[发明专利]一种基于灰度图像的高效人脸对齐方法

权利要求书

1.一种基于灰度图像的高效人脸对齐方法，其特征在于，包括以下步骤：

S1:获取包含人脸图片组成的图片集和当前需要对齐的人脸区域灰度图像；

S2:将包含人脸图片组成的图片集输入至深度神经网络学习框架，依据整张人脸的热力图和人脸边缘热力图、整张人脸的特征点热力图进行监督回归训练输出人脸对齐模型；

S3:将当前需要对齐的人脸区域灰度图像输入至人脸对齐模型计算出人脸各特征点的热力图；

S4:遍历当前人脸各特征点的热力图，并计算各特征点的坐标，根据各特征点的坐标以实现人脸对齐。

2.根据权利要求1所述的基于灰度图像的高效人脸对齐方法，其特征在于，所述人脸边缘热力图包括：人脸边缘轮廓，鼻梁轮廓，眉毛轮廓，眼睛轮廓，嘴巴轮廓的热力图。

3.根据权利要求1所述的基于灰度图像的高效人脸对齐方法，其特征在于，在步骤S4中所述计算各特征点的坐标包括以下步骤：

S4-1、计算各个特征点坐标时，依据每个特征点热力图上的数值，进行排序;

S4-2、排序后，取前K个分数最大的坐标值以及分数，进行softmax操作，然后按照公式,，可以计算出各个特征点热力图的特征点坐标()，根据各特征点的坐标()以实现人脸对齐。

4.根据权利要求1所述的基于灰度图像的高效人脸对齐方法，其特征在于，所述人脸对齐模型由卷积模块、MobileNetV2模块以及MobileNetV2漏斗模块组成。

5.根据权利要求4所述的基于灰度图像的高效人脸对齐方法，其特征在于，所述人脸对齐模型以粗略到精细的方式逐渐回归得到人脸特征点热力图；模型结构分为三部分，第一人脸边缘热力图回归模块、第二人脸边缘热力图回归模块和人脸特征点热力图回归模块；第一人脸边缘热力图回归模块与第二人脸边缘热力图回归模块逐渐回归人脸边缘热力图以及整张人脸热力图，人脸特征点热力图回归模块在前两部分计算基础上回归人脸特征点热力图。

6.根据权利要求5所述的基于灰度图像的高效人脸对齐方法，其特征在于，步骤S3包括以下步骤：

S3-1、将当前需要对齐的人脸区域灰度图像输入至卷积模块、MobileNetV2模块获取图像宽度和图像高度为原来1/4的三维矩阵数据；

S3-2、将三维矩阵数据输入由至MobileNetV2漏斗模块、卷积模块、MobileNetV2模块组成的第一人脸边缘热力图回归模块进行计算，获取两个的三维矩阵数据；

S3-3、将三维矩阵数据和两个的三维矩阵数据进行元素相加融合，然后输入由MobileNetV2漏斗模块、卷积模块、MobileNetV2模块组成的第二人脸边缘热力图回归模块进行计算，同样获取两个三维矩阵数据；

S3-4、再次将三维矩阵数据和三维矩阵数据进行元素相加融合，然后输入由MobileNetV2漏斗模块、卷积模块、MobileNetV2模块组成人脸特征点热力图回归模块进行计算，获取特征点个数与通道数相等的人脸各特征点的热力图。

7.根据权利要求1-6任一项所述的基于灰度图像的高效人脸对齐方法，其特征在于，所述获取包含人脸图片组成的图片集还包括：

将包含人脸图片组成图片集进行仿射变换翻转、旋转以及遮挡处理。

8.根据权利要求1-6任一项所述的基于灰度图像的高效人脸对齐方法，其特征在于，获取当前需要对齐的人脸区域灰度图像之前还包括：

通过摄像头获取灰度图像；

灰度图像进行人脸检测，获取图像中人脸的区域；

将图像中人脸的区域缩放为预设尺寸人脸区域灰度图像。