[发明专利]人脸关键点检测的方法、装置及系统

权利要求书

1.一种人脸关键点检测的方法，其特征在于，包括：

根据待检测人脸图像，获得人脸区域图像；

将所述人脸区域图像作为目标人脸检测模型的输入；其中，所述目标人脸检测模型用于获取待检测人脸图像对应关键特征点及所述关键特征点位置的模型；

通过所述目标人脸检测模型输出所述人脸区域图像对应的关键特征点及所述关键特征点位置；

将所述人脸区域图像作为目标人脸检测模型的输入之前，还包括：

构建初始人脸检测模型；其中，所述初始人脸检测模型包括依次连接的幅度卷积层、BN层、池化层、激活层以及全连接层；所述幅度卷积层包括卷积核更新支路、幅度矩阵更新支路；所述卷积核更新支路用于在初始人脸检测模型训练时经过前向传播过程中根据预设初始卷积核进行二值化，得到二值化卷积核，且在初始人脸检测模型训练时反向传播过程中根据预设幅度损失函数计算卷积核矩阵梯度；所述幅度矩阵更新支路用于在所述初始人脸检测模型训练时经过前向传播过程中得到幅度均值矩阵，且用于在所述初始人脸检测模型训练时反向传播过程中根据预设幅度损失函数计算幅度矩阵梯度；所述幅度卷积层用于提取所述人脸区域图像的局部特征图，所述BN层用于将所述局部特征图进行线性化处理，得到归一局部特征图；所述激活层用于在归一局部特征图中加入非线性因素，得到增强表达的局部特征图；所述池化层用于获取增强表达的局部特征图以及对应区域的位置；全连接层用于将增强表达的局部特征图以及对应区域的位置进行整体连接，得到人脸处理图像；其中，所述人脸处理图像包含关键特征点以及所述关键特征点位置；

通过预设训练数据集训练所述初始人脸检测模型，得到所述目标人脸检测模型。

2.根据权利要求1所述的方法，其特征在于，所述初始人脸检测模型训练时经过前向传播过程是指：所述人脸区域图像经过幅度卷积层的二值化卷积核提取局部特征图之后，依次通过BN层、激活层、池化层以及全连接层输出人脸处理图像；所述初始人脸检测模型训练时经过反向传播过程是指：在幅度卷积层中根据预设总损失函数，利用预设卷积核矩阵计算得到卷积核矩阵梯度、幅度矩阵梯度；并根据所述卷积核矩阵梯度、所述幅度矩阵梯度更新所述卷积核矩阵。

3.根据权利要求1所述的方法，其特征在于，通过预设训练数据集训练所述初始人脸检测模型，得到所述目标人脸检测模型，包括：

构建所述初始人脸检测模型的总损失函数；

根据预设初始幅度矩阵、初始卷积核矩阵，迭代训练所述初始人脸检测模型的幅度矩阵更新支路、卷积核更新支路，以使所述幅度矩阵更新支路、卷积核更新支路的总损失函数的损失值收敛或者小于预设阈值。

4.根据权利要求1所述的方法，其特征在于，还包括：

采用预设存储量的目标人脸检测模型输出待检测人脸图像对应关键特征点以及所述关键特征点位置。

5.根据权利要求1所述的方法，其特征在于，根据待检测人脸图像，获得人脸区域图像包括：

从所述待检测人脸图像中识别出人脸区域；

按照预设的尺寸，从所述待检测人脸图像中裁剪出包含所述人脸区域的图像，并进行预处理得到所述人脸区域图像。

6.根据权利要求1所述的方法，其特征在于，通过所述目标人脸检测模型输出所述人脸区域图像对应的关键特征点及所述关键特征点位置之后，还包括：

根据预设平均误差函数，计算所述关键特征点位置与实际位置关键特征点之间的误差；

根据测试数据集训练次数将所述误差绘制为误差曲线；

将所述误差曲线与参考误差曲线进行对比，得到测试结果。