[发明专利]一种基于分布式热力图的人脸3D关键点检测方法及系统

权利要求书

1.一种基于分布式热力图的人脸3D关键点检测方法，其特征在于，包括：

步骤101，将数据库中人脸关键点的N个3D参考坐标向量在三个二维平面进行降维投影；其中，所述三个二维平面分别为xy、xz、yz平面，且x、y、z同时为正或同时为负；每个二维平面中包括N个与所述N个3D参考坐标向量相对应的2D参考坐标向量；

步骤102，采用分布式编码子网络将每个2D参考坐标向量分别编码为一张分布式热力图；其中，一个二维平面下可得N张分布式热力图；

步骤103，通过坐标映射的方式将一个二维平面下的N张分布式热力图合并为一张2D联合热力图；

步骤104，通过concat算法将三个二维平面下的2D联合热力图叠加为3D联合热力图；

步骤105，采用解码子网络将所述3D联合热力图解码为N个3D检测坐标向量。

2.根据权利要求1所述的方法，其特征在于，所述分布式编码子网络用于将每个2D参考坐标向量编码为一组连续数值，并选取其中的最大值为编码值，以该编码值所对应的热力图为该2D参考坐标向量的分布式热力图。

3.根据权利要求1所述的方法，其特征在于，基于k阶沙漏网络构建所述分布式编码子网络，利用带有坐标值的人脸图像对该分布式编码子网络进行训练，以使其形成输入为一个带有坐标向量的人脸图像、输出为一张分布式热力图的非线性映射。

4.根据权利要求1所述的方法，其特征在于，基于2D全卷积网络构建所述解码子网络；并利用3D联合热力图训练所述解码子网络，以使其形成输入为3D联合热力图、输出为3D检测坐标向量的非线性映射。

5.根据权利要求4所述的方法，其特征在于，所述解码子网络包括：5个2D卷积层，其中5个2D卷积层中卷积核的个数分别为：128，128，256，256，512；其卷积核大小均为4×4，步长设置为2；每个卷积层中间搭配batch normalization及LeakyRelu激活函数。

6.一种基于分布式热力图的人脸3D关键点检测系统，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5中任一项所述的方法。