[发明专利]人脸关键点检测方法和人脸关键点检测装置

说明书

本发明公开了一种人脸关键点检测方法和装置。包括获取当前用户的人体深度图像并提取人体深度图像中的人脸深度图像；根据人脸深度图像，生成初始三维人脸点云并对其进行预处理，消除初始三维人脸点云中的噪点和/或空洞，并进行归一化处理，以获得中间三维人脸点云并根据其检测人脸鼻尖点；根据人脸鼻尖点，将中间三维人脸点云进行姿态矫正，以获得目标三维人脸点云；根据预设的巴塞尔人脸模型与目标三维人脸点云，建立优化模型，并根据优化模型生成拟合三维人脸图像；根据拟合三维人脸图像，确定人脸关键点。本发明的检测方法可以提高精确度，能够得到精准的人脸关键点的位置。

技术领域

本发明涉及人脸检测技术领域，特别涉及一种人脸关键点检测方法和一种人脸关键点检测装置。

背景技术

近年来，生物识别技术的出现，能够有效的保障人们的财产安全、人身安全、隐私安全以及社会秩序的稳定，生物识别包括声音识别、手掌识别、指纹识别、人脸识别等，而其中的人脸识别技术是生物识别的一个较新的研究方向，和其它的识别技术相比较，人脸识别有着非接触性、非强制性和并行性的优点，已经广泛应用在银行、企业、安防、手机、电子商务等领域。

目前，人脸识别方面比较成熟的是二维人脸识别，在特定条件下能够满足人们的需求，但是，实际的外界环境时刻在变化，人脸本身也丰富多样，二维人脸识别往往受到光照、姿态和表情的影响，这些因素都可能导致识别失败或者错误识别。

为了克服上面的问题，近几年好多人开始研究三维人脸识别，三维人脸比二维人脸有着更加丰富的信息，即增加了深度信息，如果能够在这些信息中提取到一些表征人脸的唯一特征，有望打破二维人脸识别的瓶颈。考虑到识别速度，直接用整个三维人脸去做匹配不太现实，而在人脸上找到一些能够表征人脸整体和局部特征的关键点，利用关键点构造一些人脸的唯一特征，能够有效的提高人脸识别的效率，因此，关键点检测是人脸识别过程中重要的一步，检测关键点的个数影响识别的速度，检测关键点的精度影响人脸识别的识别率。

目前已有一些三维人脸关键点检测方法，例如，相关技术中通过判断人脸上每一点的凹凸性，从而得到鼻尖点，利用鼻尖点构造出一些人脸特征来匹配识别，这种方法只用到一个关键点，提取的特征不够丰富，只能区分几十张人脸，在大数据情况下并不实用。再例如，还有的相关技术中，将SI和一些曲率特征相结合，检测到人脸上14个关键点(左内外眼角、鼻跟点、右内外眼角、鼻根点、左鼻翼，右鼻翼，鼻隔点，左右嘴唇，上下嘴唇，颏前点)，这种检测方法在噪声、缺失影响下，误差比较大，会直接影响人脸识别的识别率。此外，还有的相关技术中，利用一些手工标记关键点的训练集，得到每个关键点周围的一些平均特征，利用这些平均特征在输入人脸上寻找对应的关键点，因为这些平均特征没有唯一表征性，往往会导致关键点检测较大偏差，甚至完全不对应，更不利于之后的人脸识别。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提出了一种人脸关键点检测方法和一种人脸关键点检测装置。

为了实现上述目的，本发明的第一方面，提供了一种人脸关键点检测方法，包括：

步骤S110、获取当前用户的人体深度图像，其中，所述人体深度图像包括人脸深度图像、身体深度图像和背景深度图像；

步骤S120、提取所述人体深度图像中的人脸深度图像；

步骤S130、根据所述人脸深度图像，生成初始三维人脸点云；

步骤S140、对所述初始三维人脸点云进行预处理，消除所述初始三维人脸点云中的噪点和/或空洞，并进行归一化处理，以获得中间三维人脸点云；

步骤S150、根据所述中间三维人脸点云，检测人脸鼻尖点；

步骤S160、根据所述人脸鼻尖点，将所述中间三维人脸点云进行姿态矫正，以获得目标三维人脸点云；