[发明专利]一种判定人脸点可见性的方法及计算设备

说明书

本发明公开了一种判定人脸点可见性的方法，先通过训练生成人脸点可见性判定模型，再通过该模型对待处理的人脸图像进行判定处理。其中，生成判定模型的的方法包括：获取经过标注的人脸图像作为训练图像；构建第一、第二、第三处理模块；将训练图像输入第一处理模块以输出每个人脸点的预测位置，并根据标注数据对第一处理模块进行训练；利用第二处理模块根据各人脸点的位置生成各人脸点的特征图；将各人脸点的特征图输入第三处理模块以输出表征各人脸点可见性的置信度，并根据标注数据对第三处理模块进行训练；根据训练后的第一处理模块、第二处理模块和训练后的第三处理模块生成人脸点可见性判定模型。本发明还公开了相应的计算设备。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种判定人脸点可见性的方法及计算设备。

背景技术

人脸特征点检测是在人脸检测的基础上进行的，对人脸上的特征点(例如嘴角、眼角)等进行定位的方案。人脸特征点检测在工程上有很多应用，例如：(1)改善人脸识别，通过人脸特征点检测将人脸对齐到平均脸，对齐后的人脸图像可以提高人脸识别算法的效果；(2)人脸融合，利用人脸特征点检测的结果，对两张不同的人脸图像进行融合，以达到类似“换脸”的效果；(3)人脸美妆，例如在人脸特征点检测的基础上实现添加腮红、眼影眼线、美瞳、戴眼镜等特效。由此可见，人脸特征点检测能够极大地满足不同用户的个性化需求，并且，只有在特征点检测地足够准确且速度很快的基础上，接下来的应用功能才能达到符合用户期望的效果。

深度神经网络在现如今的人脸特征点检测算法中应用广泛并且取得了很好的效果，但是当五官或者轮廓被遮挡住后，后续的应用就会出现误差。以人脸美妆为例，当五官被遮挡物部分遮挡时，继续基于人脸特征点做特效会导致妆容或者特效加在遮挡物上的问题。

因此，需要一种在人脸特征点检测及应用中，能够有效判定人脸点可见性的方案。

发明内容

为此，本发明提供了一种判定人脸点可见性的方法及计算设备，以力图解决或至少缓解上面存在的至少一个问题。

根据本发明的一个方面，提供了一种生成人脸点可见性判定模型的方法，适于在计算设备中执行，包括步骤：获取经过标注的人脸图像作为训练图像，训练图像具有相应的标注数据，标注数据包含所述训练图像中每个人脸点的位置及各人脸点的可见性值；构建第一处理模块、第二处理模块和第三处理模块；将训练图像输入所构建的第一处理模块进行处理，以输出训练图像中每个人脸点的预测位置，并根据标注数据对所构建的第一处理模块进行训练，以得到训练后的第一处理模块；利用第二处理模块根据各人脸点的位置生成各人脸点的特征图；将各人脸点的特征图输入所构建的第三处理模块进行处理，以输出表征各人脸点可见性的置信度，并根据标注数据对所构建的第三处理模块进行训练，以得到训练后的第三处理模块；以及根据所述训练后的第一处理模块、第二处理模块和训练后的第三处理模块生成人脸点可见性判定模型。

可选地，在根据本发明的方法中，根据标注数据对所构建的第一处理模块进行训练，以得到训练后的第一处理模块的步骤包括：按照第一损失函数计算每个人脸点的预测位置相对于标注数据中每个人脸点的位置的第一损失值，直到第一损失值满足预定条件时，得到训练后的第一处理模块。

可选地，在根据本发明的方法中，利用第二处理模块根据各人脸点的位置生成各人脸点的特征图的步骤包括：将训练图像输入训练后的第一处理模块中，得到各人脸点的预测位置和至少一个第一特征图；以及利用第二处理模块根据各人脸点的预测位置从至少一个第一特征图中裁剪出各人脸点的特征图。

可选地，在根据本发明的方法中，根据标注数据对所构建的第三处理模块进行训练，以得到训练后的第三处理模块的步骤包括：按照第二损失函数计算每个人脸点可见性的置信度相对于标注数据中每个人脸点的可见性值的第二损失值，直到第二损失值满足预定条件时，得到训练后的第三处理模块。