[发明专利]基于深度学习的人脸关键点对齐算法有效
| 申请号： | 201511028892.7 | 申请日： | 2015-12-31 |
| 公开（公告）号： | CN105678248B | 公开（公告）日： | 2018-11-27 |
| 发明（设计）人： | 高盛华;徐衍钰 | 申请（专利权）人： | 上海科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 上海申汇专利代理有限公司 31001 | 代理人： | 翁若莹 |
| 地址： | 201210 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的人脸关键点对齐算法，包括以下步骤：建立卷积神经网络，该卷积神经网络学习非线性函数F(x)，F(x)为输入是人脸图像x，输出p个人脸标记点的坐标估计值的函数，利用样本集训练该卷积神经网络，使得F(x)与Sg(x)的输出间的欧式距离最小，其特征在于：所述卷积神经网络包括全局卷积神经网络和局部卷积神经网络。本发明提供的算法在XM2VTS，LFPW和HELEN三个公共数据集上与包括CFAN和SDM等其它现有算法相比较，更为高效，鲁棒性更强。 | ||
| 搜索关键词： | 基于 深度 学习 关键 对齐 算法 | ||
【主权项】：
1.一种基于深度学习的人脸关键点对齐算法，设人脸图像x有p个人脸标记点，Sg(x)为以该人脸图像x为输入、以p个人脸标记点标准坐标为输出的函数，包括以下步骤：建立卷积神经网络，该卷积神经网络学习非线性函数F(x)，F(x)为输入是人脸图像x，输出p个人脸标记点的坐标估计值的函数，利用样本集训练该卷积神经网络，使得F(x)与Sg(x)两个函数输出间的欧式距离最小，其特征在于：所述卷积神经网络包括全局卷积神经网络和局部卷积神经网络，人脸图像输入全局卷积神经网络后得到含有p个人脸标记点的坐标中间估计值S1，以人脸标记点坐标中间估计值S1上的p个人脸标记点的坐标中间估计值周围的局部图像为输入，输入局部卷积神经网络后，得到p个人脸标记点的坐标准确值与坐标中间估计值之间的差值ΔS2，然后计算人脸关键点最终估计值S2＝S1+ΔS2，所述卷积神经网络经样本集训练后得到的人脸关键点最终估计值S2即为算法最终结果。
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上海科技大学，未经上海科技大学许可，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/patent/201511028892.7/，转载请声明来源钻瓜专利网。
