[发明专利]人脸特征点定位方法及系统有效
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 | ||
本发明公开了一种人脸特征点定位方法及系统,该方法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;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。本发明提供的人脸特征点定位方法及系统通过引入坐标信息通道,使得需要标注的图片数量减少,网络收敛更快,提高了特征点定位的精度,而且可以控制精度,以适合不同的应用场景。
技术领域
本发明涉及人脸识别领域,尤其涉及一种人脸特征点定位方法及系统。
背景技术
人脸特征点定位是指在给定人脸矩形框之后,标定出其中的人脸关键点位置,例如眼睛轮廓点、鼻子尖点等。
在深度学习方法流行之前,主流的人脸特征点定位方法都是从一个初始的特征点估计开始,通过扰动这些特征点,寻找到一个和人脸的最优匹配。其中,还需要设计特征提取算子,预设特征分布类型等。应用深度学习方法之后,就变成了端对端,输入一张人脸图像,输出的是特征点的坐标。但是,该方法的缺点是需要大量的标注图片,以及需要大量的计算用于模型训练。
发明内容
本发明的目的是提供一种人脸特征点定位方法及系统,以解决现有技术中的问题,以减少标注图片和计算的数量,提高人脸特征点定位的精度。
本发明提供了一种人脸特征点定位方法,其中,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;
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。
可选地,所述第一特征点包括两个眼睛特征点和一个嘴巴特征点。
可选地,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。
可选地,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。
可选地,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。
本发明还提供了一种人脸特征点定位系统,其中,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;
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。
可选地,所述第一特征点包括两个眼睛特征点和一个嘴巴特征点。
可选地: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;
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/201811052432.1/2.html,转载请声明来源钻瓜专利网。