[发明专利]人脸关键点定位方法、装置、存储介质及电子设备

权利要求书

1.一种人脸关键点定位方法，其特征在于，所述方法包括：

根据预设人脸模板，在人脸图像上预生成初始关键点；

针对所述人脸图像上的目标关键点执行以下更新操作：

确定包括所述目标关键点的关键点集合，并对所述关键点集合中的所有关键点的坐标进行局部优化；

根据所述关键点集合中的所有关键点局部优化前后的坐标，确定用于对所述目标关键点进行全局优化的函数关系式；

将所述目标关键点局部优化更新前的坐标代入所述函数关系式，得到所述目标关键点全局优化后的坐标，并将所述目标关键点全局优化后的坐标作为所述目标关键点本次坐标更新的结果；

其中，所述目标关键点是所述人脸图像上的任一关键点；

所述对所述关键点集合中的所有关键点的坐标进行局部优化包括：

针对所述关键点集合中的每一关键点执行以下操作：

通过如下公式计算所述关键点当前所处邻域范围内所有像素点对所述关键点的综合作用向量：

其中，为人脸关键点o在预设邻域Ψ_o内所受的综合作用向量，w_p为对所述预设邻域Ψ_o内除所述人脸关键点o以外的其他关键点p到所述人脸关键点o的距离进行归一化计算得到的空间权值，d(p,o)为所述人脸关键点o到所述其他关键点p的距离，ρ_p为所述其他关键点p的梯度幅值；

根据所述计算的综合作用向量，对所述关键点的坐标进行局部优化。

2.根据权利要求1所述的方法，其特征在于，所述根据所述关键点集合中的所有关键点局部优化前后的坐标，确定用于对所述目标关键点进行全局优化的函数关系式，包括：

根据所述关键点集合中所有关键点局部优化前的坐标以及局部优化后的坐标建立全局拓扑约束方程；

通过最小二乘法求解所述全局拓扑约束方程，得到所述函数关系式。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

在所述目标关键点局部优化前的坐标与所述目标关键点全局优化后的坐标的误差平方和小于预设阈值时，停止对所述目标关键点的更新；

在所述目标关键点局部优化前的坐标与所述目标关键点全局优化后的坐标的误差平方和不小于预设阈值时，再次执行对所述目标关键点的所述更新操作。

4.一种人脸关键点装置，其特征在于，所述装置包括：

生成模块，用于根据预设人脸模板，在人脸图像上预生成初始关键点；

更新模块，用于针对所述人脸图像上的目标关键点执行更新操作，其中，所述更新模块包括：

局部优化子模块，用于确定包括所述目标关键点的关键点集合，并对所述关键点集合中的所有关键点的坐标进行局部优化；

全局优化子模块，用于根据所述关键点集合中的所有关键点局部优化前后的坐标，确定用于对所述目标关键点进行全局优化的函数关系式，并将所述目标关键点局部优化更新前的坐标代入所述函数关系式，得到所述目标关键点全局优化后的坐标，并将所述目标关键点全局优化后的坐标作为所述目标关键点本次坐标更新的结果；

其中，所述目标关键点是所述人脸图像上的任一关键点；

所述局部优化子模块用于：

针对所述关键点集合中的每一关键点执行以下操作：

通过如下公式计算所述关键点当前所处邻域范围内所有像素点对所述关键点的综合作用向量：

其中，为人脸关键点o在预设邻域Ψ_o内所受的综合作用向量，w_p为对所述预设邻域Ψ_o内除所述人脸关键点o以外的其他关键点p到所述人脸关键点o的距离进行归一化计算得到的空间权值，d(p,o)为所述人脸关键点o到所述其他关键点p的距离，ρ_p为所述其他关键点p的梯度幅值；

根据所述计算的综合作用向量，对所述关键点的坐标进行局部优化。

5.根据权利要求4所述的装置，其特征在于，所述全局优化子模块用于：

根据所述关键点集合中所有关键点局部优化前的坐标以及局部优化后的坐标建立全局拓扑约束方程；

通过最小二乘法求解所述全局拓扑约束方程，得到所述函数关系式。