[发明专利]人脸姿态估计方法、装置、终端及存储介质

权利要求书

1.一种人脸姿态估计方法，应用于终端中，其特征在于，所述方法包括：

输入待估计的人脸姿态图像；

根据第一分类模型对所述待估计的人脸姿态图像进行粗分类，以识别出所述待估计的人脸姿态图像是否为全侧脸人脸图像；

当所述第一分类模型识别出所述待估计的人脸姿态图像为全侧脸人脸图像时，输出待估计的人脸姿态图像为全侧脸；

当所述第一分类模型识别出所述待估计的人脸姿态图像不为全侧脸人脸图像时，根据残差神经网络模型对所述待估计的人脸姿态图像进行细分类，并输出待估计的人脸姿态图像的人脸姿态值，所述姿态值包括俯仰角、偏转角和翻滚角。

2.如权利要求1所述的人脸姿态估计方法，其特征在于，在所述输出待估计的人脸姿态图像为全侧脸之后，所述方法还包括：

对所述待估计的人脸姿态图像进行后处理，得到满足要求的人脸图像，所述后处理包括以下一种或多种的组合：对所述全侧脸人脸图像进行合成得到正面人脸图像、对所述全侧脸人脸图像进行搜索得到与所述全侧脸人脸图像相似度超过预设相似度阈值的人脸图像。

3.如权利要求2所述的人脸姿态估计方法，其特征在于，所述方法还包括：训练所述残差神经网络模型，包括：

构造样本集，包括：

人工标注68个人脸关键点；

获取68个人脸关键点的坐标值；

将预先生成的3D形变模型投影到所述68个人脸关键点的坐标值上，得到每个样本的人脸姿态值；

构造样本数据对，所述样本数据对包括：人脸姿态值及对应的人脸姿态图像；

训练端到端的网络模型，得到所述残差神经网络模型。

4.如权利要求1至3中任意一项所述的人脸姿态估计方法，其特征在于，

所述第一分类模型为8层残差神经网络模型；

所述残差神经网络模型为10层残差神经网络模型。

5.一种人脸姿态估计装置，安装于终端中，其特征在于，所述装置包括：

输入模块，用于输入待估计的人脸姿态图像；

第一分类模块，用于根据第一分类模型对所述待估计的人脸姿态图像进行粗分类，以识别出所述待估计的人脸姿态图像是否为全侧脸人脸图像；

第一输出模块，用于当所述第一分类模块根据所述第一分类模型识别出所述待估计的人脸姿态图像为全侧脸人脸图像时，输出待估计的人脸姿态图像为全侧脸；

第二分类模块，用于当所述第一分类模块根据所述第一分类模型识别出所述待估计的人脸姿态图像不为全侧脸人脸图像时，根据残差神经网络模型对所述待估计的人脸姿态图像进行细分类；及

第二输出模块，用于输出待估计的人脸姿态图像的人脸姿态值，所述姿态值包括俯仰角、偏转角和翻滚角。

6.如权利要求5所述的人脸姿态估计装置，其特征在于，所述装置还包括：

后处理模块，用于在所述第一输出模块输出待估计的人脸姿态图像为全侧脸之后，对所述待估计的人脸姿态图像进行后处理，得到满足要求的人脸图像，所述后处理包括以下一种或多种的组合：对所述全侧脸人脸图像进行合成得到正面人脸图像、对所述全侧脸人脸图像进行搜索得到与所述全侧脸人脸图像相似度超过预设相似度阈值的人脸图像。

7.如权利要求6所述的人脸姿态估计装置，其特征在于，所述第二分类模块还包括：

样本构造子模块，用于构造样本集，包括：

人工标注68个人脸关键点；

获取68个人脸关键点的坐标值；

将预先生成的3D形变模型投影到所述68个人脸关键点的坐标值上，得到每个样本的人脸姿态值；

构造样本数据对，所述样本数据对包括：人脸姿态值及对应的人脸姿态图像；

模型训练子模块，用于训练端到端的网络模型，得到所述残差神经网络模型。

8.如权利要求5至7中任意一项所述的人脸姿态估计装置，其特征在于，

所述第一分类模型为8层残差神经网络模型；

所述残差神经网络模型为10层残差神经网络模型。