[发明专利]正脸定位方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种正脸定位方法，其特征在于，所述方法包括：

获取原始正脸训练集，对所述原始正脸训练集中的图像进行图像增强处理，得到标准正脸训练集；

基于预设的第一轻量神经网络及第二神经网络构造正脸定位网络；

利用所述正脸定位网络生成所述标准正脸训练集中图像的正脸预测置信度图及正脸预测尺寸图，根据所述正脸预测置信度图及所述正脸预测尺寸图对所述正脸定位网络进行串联损失训练，得到正脸定位模型；

利用所述正脸定位模型对待检测正脸图像进行正脸定位，并输出正脸定位坐标。

2.如权利要求1所述的正脸定位方法，其特征在于，所述对所述原始正脸训练集中的图像进行图像增强处理，得到标准正脸训练集，包括：

依次对所述原始正脸训练集中的图像进行随机裁剪及拼接，得到拼接图像；

对所述拼接图像进行随机图像抖动，得到增强图像，汇总所有的增强图像得到所述标准正脸训练集。

3.如权利要求1中所述的正脸定位方法，其特征在于，所述基于预设的第一轻量神经网络及第二神经网络构造正脸定位网络，包括：

选择MobileNetV2神经网络作为第一轻量神经网络，并去除所述MobileNetV2神经网络的最后三层，并将去除后的MobileNetV2神经网络作为主干网络；

选择UNet神经网络作为所述第二神经网络，并将所述UNet神经网络作为检测网络添加至所述主干网络之后，得到拼接网络；

在所述拼接网络后设置特征金字塔网络，得到所述正脸定位网络。

4.如权利要求1所述的正脸定位方法，其特征在于，所述利用所述正脸定位网络生成所述标准正脸训练集中图像的正脸预测置信度图及正脸预测尺寸图，根据所述正脸预测置信度图及所述正脸预测尺寸图对所述正脸定位网络进行串联损失训练，得到正脸定位模型，包括：

根据所述标准正脸训练集中预先标注的真实框生成正脸真实置信度图及正脸真实尺寸图；

利用所述正脸定位网络输出所述标准训练集中图像的正脸的预测框；

根据所述预测框生成图像的正脸预测置信度图及正脸预测尺寸图；

根据所述正脸预测置信度图及所述正脸真实置信度图计算置信度损失，以及根据所述正脸真实尺寸图及所述正脸预测尺寸图计算宽度损失及高度损失；

利用预设的串联损失函数计算所述置信度损失、所述宽度损失及所述高度损失的串联损失；

当所述串联损失大于预设的损失阈值时，返回所述利用所述正脸定位网络输出所述标准训练集中图像的正脸的预测框的步骤，重复迭代训练，直至迭代次数满足预设的迭代阈值或所述正脸定位网络收敛时，停止训练，得到所述正脸定位模型。

5.如权利要求4所述的正脸定位方法，其特征在于，所述根据所述标准正脸训练集中预先标注的真实框生成正脸真实置信度图及正脸真实尺寸图，包括：

计算所述标准正脸训练集中图像预先标注的真实框的中心点位置，利用预设的置信度调整规则调整所述真实框中中心点位置的置信度及非中心点位置的置信度，得到所述正脸真实置信度图；

利用预设的位置映射公式对所述真实框进行位置映射，得到所述正脸真实尺寸图。

6.如权利要求4所述的正脸定位方法，其特征在于，所述根据所述正脸预测置信度图及所述正脸真实置信度图计算置信度损失，以及根据所述正脸真实尺寸图及所述正脸预测尺寸图计算宽度损失及高度损失，包括：

利用下述第一损失函数计算根据所述正脸预测置信度图及所述正脸真实置信度图的置信度损失：

利用下述第二损失函数计算所述正脸真实尺寸图及所述正脸预测尺寸图中的宽度损失值及高度损失值：

其中，α和β是损失函数的超参数，Y_x，y表示正脸真实置信度图上坐标(x，y)的真实值，表示预测置信度图坐标(x，y)对应的预测值，L_w为宽度损失值，L_h为高度损失值，w_k为真实宽度，为预测宽度，h_k为真实高度，为预测高度，N为标准正脸训练集中的图像总数。