[发明专利]人脸关键点检测方法和装置有效
| 申请号: | 201811149799.5 | 申请日: | 2018-09-29 |
| 公开(公告)号: | CN109255337B | 公开(公告)日: | 2020-04-28 |
| 发明(设计)人: | 胡耀全 | 申请(专利权)人: | 北京字节跳动网络技术有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00 |
| 代理公司: | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人: | 王达佐;马晓亚 |
| 地址: | 100041 北京市石景山区*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 关键 检测 方法 装置 | ||
本申请实施例公开了人脸关键点方法和装置。该方法的一具体实施方式包括:获取历史帧中的历史人脸关键点;确定该历史人脸关键点转换到预先获取的关键点均值的变换矩阵;基于该变换矩阵,对当前帧中的人脸区域进行仿射变换,得到仿射变换后的人脸区域,其中,该当前帧与该历史帧之间相差的帧数小于或等于预设阈值;对该仿射变换后的人脸区域进行关键点检测,得到初始关键点,利用该变换矩阵的逆矩阵对该初始关键点进行位置变换,得到该当前帧的关键点。本申请实施例提供的方法能够利用关键点均值,得到易于进行关键点检测的仿射变换后人脸区域。继而,对仿射变换后人脸区域进行关键点检测,可以得到准确的当前帧的关键点。
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及人脸关键点方法和装置。
背景技术
通过卷积神经网络可以对人脸进行检测,以得到人脸的关键点。在人脸呈现不同角度的时候,通过卷积神经网络从人脸中获取关键点的难度也有所不同。
发明内容
本申请实施例提出了人脸关键点方法和装置。
第一方面,本申请实施例提供了一种人脸关键点方法,包括:获取历史帧中的历史人脸关键点;确定历史人脸关键点转换到预先获取的关键点均值的变换矩阵;基于变换矩阵,对当前帧中的人脸区域进行仿射变换,得到仿射变换后的人脸区域,其中,当前帧与历史帧之间相差的帧数小于或等于预设阈值;对仿射变换后的人脸区域进行关键点检测,得到初始关键点,利用变换矩阵的逆矩阵对初始关键点进行位置变换,得到当前帧的关键点。
在一些实施例中,历史帧为当前帧的上一帧人脸图像。
在一些实施例中,预先获取的关键点均值通过如下方式得到:
获取多个历史帧,对多个历史帧进行人脸检测,得到多个人脸边框,其中,多个历史帧包含面向不同方向的人脸,所获取的历史帧的数量大于目标数量;确定多个人脸边框所包括的局部图像,将各个局部图像的尺寸统一为预设尺寸,得到多个目标人脸图像;对各个目标人脸图像进行关键点检测,以得到各个目标人脸图像所包含人脸的关键点,确定各个目标人脸图像的关键点的平均值。
在一些实施例中,获取历史帧中的历史人脸关键点,包括:对历史帧进行关键点检测,得到历史帧中的历史人脸关键点。
在一些实施例中,基于变换矩阵,对当前帧中的人脸区域进行仿射变换,包括:对当前帧进行人脸检测,得到包括人脸区域的人脸边框;确定人脸区域在当前帧所对应的图像矩阵中的局部矩阵;基于局部矩阵和变换矩阵,对人脸区域进行仿射变换。
第二方面,本申请实施例提供了一种人脸关键点检测装置,包括:获取单元,被配置成获取历史帧中的历史人脸关键点;确定单元,被配置成确定历史人脸关键点转换到预先获取的关键点均值的变换矩阵;变换单元,被配置成基于变换矩阵,对当前帧中的人脸区域进行仿射变换,得到仿射变换后的人脸区域,其中,当前帧与历史帧之间相差的帧数小于或等于预设阈值;检测单元,被配置成对仿射变换后的人脸区域进行关键点检测,得到初始关键点,利用变换矩阵的逆矩阵对初始关键点进行位置变换,得到当前帧的关键点。
在一些实施例中,历史帧为当前帧的上一帧人脸图像。
在一些实施例中,预先获取的关键点均值通过如下方式得到:获取多个历史帧,对多个历史帧进行人脸检测,得到多个人脸边框,其中,多个历史帧包含面向不同方向的人脸,所获取的历史帧的数量大于目标数量;确定多个人脸边框所包括的局部图像,将各个局部图像的尺寸统一为预设尺寸,得到多个目标人脸图像;对各个目标人脸图像进行关键点检测,以得到各个目标人脸图像所包含人脸的关键点,确定各个目标人脸图像的关键点的平均值。
在一些实施例中,获取历史帧中的历史人脸关键点,包括:对历史帧进行关键点检测,得到历史帧中的历史人脸关键点。
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北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,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/201811149799.5/2.html,转载请声明来源钻瓜专利网。





