[发明专利]一种基于头部照片的属性分析方法、系统和计算机设备

权利要求书

1.一种基于头部照片的属性分析方法，其特征在于，包括：

获取商场内图片或/和视频数据，从中提取单张图片；

通过训练好的第一神经网络模型对所述单张图片进行人脸检测，获取人脸框位置和面部特征点位置；根据所述人脸框位置和面部特征点位置进行图片矫正和截取，获得人物人脸框图片；

通过训练好的第二神经网络模型对所述人物人脸框图片进行人物头部属性分析，获得人物头部属性的置信度；

根据人物头部属性选择策略确定人物头部属性，输出对应的属性及置信度。

2.根据权利要求1所述的基于头部照片的属性分析方法，其特征在于，所述通过训练好的第一神经网络模型对所述单张图片进行人脸检测，获取人脸框位置和面部特征点位置；根据所述人脸框位置和面部特征点位置进行图片矫正和截取，获得人物人脸框图片，具体包括：

步骤a1，通过训练好的第一神经网络模型对所述单张图片进行人物人脸框检测，获取人物人脸框位置和面部特征点位置；其中，所述人物人脸框位置包括人物人脸框的左上角的坐标和人物人脸框右下角的坐标；面部特征点包括左眼瞳孔、右眼瞳孔、鼻尖、嘴巴最左点和嘴巴最右点；所述面部特征点位置包括上述五个面部特征点的坐标；

步骤a2，根据所述左眼瞳孔和右眼瞳孔的位置，计算双瞳孔的连线与水平线的夹角；将双瞳孔连线的中点，与嘴巴最左点和嘴巴最右点两点连线的中点进行连接作为纵线，对所述纵线从上到下去线段的预设值作为图像的中心点；以所述中心点为中心，逆向旋转所述夹角的度数，得到双瞳水平的照片；

步骤a3，根据所述人脸框位置进行预设比例的扩增，截取扩增后的人脸框中的图片，获得人物人脸框图片。

3.根据权利要求2所述的基于头部照片的属性分析方法，其特征在于，所述第一神经网络模型采用MTCNN模型，所述MTCNN模型包括P-Net网络、R-Net网络和O-Net网络。

4.根据权利要求3所述的基于头部照片的属性分析方法，其特征在于，所述第一神经网络模型的损失函数表示如下：

其中，N是预设人物人脸框的正样本数量；α_det、α_box和α_landmark表示分别表示人脸分类损失、人脸框和面部特征点损失的权重；表示是否人脸输入；和分别表示人脸分类损失函数、人脸框损失函数和面部特征点损失函数。

5.根据权利要求1所述的基于头部照片的属性分析方法，其特征在于，所述第二神经网络模型使用LightCNN作为特征抽取层，使用预设大小的彩色图片作为输入，经过LightCNN抽取特征后，对接全连接层最终输出若干个[0，1]的概率值来标志对若干种属性的置信度。

6.根据权利要求1所述的基于头部照片的属性分析方法，其特征在于，所述根据人物头部属性选择策略确定人物头部属性，输出对应的属性及置信度，包括：

将人物头部属性归类为互斥类或平行类；所述互斥类包括表情、发型、发色、胡子和脸型属性；所述平行类包括穿戴和化妆属性；

输出互斥类中置信度最大的属性及对应的置信度，同时输出平行类中的所有属性及对应的置信度。

7.根据权利要求6所述的基于头部照片的属性分析方法，其特征在于，对于互斥类，采用交叉熵作为损失函数，如下：

对于平行类，采用均方差作为损失函数，如下：

其中，均表示所有预测的属性的概率值，y均表示所有预测属性的真实值，y∈{0，1}，0代表本张图片没有这个属性，1代表本张图片有这个属性；均表示第i个属性的预测概率值；y_i均表示第i个属性的真实值；n代表全部属性的种类数。

8.根据权利要求1所述的基于头部照片的属性分析方法，其特征在于，所述基于头部照片的属性分析方法，还包括：

逐一分析从商场录像数据中提取的多张图片，基于每张图片输出的人物头部属性及其置信度，分析商场内顾客的头部属性分布以进行商品策略调整。