[发明专利]绘制人脸图像识别方法、计算机可读存储介质和相关设备有效

专利信息
申请号: 202010108682.3 申请日: 2020-02-21
公开(公告)号: CN111275005B 公开(公告)日: 2023-04-07
发明(设计)人: 武文琦;叶泽雄;肖万鹏 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06V40/16 分类号: G06V40/16;G06V10/82;G06N20/00
代理公司: 深圳翼盛智成知识产权事务所(普通合伙) 44300 代理人: 蔡艾莹
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: 绘制 图像 识别 方法 计算机 可读 存储 介质 相关 设备
【权利要求书】:

1.一种漫画人脸图像识别方法,其特征在于,包括:

获取包含绘制人脸图像的待识别图像;所述绘制人脸图像为漫画人脸图像;

根据预置的关键点检测模型对所述待识别图像进行绘制人脸关键点的检测,得到绘制人脸关键点信息;

根据所述绘制人脸关键点信息对所述待识别图像中的绘制人脸图像进行矫正,得到矫正后图像,使得所述矫正后图像中的人脸图像的轮廓稳定;

根据预置的人脸识别模型从所述矫正后图像中提取绘制人脸特征信息,及根据所述人脸识别模型和绘制人脸特征信息确定所述待识别图像对应的人物信息;

所述关键点检测模型包括:包括32个3*3*3卷积核的卷积层1和池化层1,包括64个3*3*32卷积核的卷积层2和池化层2,包括64个3*3*64卷积核的卷积层3和池化层3,包括128个2*2*64卷积核的卷积层4,及全连接层;

所述预置的关键点检测模型是基于第一损失函数训练得到的,所述第一损失函数为所述x为所述关键点检测模型确定的各个样本图像中的漫画人脸关键点信息,与样本图像实际的漫画人脸关键点信息之间的差别;

所述人脸识别模型包括:Stem单元、Inception-Resnet-A和降维–A、Inception-Resnet-B和降维–B、Inception-Resnet-C、平均池化层、丢弃单元和逻辑回归单元,其中,所述Stem单元包括多个卷积层和多个池化层,所述Inception-Resnet-A、B和C,及所述降维–A和B都分别包括多个卷积层;

所述人脸识别模型是根据训练样本和第二损失函数进行训练得到的,所述训练样本包括:将已有的漫画人脸数据集,及采用一定的算法,且基于已有的漫画人脸数据集,形成的新的漫画人脸图像作为样本图像;所述第二损失函数为:

其中,i为所述人脸识别模型确定的任一样本图像中漫画人脸的人物信息,j为任一样本图像中漫画人脸实际的人物信息,n表示所述样本图像的数量。

2.如权利要求1所述的方法,其特征在于,

所述对所述待识别图像进行绘制人脸关键点的检测,得到绘制人脸关键点信息,具体包括:提取所述待识别图像中包含的至少一个绘制人脸图像框,分别检测每个绘制人脸图像框对应的多个关键点的信息;

则所述根据所述绘制人脸关键点信息对所述待识别图像中的绘制人脸图像进行矫正,得到矫正后图像,具体包括:

根据所述每个绘制人脸图像框对应的多个关键点的信息,对每个绘制人脸图像框进行矫正,得到每个绘制人脸图像框分别对应的矫正后图像。

3.如权利要求2所述的方法,其特征在于,根据某一绘制人脸图像框对应的多个关键点的信息,对所述某一绘制人脸图像框进行矫正,得到对应的矫正后图像,具体包括:

将所述某一绘制人脸图像框对应的多个关键点的信息,与预置的标准绘制人脸图像中相应关键点的信息进行拟合,得到拟合后的多个关键点的信息;

根据所述拟合后的多个关键点的信息,调整所述某一绘制人脸图像框中相应关键点的位置,得到对应的矫正后图像。

4.如权利要求1所述的方法,其特征在于,所述预置的关键点检测模型为多任务卷积神经网络中的输出网络,所述预置的人脸识别模型为用于人脸识别和聚类的统一嵌入网络。

5.如权利要求1所述的方法,其特征在于,所述方法还包括:

确定关键点检测初始模型和人脸识别初始模型;

确定训练样本,所述训练样本中包括多个绘制人脸的样本图像,及各个样本图像中绘制人脸关键点的第一标注信息和各个样本图像中人物信息的第二标注信息;

通过所述关键点检测初始模型分别确定所述各个样本图像中的绘制人脸关键点信息,通过所述人脸识别初始模型分别确定所述各个样本图像中的人物信息;

根据所述关键点检测初始模型得到的各个样本图像的绘制人脸关键点信息和所述训练样本中的第一标注信息,调整所述关键点检测初始模型,以得到最终的关键点检测模型为所述预置的关键点检测模型;

根据所述人脸识别初始模型得到的各个样本图像中的人物信息和所述训练样本中的第二标注信息,调整所述人脸识别初始模型中的参数值,以得到最终的人脸识别模型为所述预置的人脸识别模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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/202010108682.3/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top