位的位置。

目前，相关技术中提供了一种检测人脸关键点的方法，该方法采用深度学习算法来检测人脸关键点，通过多个层级的级联卷积神经网络对人脸图像进行特征提取，获得人脸关键点。

但相关技术中的卷积神经网络模型往往需要较深的网络层数，通过更深层的网络和巨大的训练参数来达到较高的准确率。但模型的数据规模很大，响应速率慢，模型对硬件的需求很高，很难应用于计算资源较小的移动端芯片上。

发明内容

本申请提出一种人脸关键点检测方法、装置、设备及存储介质，通过预设模型大小系数来压缩人脸检测模型的数据规模，在确保检测人脸关键点的准确率的基础上，能够有效缩小人脸检测模型的大小，使人脸检测模型的响应速度更快，且占用更少的内存资源，能够适用于计算资源较小的移动端芯片。

本申请第一方面实施例提出了一种人脸关键点检测方法，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。

在本申请的一些实施例中，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。

在本申请的一些实施例中，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。

在本申请的一些实施例中，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。

在本申请的一些实施例中，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。

在本申请的一些实施例中，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：