[发明专利]一种人脸关键特征点检测装置、方法和存储介质

说明书

本发明公开了一种人脸关键特征点检测装置、方法和存储介质，输入人脸图像并通过卷积模块提取包含人脸关键点位置信息的特征图，然后输入到自注意力变换模块；所述评估向量通过若干个自注意力变换模块进行多次注意力变换融合特征图中的信息；最后通过输出全连接层输出人脸关键特征点的坐标。本发明融合了卷积神经网络的参数量小、训练效率高，以及自注意力变换网络的归纳偏置少、网络精度高的优势，用于人脸关键特点检测，可以降低网络运算量，有效提升检测精度。

技术领域

本发明属于计算机机器视觉中的人脸关键特征点检测的技术领域，具体涉及一种人脸关键特征点检测装置、方法和存储介质。

背景技术

计算机机器视觉中的人脸关键特征点检测技术，用于检测人脸图像中，关键特征点的位置。人脸关键特征点包含如眼睛，眉毛，鼻子，嘴唇，脸边缘轮廓等。人脸关键特征点的位置信息广泛用于多种下游任务，如人脸识别，人脸图像美化，人脸建模等。

近年来人脸关键特征点的检测方法，一般可分为基于深度学习和非深度学习两类。非深度学习的方法主要有集成回归树等，优点是速度快，但是定位精度较差，特别是人脸在大角度时，定位误差较大。基于深度学习的方法一般都采用了卷积神经网络，通过全连接层输出关键点的坐标，或者是输出关键点对应的热力图的方式，如Hourglass等网络。但是这类网络，往往需要较大的运算量，对于运行设备的算力要求较高，限制其应用的范围。

因此，急需要提出一种计算工作量少、精度高的人脸关键特征点检测方法，或装置和电子设备。

发明内容

本发明的目的在于提供一种人脸关键特征点检测装置、方法和存储介质，旨在解决上述问题。

本发明主要通过以下技术方案实现：

一种人脸关键特征点检测装置，包括数据获取模块、检测模块；所述数据获取模块用于获取人脸图像，所述检测模块用于将人脸图像输入网络模型进行提取包含人脸关键点位置信息的特征图并处理输出人脸关键特征点的坐标；所述网络模型包括第一模块和第二模块，所述第一模块由从前至后依次设置的第一卷积层、第一批归一化层、第一激活层以及若干个重复堆叠的卷积模块组成；所述第二模块由从前至后依次设置的评估向量、若干个自注意力变换模块以及输出全连接层组成；所述第一模块两端的卷积模块分别与第二模块两端的自注意力变换模块连接，且中部的卷积模块与第二模块中部的自注意力变换模块连接；

所述人脸图像作为第一模块的输入，所述卷积模块用于提取包含人脸关键点位置信息的特征图，并输入到自注意力变换模块；所述评估向量通过若干个自注意力变换模块进行多次注意力变换融合特征图中的信息；所述输出全连接层输出人脸关键特征点的坐标。即输出人脸关键特征的位置，完成检测。

本发明在人脸图像输入网络模型后，利用卷积模块提取包含人脸关键点位置信息的特征图。同时，利用评估向量，通过多个注意力变换，融合特征图中的信息，最后从输出全连接层中输出人脸关键特征点的坐标。本发明融合了卷积神经网络的参数量小，训练效率高，以及自注意力变换网络的归纳偏置少，网络精度高的优势，用于人脸关键特点检测，可以降低网络运算量，提升检测精度。

为了更好地实现本发明，进一步地，所述自注意力变换模块由从前至后依次设置的单向多头注意力计算模块、投影模块、多层前传模块构成；所述单向多头注意力计算模块用于计算评估向量与特征图上各特征点的相关性，得到注意力图，并通过注意力图计算新的评估向量；所述投影模块由从前至后依次设置的全连接层、归一化层和激活层构成，用于调整新的评估向量的维度，使得新评估向量的维度与原始评估向量的维度保持一致；所述多层前传模块由从前至后依次设置的全连接层、归一化层、激活层、全连接层、归一化层、激活层构成，用于使评估向量内部信息实现交流。本发明将新评估向量与原始评估向量相加，构成一个残差连接，使得模型更易于训练。本发明通过自注意力变换模块使评估向量能够关注和聚合特征图上与人脸关键特征点相关的特征点信息，并进行更新，得到具有更为丰富的人脸关键特征点信息的评估向量。