[发明专利]一种人脸关键点检测模型训练方法、装置和设备

权利要求书

1.一种人脸关键点检测模型训练方法，其特征在于，包括：

获取通过第一人脸训练样本训练好的P-Net网络的第一输出结果，并基于所述第一输出结果和原始人脸训练样本获取第二人脸训练样本，所述第二人脸训练样本标注有人脸角度信息，所述第一人脸训练样本通过对所述原始人脸训练样本裁剪得到；

通过所述第二人脸训练样本训练R-Net网络，并获取训练过程中的所述R-Net网络的第一损失值；

根据所述第二人脸训练样本的人脸角度信息调整所述第一损失值，并通过调整后的所述第一损失值更新所述R-Net网络的网络参数，得到训练好的所述R-Net网络；

将所述第二人脸训练样本输入到训练好的所述R-Net网络，得到第二输出结果，根据所述第二输出结果和所述原始人脸训练样本获取第三人脸训练样本，所述第三人脸训练样本标注有人脸角度信息；

通过所述第三人脸训练样本训练O-Net网络，并获取训练过程中的所述O-Net网络的第二损失值；

根据所述第三人脸训练样本的人脸角度信息调整所述第二损失值，并通过调整后的所述第二损失值更新所述O-Net网络的网络参数，得到训练好的所述O-Net网络；

结合训练好的所述P-Net网络、训练好的所述R-Net网络和训练好的所述O-Net网络，得到人脸关键点检测模型，所述人脸关键点检测模型用于人脸检测、人脸框检测和人脸关键点检测。

2.根据权利要求1所述的人脸关键点检测模型训练方法，其特征在于，所述获取通过第一人脸训练样本训练好的P-Net网络的第一输出结果，并基于所述第一输出结果和原始人脸训练样本获取第二人脸训练样本，所述第二人脸训练样本标注有人脸角度信息，所述第一人脸训练样本通过对所述原始人脸训练样本裁剪得到，包括：

将第一人脸训练样本输入到训练好的P-Net网络进行人脸框预测，获取训练好的所述P-Net网络输出的所述第一人脸训练样本的人脸框预测结果，所述第一人脸训练样本通过对原始人脸训练样本裁剪得到；

根据所述第一人脸训练样本的人脸框预测结果对所述原始人脸训练样本进行裁剪，得到第二人脸训练样本，并根据所述第二人脸训练样本的人脸关键点坐标获取所述第二人脸训练样本的人脸角度信息。

3.根据权利要求1所述的人脸关键点检测模型训练方法，其特征在于，所述将所述第二人脸训练样本输入到训练好的所述R-Net网络，得到第二输出结果，根据所述第二输出结果和所述原始人脸训练样本获取第三人脸训练样本，所述第三人脸训练样本标注有人脸角度信息，包括：

将第二人脸训练样本输入到训练好的所述R-Net网络进行人脸框预测，获取训练好的所述R-Net网络输出的所述第二人脸训练样本的人脸框预测结果；

根据所述第二人脸训练样本的人脸框预测结果对所述原始人脸训练样本进行裁剪，得到第三人脸训练样本，并根据所述第三人脸训练样本的人脸关键点坐标获取所述第三人脸训练样本的人脸角度信息。

4.根据权利要求1-3任一项所述的人脸关键点检测模型训练方法，其特征在于，所述方法还包括：

根据所述第二人脸训练样本或所述第三人脸训练样本的人脸角度信息，将人脸角度超过预置角度范围的所述第二人脸训练样本或所述第三人脸训练样本作为非目标训练样本，将人脸角度在所述预置角度范围内的所述第二人脸训练样本或所述第三人脸训练样本作为目标训练样本；

对所述非目标训练样本进行数据增强，得到增强训练样本；

融合所述增强训练样本和所述目标训练样本，得到预处理后的所述第二人脸训练样本或预处理后的所述第三人脸训练样本。

5.根据权利要求1所述的人脸关键点检测模型训练方法，其特征在于，调整后的所述第一损失值或调整后的所述第二损失值为：

式中，L为调整前的第一损失值或第二损失值，为调整后的第一损失值或第二损失值，C＝1、2、3，θ¹、θ²、θ³分别为人脸角度信息中的pitch角、yaw角、roll角。