一种基于双层级联神经网络的人脸对齐方法技术

本发明专利技术涉及一种基于双层级联神经网络的人脸对齐方法，包括以下步骤：1)训练一两级神经网络模型，该两级神经网络模型包括用于检测人脸轮廓特征点和五官区域的第一级网络和用于检测五官区域特征点的第二级网络，所述五官区域包括眉眼区域、鼻子区域和嘴巴区域；2)通过所述两级神经网络模型对待测图片进行68特征点检测，实现人脸对齐。与现有技术相比，本发明专利技术具有检测精度高、能很好地适应较复杂背景等优点。

Face alignment method based on two-level cascaded neural network

The invention relates to a face alignment method based on a double cascaded neural network, including the following steps: 1) training the one or two level neural network model, which includes the first stage network for detecting face contour features and five feature areas, and the second level network for detecting the feature points of the five official region, and the five The official area includes the eyebrow eye area, the nose area and the mouth area; 2) the 68 feature points are detected by the two level neural network model to realize the face alignment. Compared with the prior art, the invention has the advantages of high detection accuracy and good adaptation to complicated background.

【技术实现步骤摘要】
一种基于双层级联神经网络的人脸对齐方法
本专利技术涉及人脸识别
，尤其是涉及一种基于双层级联神经网络的人脸对齐方法。
技术介绍
人脸对齐是计算机视觉以及图像领域的热门研究课题之一。人脸对齐又称为人脸特征点定位，它是由算法自动标注人脸图像的特征点。所谓特征点是人为定义的围绕在五官以及下巴的点，经过人脸对齐后能够定位出人脸的五官区域，如图1所示。人脸对齐得到科研人员广泛关注的原因在于它对其他相关技术例如人脸匹配、人脸识别、情感识别等的辅助性。近年来有许多优秀的算法被用以解决人脸特征点定位问题，但是由于人脸表情的多样性、部分遮挡以及头部姿态的差异性人脸对齐仍是计算机图像领域的研究难题。文献“Onemillisecondfacealignmentwithanensembleofregressiontrees”(V.Kazemi,S.Josephine,in:ComputerVisionandPatternRecognition(CVPR),2014IEEEConferenceon,IEEE,2014)公开一种基于梯度自助随机森林的人脸对齐技术，利用服从指数先验分布的形状指数特征作为随机本文档来自技高网...

【技术保护点】
一种基于双层级联神经网络的人脸对齐方法，其特征在于，包括以下步骤：1)训练一两级神经网络模型，该两级神经网络模型包括用于检测人脸轮廓特征点和五官区域的第一级网络和用于检测五官区域特征点的第二级网络，所述五官区域包括眉眼区域、鼻子区域和嘴巴区域；2)通过所述两级神经网络模型对待测图片进行68特征点检测，实现人脸对齐。

【技术特征摘要】
1.一种基于双层级联神经网络的人脸对齐方法，其特征在于，包括以下步骤：1)训练一两级神经网络模型，该两级神经网络模型包括用于检测人脸轮廓特征点和五官区域的第一级网络和用于检测五官区域特征点的第二级网络，所述五官区域包括眉眼区域、鼻子区域和嘴巴区域；2)通过所述两级神经网络模型对待测图片进行68特征点检测，实现人脸对齐。2.根据权利要求1所述的基于双层级联神经网络的人脸对齐方法，其特征在于，所述第一级网络包括依次连接的四层卷积层和两层全联接层，且第一层卷积层的特征输出和第四层卷积层的特征输出融合后作为第一层全联接层的输入。3.根据权利要求2所述的基于双层级联神经网络的人脸对齐方法，其特征在于，所述四层卷积层的特征维度不同。4.根据权利要求1所述的基于双层级联神经网络的人脸对齐方法，其特征在于，所述第一级网络训练时，训练集的输出部分通过以下方式获得：在标注有68特征点的样本图片中，以各五官区域的特征点为边界确定的区域按比例放大成矩形区域，以标记有人脸轮廓特征点和所述矩形区域的样本图片作为输出。5.根据权利要求1所述的基于双层级联神经网络的人脸对齐方法，其特征在于，所述第一级网络通过一损失函数判定性能，所述损失函数为：

【专利技术属性】
技术研发人员：张雨，姜飞，申瑞民，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31