[发明专利]人脸特征点定位方法及系统有效

专利信息
申请号: 201811052432.1 申请日: 2018-09-10
公开(公告)号: CN109376593B 公开(公告)日: 2020-12-29
发明(设计)人: 陈继;谢衍涛 申请(专利权)人: 杭州格像科技有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 北京维澳专利代理有限公司 11252 代理人: 王立民;周放
地址: 310026 浙江省杭州市西湖区文*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 特征 定位 方法 系统
【权利要求书】:

1.一种人脸特征点定位方法,其特征在于,包括:

获取待进行人脸检测的图像;

根据所述图像得到人脸矩形框图像;

对所述人脸矩形框图像进行检测,得到第一特征点坐标;

根据所述第一特征点坐标得到第一坐标通道信息,所述坐标通道信息包括:X坐标通道信息和Y坐标通道信息,通道信息由矩阵表示,矩阵的行数和列数与图像的宽高是对应的,构建步骤如下:

(1)设图像的宽是W,高是H,特征点P的坐标是(x,y);

(2)生成X通道,即矩阵XH×W,其元素xij=j-x,其中:i∈[0,H),j∈[0,W);

将所述第一坐标通道信息和颜色通道输入到卷积神经网络,得到人脸特征点的空间坐标。

2.根据权利要求1所述的人脸特征点定位方法,其特征在于,所述第一特征点包括两个眼睛特征点和一个嘴巴特征点。

3.根据权利要求1所述的人脸特征点定位方法,其特征在于,还包括:

根据所述人脸特征点的空间坐标,更新第一坐标通道信息;

将更新后的第一坐标通道信息和颜色通道输入到卷积神经网络,得到更新的人脸特征点的空间坐标。

4.根据权利要求1所述的人脸特征点定位方法,其特征在于,所述卷积神经网络包括输入层、特征提取层和线性回归层;

所述输入层用于将所述第一坐标通道信息和颜色通道合成一个通道的张量;

所述特征提取层用于学习特征提取算子并提取图像特征;

所述线性回归层用于将所述图像特征转换为人脸特征点的空间坐标。

5.根据权利要求1所述的人脸特征点定位方法,其特征在于,所述人脸特征点的空间坐标包括至少60个特征点的空间坐标。

6.一种人脸特征点定位系统,其特征在于,包括:

获取单元,用于获取待进行人脸检测的图像;

第一图像处理单元,用于根据所述图像得到人脸矩形框图像;

检测单元,用于对所述人脸矩形框图像进行检测,得到第一特征点坐标;

第一计算单元,用于根据所述第一特征点坐标得到第一坐标通道信息,所述坐标通道信息包括:X坐标通道信息和Y坐标通道信息,通道信息由矩阵表示,矩阵的行数和列数与图像的宽高是对应的,构建步骤如下:

(1)设图像的宽是W,高是H,特征点P的坐标是(x,y);

(2)生成X通道,即矩阵XH×W,其元素xij=j-x,其中:i∈[0,H),j∈[0,W);

第二计算单元,用于将所述第一坐标通道信息和颜色通道输入到卷积神经网络,得到人脸特征点的空间坐标。

7.根据权利要求6所述的人脸特征点定位系统,其特征在于,所述第一特征点包括两个眼睛特征点和一个嘴巴特征点。

8.根据权利要求6所述的人脸特征点定位系统,其特征在于:

所述第一计算单元,还用于根据所述人脸特征点的空间坐标,更新第一坐标通道信息;

所述第二计算单元,还用于将更新后的第一坐标通道信息和颜色通道输入到卷积神经网络,得到更新的人脸特征点的空间坐标。

9.根据权利要求6所述的人脸特征点定位系统,其特征在于,所述卷积神经网络包括输入层、特征提取层和线性回归层;

所述输入层用于将所述第一坐标通道信息和颜色通道合成一个通道的张量;

所述特征提取层用于学习特征提取算子并提取图像特征;

所述线性回归层用于将所述图像特征转换为人脸特征点的空间坐标。

10.根据权利要求6所述的人脸特征点定位系统,其特征在于,所述人脸特征点的空间坐标包括至少60个特征点的空间坐标。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州格像科技有限公司,未经杭州格像科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811052432.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top