人脸关键点检测方法及装置制造方法及图纸

本公开是关于一种人脸关键点检测方法及装置。该方法包括：将3D平均人脸模型进行投影，得到所述3D平均人脸模型对应的人脸投影图；将目标图像和所述人脸投影图输入第一卷积神经网络，得到所述目标图像和所述人脸投影图之间的对应关系图；将所述目标图像和所述人脸投影图输入第二卷积神经网络，得到所述对应关系图对应的置信度图；根据所述对应关系图和所述对应关系图对应的置信度图，确定人脸关键点检测结果。本公开的人脸关键点检测方法及装置，有利于提高人脸关键点检测的准确性和稳定性，能够有效地对各种人脸图像中的人脸关键点进行检测。

【技术实现步骤摘要】
人脸关键点检测方法及装置
本公开涉及图像处理
，尤其涉及一种人脸关键点检测方法及装置。
技术介绍
人脸关键点检测属于人脸属性识别的一种，用于检测出人脸上的关键点，例如脸部轮廓点，五官轮廓点等。在进行人像美颜时，例如在进行去眼袋、亮眼、大眼等美颜操作时，需要确定人脸上的关键点。因此，需要提出一种准确的人脸关键点检测方法。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种人脸关键点检测方法及装置。根据本公开实施例的第一方面，提供一种人脸关键点检测方法，包括：将3D平均人脸模型进行投影，得到所述3D平均人脸模型对应的人脸投影图；将目标图像和所述人脸投影图输入第一卷积神经网络，得到所述目标图像和所述人脸投影图之间的对应关系图；将所述目标图像和所述人脸投影图输入第二卷积神经网络，得到所述对应关系图对应的置信度图；根据所述对应关系图和所述对应关系图对应的置信度图，确定人脸关键点检测结果。在一种可能的实现方式中，根据所述对应关系图和所述对应关系图对应的置信度图，确定人脸关键点检测结果，包括：根据所述目标图像对应的第一特征向量、所述对应关系图对应的第二特征向量和所述置信度图对应的第三特征向量，确定人脸关键点检测结果。在一种可能的实现方式中，根据所述目标图像对应的第一特征向量、所述对应关系图对应的第二特征向量和所述置信度图对应的第三特征向量，确定人脸关键点检测结果，包括：根据所述目标图像对应的第一特征向量、所述对应关系图对应的第二特征向量和所述置信度图对应的第三特征向量，确定所述目标图像对应的3D特定人脸模型和投影矩阵；根据所述目标图像对应的3D特定人脸模型和投影矩阵，确定人脸关键点检测结果。在一种可能的实现方式中，所述方法还包括：对待检测人脸图像进行处理，得到处理后的待检测人脸图像；将所述处理后的待检测人脸图像作为所述目标图像；其中，所述处理包括缩放处理和/或归一化处理。根据本公开实施例的第二方面，提供一种人脸关键点检测装置，包括：投影模块，用于将3D平均人脸模型进行投影，得到所述3D平均人脸模型对应的人脸投影图；第一运算模块，用于将目标图像和所述人脸投影图输入第一卷积神经网络，得到所述目标图像和所述人脸投影图之间的对应关系图；第二运算模块，用于将所述目标图像和所述人脸投影图输入第二卷积神经网络，得到所述对应关系图对应的置信度图；确定模块，用于根据所述对应关系图和所述对应关系图对应的置信度图，确定人脸关键点检测结果。在一种可能的实现方式中，所述确定模块包括：确定子模块，用于根据所述目标图像对应的第一特征向量、所述对应关系图对应的第二特征向量和所述置信度图对应的第三特征向量，确定人脸关键点检测结果。在一种可能的实现方式中，所述确定子模块包括：第一确定子模块，用于根据所述目标图像对应的第一特征向量、所述对应关系图对应的第二特征向量和所述置信度图对应的第三特征向量，确定所述目标图像对应的3D特定人脸模型和投影矩阵；第二确定子模块，用于根据所述目标图像对应的3D特定人脸模型和投影矩阵，确定人脸关键点检测结果。在一种可能的实现方式中，所述装置还包括：处理模块，用于对待检测人脸图像进行处理，得到处理后的待检测人脸图像，并将所述处理后的待检测人脸图像作为所述目标图像；其中，所述处理包括缩放处理和/或归一化处理。根据本公开实施例的第三方面，提供一种人脸关键点检测装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行上述方法。本公开的实施例提供的技术方案可以包括以下有益效果：通过根据3D平均人脸模型对应的人脸投影图和目标图像之间的对应关系，进行该目标图像的人脸关键点检测，有利于提高人脸关键点检测的准确性和稳定性，能够有效地对各种人脸图像中的人脸关键点进行检测，例如有效地对遮挡和侧脸情况下的人脸关键点进行检测。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是根据一示例性实施例示出的一种人脸关键点检测方法的流程图。图2是根据一示例性实施例示出的一种人脸关键点检测方法中人脸关键点检测结果的示意图。图3是根据一示例性实施例示出的一种人脸关键点检测方法中人脸关键点检测结果的另一示意图。图4是根据一示例性实施例示出的一种人脸关键点检测装置的框图。图5是根据一示例性实施例示出的一种人脸关键点检测装置的一示意性的框图。图6是根据一示例性实施例示出的一种用于人脸关键点检测的装置800的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种人脸关键点检测方法的流程图。该方法可以应用于终端设备中。如图1所示，该方法包括步骤S11至步骤S14。在步骤S11中，将3D平均人脸模型进行投影，得到3D平均人脸模型对应的人脸投影图。在一种可能的实现方式中，将3D平均人脸模型进行正投影，得到3D平均人脸模型对应的人脸投影图。3D平均人脸模型可以为根据大量3D人脸模型样本确定的3D人脸模型，也可以为根据人脸平均构成比例绘制的3D人脸模型，本公开对此不做限制。其中，3D人脸模型可以指由多个表示人脸上的特定位置的像素点构成的模型。例如，若一个3D人脸模型具有3万个像素点，则该3万个像素点有序排列且每个像素点能够表示人脸上的特定位置，例如眼睛、嘴巴或鼻子等。在一种可能的实现方式中，采用式1可以确定3D可形变人脸模型A：其中，m表示3D平均人脸模型，wi表示第i个人脸形状分量，αi表示第i个人脸形状分量wi对应的系数，i为1～n的整数，n表示人脸形状分量的个数。其中，人脸形状分量可以指人脸形状的变化方向，例如眼睛变大或变小，嘴巴变宽或变窄，鼻子变高或变低等，本公开对此不做限制。本领域技术人员可以根据实际应用场景需求和/或个人喜好设置人脸形状分量。在一种可能的实现方式中，在3D可形变人脸模型A中，3D平均人脸模型m和人脸形状分量(wi，i为1～n的整数)已知。通过选择不同的人脸形状分量对应的系数(αi，i为1～n的整数)，可以确定任意人脸的3D特定人脸模型。在3D特定人脸模型确定之后，可以将3D特定人脸模型按照投影矩阵进行投影，得到与该投影矩阵匹配的2D人脸图像，即任意角度的2D人脸图像都可以通过3D特定人脸模型按照特定的投影矩阵投影得到。在一种可能的实现方式中，采用式2可以确定2D人脸图像B：其中，T表示投影矩阵。在一种可能的实现方式中，在3D可形变人脸模型A中，3D平均人脸模型m和人脸形状分量(wi，i为1～n的整数)已知。在获取到2D人脸图像的情况下，通过确定对应的人脸形状分量对应的系数(αi，i为1～n的整数)，可以确定该2D人脸图像对应的3D特定人脸本文档来自技高网...

