[发明专利]一种单级人脸分割的方法

说明书

本发明涉及图像处理技术领域，特别地涉及一种单级人脸分割的方法。一种单级人脸分割的方法，包括首先使用Grid模块对输入的人脸图像进行均匀网格化，为分类分支提供网格化类别标签，为掩码分支提供参考掩码；使用FCN模块对网格化后人脸图像进行基础特征的提取；使用JFU模块对FCN模块输出的三级特征进行融合，获得更加丰富的特征信息；使用Category模块对JFU模块的输出进行处理，实现分类分支的功能，预测每个网格图像是否存在人脸部位，若存在人脸部位，则给出对应的网格位置、类别和置信度，为掩码分支提供参考信息；使用Mask模块对JFU模块的输出进行处理，获取人脸部位的分割掩码，预测每个网格对应的掩码图像。

技术领域

本发明涉及图像处理技术领域，特别地涉及一种单级人脸分割的方法。

背景技术

人脸分割技术主要用于定位和分割人脸部位，如眼睛、鼻子和嘴唇等，人脸分割是人脸识别技术的重要组成部分。一般人脸分割方法采用两级(Two Stage)的方式，即先检测再分割，如采用Mask-RCNN进行人脸分割的技术方案。它首先检测人脸图像中各部位的边界框，然后截取边界框里的图像，分割出人脸部位的掩码。这种人脸分割方式，将任务分解成两个子任务，即检测和分割，每个子任务分别独立完成，人脸各部位的检测效果将直接影响后续的分割精度。同时，这种先检测再分割的方式，减弱了人脸各部位的全局上下文信息，对人脸遮挡和复杂的人脸姿态难以达到较好的适应效果。

本发明公开了一种单级人脸分割(One Stage Face Segmentation)的方法，只需要一级(One Stage)网络就可以完成人脸各部位的定位和分割。该方法在训练时只需要实例掩码标签，不需要实例的边界框信息，可以端到端的进行学习，简化了模型的训练，达到较好的分割效果。该方法将分割网络分解成两个分支，一个分支用于预测图像中某个位置是否存在人脸部位，若存在，给出位置和类别，称为分类分支；另一个分支用于生成人脸部位的掩码，称为掩码分支。

人脸各部位存在空间一致性的关系，例如两只眼睛分别位于鼻子的左上方和右上方，嘴唇位于鼻子的下方，这种关系不会随着人脸的姿态和位置而改变，而且各部位的中心点之间存在一定的距离。所以，本文公开的分割的方法十分适合人脸分割，通过两个分支网络的结合，可以达到较传统两级分割方法更简单快捷，分割精度更高的人脸分割效果。

发明内容

基于上述背景，本发明提供一种单级人脸分割的方法，以提高人脸分割的速度和精确度。

为实现上述目的，本发明提供的一种单级人脸分割的方法，具体包括以下的实施步骤：

步骤1、首先使用Grid模块对输入的人脸图像进行均匀网格化，为分类分支提供网格化类别标签，为掩码分支提供参考掩码；

具体的，所述的Grid模块对输入的人脸图像进行均匀网格化是将输入的人脸图像均匀分成S行S列，即S²个网格子图，以左眼、右眼、鼻子、嘴唇等部位及背景作为参考分割标记，共5种类别标记，人脸各部位的中心点所处的网格标记为该部位的类别，剩下的网格均标记为背景类别，最终产生一个SxS的矩阵，作为分类分支的参考标签，相应的，每个网格对应一个掩码图像，因有S²个网格，所以掩码分支将输出S²个通道，每个通道对应一个网格，每个掩码图像只对应一个类别的一个对象。

进一步地，所述的分类分支和掩码分支作为两个不同的任务，用于共同完成人脸分割，两个分支在训练中使用不同的损失函数，分类分支使用Cross Entropy Loss，记为L_CE，如公式一所示，掩码分支采用Dice Loss，记为L_Dice，如公式二所示：

公式一中，x[j]和x[class]均为预测层的输出，x[class]为真实类别class的值；