[发明专利]一种人脸额头关键点的识别方法

权利要求书

1.一种人脸额头关键点的识别方法，其特征在于，所述方法包括：

A确定人脸额头上的的特征点和关键点；

B打开Fiji图形标准工具，通过Fiji软件对提供的标记图片中感兴趣的点获取坐标，并对收集到的人脸正脸图片数据集进行标注；

C利用Matlab对标记图片进行预处理；

D下载ResNet网络，并作为人脸轮廓关键点识别中的特征提取器；

E用确定好的人脸额头关键点数据对网络进行训练，训练的目标函数是图像的交叉熵损失函数，用梯度下降法求解使得损失函数取得全局最小值或局部最小值对应的模型参数，得到训练完成的神经网络模型。

2.如权利要求1所述的人脸额头关键点的识别方法，其特征在于，所述步骤A具体包括：

先确定人脸额头上易于辨识的特征点，包括额头顶点、通过人脸左右眉毛毛尖的法线与人脸轮廓的交点，并称为眉尖法交点；

然后确定不太易于辨识的关键点，包括通过左眉尖法交点到额头顶点之间等距取5个点，右眉尖法交点到额头顶点之间等距取5个点。

3.如权利要求1所述的人脸额头关键点的识别方法，其特征在于，所述步骤B中：在linux/ubuntu操作系统环境下，打开Fiji图形标准工具软件，利用软件提供的标记图片中感兴趣的点并获取其坐标的工具，对收集到的人脸正脸图片数据集进行标注，并将标注的关键点以CSV文件格式存储，方便后续数据的读取。

4.如权利要求1所述的人脸额头关键点的识别方法，其特征在于，所述步骤C具体包括：利用Matlab编写程序对图片的边缘进行补零处理，使所有图片尺寸相同，具体过程包括以下步骤：

(1)求出所有图片的最大宽度和高度

MaxWidth＝max{pic(i)(width)},i＝1,…,n

MaxHeight＝max{pic(i)(height)},i＝1,…,n

其中n表示样本个数；

(2)对每张图片进行横向补零处理：

A_new＝[B_H×M,A_H×W,B_H×K]

其中，H为图片的高度，W为宽度；K＝MaxWidth-M，[.]表示高斯取整函数；

(3)对每张图片进行纵向补零处理：

A_new＝[B_P×MaxWidth；A_H×MaxWidth；B_Q×MaxWidth]

其中，H为图片的高度，W为宽度；Q＝MaxHeight-P；[.]表示高斯取整函数。

5.如权利要求1所述的人脸额头关键点的识别方法，其特征在于，所述步骤D具体包括：

从网络上下载已经构建好的在数据集ImageNet上经过预先训练的ResNet网络作为整个算法的特征提取器；ResNet的一个基本结构，可用如下函数表示：

F＝W₂σ(W₁x)

y＝F(x,W₁,W₂)+x

其中，x、y分别表示网络的输入、输出；σ表示ReLU激活函数，W₁、W₂分别表示第一、二层网络的权重；整个ResNet网络结构由此基本结构层层叠加而成。

6.如权利要求1所述的人脸额头关键点的识别方法，其特征在于，所述步骤E中网络训练的内容包括：

网络的训练可由如下最优化公式：

其中p_out表示神经网络的模型，是关于网络权重的函数；N_ap表示样本个数；然后利用梯度下降法求解出使得上述方程取值最小时所对应的神经网络权重，获得训练完成的神经网络模型。