【技术保护点】
一种人脸关键点检测方法，其特征在于，包括：将3D平均人脸模型进行投影，得到所述3D平均人脸模型对应的人脸投影图；将目标图像和所述人脸投影图输入第一卷积神经网络，得到所述目标图像和所述人脸投影图之间的对应关系图；将所述目标图像和所述人脸投影图输入第二卷积神经网络，得到所述对应关系图对应的置信度图；根据所述对应关系图和所述对应关系图对应的置信度图，确定人脸关键点检测结果。

【技术特征摘要】
1.一种人脸关键点检测方法，其特征在于，包括：将3D平均人脸模型进行投影，得到所述3D平均人脸模型对应的人脸投影图；将目标图像和所述人脸投影图输入第一卷积神经网络，得到所述目标图像和所述人脸投影图之间的对应关系图；将所述目标图像和所述人脸投影图输入第二卷积神经网络，得到所述对应关系图对应的置信度图；根据所述对应关系图和所述对应关系图对应的置信度图，确定人脸关键点检测结果。2.根据权利要求1所述的方法，其特征在于，根据所述对应关系图和所述对应关系图对应的置信度图，确定人脸关键点检测结果，包括：根据所述目标图像对应的第一特征向量、所述对应关系图对应的第二特征向量和所述置信度图对应的第三特征向量，确定人脸关键点检测结果。3.根据权利要求2所述的方法，其特征在于，根据所述目标图像对应的第一特征向量、所述对应关系图对应的第二特征向量和所述置信度图对应的第三特征向量，确定人脸关键点检测结果，包括：根据所述目标图像对应的第一特征向量、所述对应关系图对应的第二特征向量和所述置信度图对应的第三特征向量，确定所述目标图像对应的3D特定人脸模型和投影矩阵；根据所述目标图像对应的3D特定人脸模型和投影矩阵，确定人脸关键点检测结果。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：对待检测人脸图像进行处理，得到处理后的待检测人脸图像；将所述处理后的待检测人脸图像作为所述目标图像；其中，所述处理包括缩放处理和/或归一化处理。5.一种人脸关键点检测装置，其特征在于，包括：投影模块，用于将3D平均人脸模型进行投影，得到所述3D平均人脸模型对应的人脸投影图...

【专利技术属性】
技术研发人员：杨松，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京,11