[发明专利]人脸关键点检测方法、装置、设备及存储介质有效
申请号: | 202010018423.1 | 申请日: | 2020-01-08 |
公开(公告)号: | CN110807451B | 公开(公告)日: | 2020-06-02 |
发明(设计)人: | 林祥凯 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京三高永信知识产权代理有限责任公司 11138 | 代理人: | 郭新禹 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 关键 检测 方法 装置 设备 存储 介质 | ||
本申请实施例提供了一种人脸关键点检测方法、装置、设备及存储介质,涉及人工智能的计算机视觉技术领域。所述方法包括:获取三维人脸模型;从n个不同视角投影三维人脸模型,得到n个二维人脸图像;从n个二维人脸图像中检测对应的二维人脸关键点;获取n个二维人脸图像分别对应的关键点映射结果;从n个二维人脸图像分别对应的关键点映射结果中,分别选取与投影视角相对应的三维人脸关键点进行整合,得到三维人脸模型上的三维人脸关键点的定位结果。本申请实施例提供的技术方案,提升在三维人脸模型上检测人脸关键点的准确性。
技术领域
本申请实施例涉及人工智能的计算机视觉技术领域,特别涉及一种人脸关键点检测方法、装置、设备及存储介质。
背景技术
人脸关键点检测是指从给定的人脸图像中检测诸如眼球中心、眼角、鼻尖、嘴角、人脸轮廓等部位的关键点。
在相关技术中,对于二维人脸图像的人脸关键点检测,已经有比较成熟的技术,例如:ASM(Active Shape Model,主动形状模型)算法、AAM(Active Appearance Model、主动外观模型)算法、CPR(Cascaded Pose Regression,级联的姿势回归)算法、机器学习算法等等。通过上述人脸关键点检测算法,对二维人脸图像进行处理和分析,最终得到二维人脸图像中的二维人脸关键点的定位结果。
但是,对于三维人脸模型中的人脸关键点检测,如果采用上述人脸关键点检测算法,直接对三维人脸模型进行处理和分析,最终得到三维人脸模型中的三维人脸关键点的定位结果,这种方式得到的三维人脸关键点的定位结果不够准确。
发明内容
本申请实施例提供了一种人脸关键点检测方法、装置、设备及存储介质,可以提升在三维人脸模型上检测人脸关键点的准确性。所述技术方案如下:
一方面,本申请实施例提供了一种人脸关键点检测方法,所述方法包括:
获取三维人脸模型;
从n个不同视角投影所述三维人脸模型,得到n个二维人脸图像,所述n为大于1的整数;
分别从所述n个二维人脸图像中检测对应的二维人脸关键点;
获取所述n个二维人脸图像分别对应的关键点映射结果;其中,所述n个二维人脸图像中的第i个二维人脸图像对应的关键点映射结果,包括所述第i个二维人脸图像中的所述二维人脸关键点在所述三维人脸模型上对应的三维人脸关键点,所述i为小于等于所述n的正整数;
从所述n个二维人脸图像分别对应的关键点映射结果中,分别选取与投影视角相对应的所述三维人脸关键点进行整合,得到所述三维人脸模型上的所述三维人脸关键点的定位结果。
另一方面,本申请实施例提供了一种人脸关键点检测装置,所述装置包括:
模型获取模块,用于获取三维人脸模型;
模型投影模块,用于从n个不同视角投影所述三维人脸模型,得到n个二维人脸图像,所述n为大于1的整数;
关键点检测模块,用于分别从所述n个二维人脸图像中检测对应的二维人脸关键点;
结果获取模块,用于获取所述n个二维人脸图像分别对应的关键点映射结果;其中,所述n个二维人脸图像中的第i个二维人脸图像对应的关键点映射结果,包括所述第i个二维人脸图像中的所述二维人脸关键点在所述三维人脸模型上对应的三维人脸关键点,所述i为小于等于所述n的正整数;
结果确定模块,用于从所述n个二维人脸图像分别对应的关键点映射结果中,分别选取与投影视角相对应的所述三维人脸关键点进行整合,得到所述三维人脸模型上的所述三维人脸关键点的定位结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010018423.1/2.html,转载请声明来源钻瓜专利网。
- 上一篇:三维人脸模型的生成方法、装置、设备及介质
- 下一篇:一种立式胃镜检查设备