[发明专利]人脸检测模型的训练方法、人脸关键点的检测方法和装置

权利要求书

1.一种人脸检测模型的训练方法，其特征在于，包括：

获取训练人脸图像；

基于预设的三维人脸模型对所述训练人脸图像进行三维重建，得到训练三维人脸模型；

根据所述训练三维人脸模型，生成包含所述训练三维人脸模型的三维坐标的训练UV坐标图；

提取训练人脸图像；

将所述训练人脸图像输入语义分割网络中提取预测UV坐标图；

采用预设损失函数和所述训练UV坐标图对所述预测UV坐标图计算损失率；

采用所述损失率计算梯度；

判断所述梯度是否满足预设的迭代条件；

若是，则确定所述语义分割网络为人脸检测模型；

若否，采用所述梯度与预设的学习率对所述语义分割网络的网络参数进行梯度下降，返回提取训练人脸图像的步骤；

所述基于预设的三维人脸模型对所述训练人脸图像进行三维重建，得到训练三维人脸模型，包括：

选取M个三维人脸模型；

对所述M个三维人脸模型进行主成分分析，得到主成分分量矩阵和特征值矩阵；

针对每个训练人脸图像，采用所述主成分分量矩阵和所述特征值矩阵进行三维重建，得到训练三维人脸模型。

2.如权利要求1所述的方法，其特征在于，在对所述M个三维人脸模型进行主成分分析，得到主成分分量矩阵和特征值矩阵之前，包括：

对选取的三维人脸模型进行预处理；

采用光流法对预处理后的三维人脸模型进行对齐，得到对齐后的三维人脸模型；

其中，所述预处理包括如下至少一种：平滑处理、补洞处理和坐标矫正。

3.如权利要求1或2所述的方法，其特征在于，所述针对每个训练人脸图像，采用所述主成分分量矩阵和所述特征值矩阵进行三维重建，得到训练三维人脸模型，包括：

设置初始特征值矩阵和初始投影参数矩阵；

采用所述初始特征值矩阵和所述主成分分量矩阵构建初始三维人脸模型；

基于所述初始投影参数矩阵，获取所述初始三维人脸模型在二维空间的投影人脸图像；

计算所述投影人脸图像与所述训练人脸图像之间的差异值；

根据所述差异值，采用随机梯度下降法分别对所述初始特征值矩阵和所述初始投影参数矩阵进行迭代优化，获得所述差异值收敛时的特征值矩阵和投影参数矩阵，作为目标特征值矩阵和目标投影参数矩阵；

采用所述目标特征值矩阵和所述主成分分量矩阵生成训练三维人脸模型。

4.如权利要求3所述的方法，其特征在于，所述根据所述差异值，采用随机梯度下降法分别对所述初始特征值矩阵和所述初始投影参数矩阵进行迭代优化，获得所述差异值收敛时的特征值矩阵和投影参数矩阵，作为目标特征值矩阵和目标投影参数矩阵，包括：

针对前N轮迭代优化，在所述训练人脸图像和所述投影人脸图像中随机选取K个特征点；

根据所述K个特征点计算所述投影人脸图像与训练人脸图像之间的差异值；

根据所述差异值，采用随机梯度下降法对所述初始特征值矩阵中的部分特征值和所述初始投影参数矩阵进行迭代优化；

在N轮迭代优化后，采用随机梯度下降法对所有特征值和所述初始投影参数矩阵进行优化，获得所述差异值收敛时的特征值矩阵和投影参数矩阵，作为目标特征值矩阵和目标投影参数矩阵。

5.如权利要求1-2任一项所述的方法，其特征在于，所述根据所述训练三维人脸模型，生成包含所述训练三维人脸模型的三维坐标的训练UV坐标图，包括：

获取所述训练三维人脸模型的顶点，所述顶点具有三维坐标；

将所述顶点投影至预设球面上，得到顶点在所述球面上的投影点；

对包含所述投影点的球面进行展开处理，以生成包含所述投影点的训练UV坐标图；其中，所述训练UV坐标图中的每个投影点关联有所述顶点的三维坐标。

6.如权利要求1所述的方法，其特征在于，所述采用预设损失函数和所述训练UV坐标图对所述预测UV坐标图计算损失率，包括：

获取所述训练人脸图像对应的训练UV坐标图；

采用所述训练UV坐标图、所述预测UV坐标图、预设损失函数以及预设损失权重计算损失率，其中，所述预设损失权重为预设特征点的权重。