[发明专利]人脸关键点检测模型的训练方法、装置以及存储介质

说明书

本发明实施例公开了一种人脸关键点检测模型的训练方法、装置以及存储介质，通过对包含已标注人脸关键点的人脸视频中连续的多帧人脸视频帧图像进行标注平滑处理以去除抖动，并利用包含重新标注后的多帧人脸视频帧图像对第一人脸关键点检测模型进行训练，使得训练过程中使用到了已去除抖动的连续的人脸视频帧图像中同一人脸关键点的位置关系，能够有效提高训练得到的第二人脸关键点检测模型的稳定性及准确性，尤其适用于对人脸视频中的人脸关键点的检测，能够有效的减少抖动。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人脸关键点检测模型的训练方法、装置以及存储介质。

背景技术

人脸关键点的作用是精确定位和分割人脸各个部位的位置，比如眼睛、眉毛、嘴巴的精确外轮廓，脸型的外轮廓等等，且人脸关键点可以应用的领域也很多，比如人脸变形(瘦脸、大眼等)、虚拟上妆和动画电影等领域。

随着人脸关键点的应用领域的逐渐增多，对人脸关键点的检测的准确性的要求也越来越高，目前，常用的方式是训练得到人脸关键点检测模型，即利用人脸关键点检测模型对人脸关键点进行检测，然而使用人脸关键点检测模型仍然存在检测的稳定性及准确性不高的问题，特别是在对视频中的人脸进行检测时，会造成人脸关键点的抖动。

发明内容

本发明的主要目的在于提供一种人脸关键点检测模型的训练方法、装置以及存储介质，可以解决现有技术中的人脸关键点检测模型检测到的人脸关键点不准确存在抖动的问题。

为实现上述目的，本发明第一方面提供一种人脸关键点检测模型的训练方法，所述方法包括：

获取已标注人脸关键点的目标人脸样本数据集，所述目标人脸样本数据集包含至少一个样本子集，其中，所述样本子集包括人脸视频中连续的多帧人脸视频帧图像；

对目标样本子集中人脸视频帧图像的人脸关键点进行标注平滑处理，得到重新标注的目标样本子集，所述目标样本子集为任一所述样本子集；

利用包含重新标注后的样本子集的目标人脸样本数据集对第一人脸关键点检测模型进行训练，得到训练后的目标人脸关键点检测模型。

为实现上述目的，本发明第二方面提供一种人脸关键点检测模型的训练装置，所述装置包括：

获取模块，用于获取已标注人脸关键点的目标人脸样本数据集，所述目标人脸样本数据集包含至少一个样本子集，其中，所述样本子集包括人脸视频中连续的多帧人脸视频帧图像；

平滑模块，用于对目标样本子集中人脸视频帧图像的人脸关键点进行标注平滑处理，得到重新标注的目标样本子集，所述目标样本子集为任一所述样本子集；训练模块，用于利用包含重新标注后的样本子集的目标人脸样本数据集对第一人脸关键点检测模型进行训练，得到训练后的目标人脸关键点检测模型。

为实现上述目的，本发明第三方面提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如第一方面所述的各个步骤。

采用本发明实施例，具有如下有益效果：

本发明提供一种人脸关键点检测模型的训练方法，该方法包括：获取已标注人脸关键点的目标人脸样本数据集，该目标人脸样本数据集包含至少一个样本子集，该样本子集包括人脸视频中连续的多帧人脸视频帧图像；并利用该目标人脸样本数据集对第一人脸关键点检测模型进行训练，得到训练后的目标人脸关键点检测模型。通过对包含已标注人脸关键点的人脸视频中连续的多帧人脸视频帧图像进行标注平滑处理以去除抖动，并利用包含重新标注后的多帧人脸视频帧图像对第一人脸关键点检测模型进行训练，使得训练过程中使用到了已去除抖动的连续的人脸视频帧图像中同一人脸关键点的位置关系，能够有效提高训练得到的第二人脸关键点检测模型的稳定性及准确性，尤其适用于对人脸视频中的人脸关键点的检测，能够有效的减少抖动。

附图说明