【技术实现步骤摘要】
人脸关键点的定位方法、人脸图像处理方法和相关装置本申请要求在2018年12月12日提交中国专利局、申请号为201811516620.5、专利技术名称为“人脸关键点的定位方法、人脸图像处理方法和相关装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本专利技术涉及图像处理
，尤其涉及一种人脸关键点的定位方法、人脸图像处理方法和相关装置。
技术介绍
随着自拍、短视频的流行，用户对自动美颜、自动化妆、自动加挂件等功能的需求不断提升，人脸配准作为实现这些功能的基础也取得了更加广泛的应用。而人脸配准是指在一幅人脸图像中自动定位出人脸各个器官的准确位置以及人脸的外轮廓，为进一步地人脸图像的处理与分析提供重要的形状信息，是人脸识别、人脸验证、人脸动画及人脸姿态表情分析等领域的关键技术之一。现有技术中采用的人脸配准方法大致过程为：先检测图片中的人脸，然后直接利用深度卷积神经网络(ConvolutionalNeuralNetwork，CNN)直接回归人脸的关键点坐标，参考图1所示。现有技术提供的方法存在下述问题，人脸关键点定位精度较低，影响候选自动美颜、上妆、加...
【技术保护点】
1.一种人脸关键点的定位方法，其特征在于，包括：获取人脸图像，并根据所述人脸图像和训练得到的人脸配准模型，确定人脸的关键点的位置信息及各个关键点是否可见的结果；分别确定人脸的各个特征部位中可见的关键点的数量；针对每一特征部位，若该特征部位中可见的关键点的数量大于预设数量阈值，则提取仅包含该特征部位的特征部位图像；根据该特征部位的特征部位图像和该特征部位对应的特征部位配准模型，修正该特征部位的关键点的位置信息；基于修正的各个特征部位的关键点的位置信息，更新基于人脸配准模型确定出的人脸的关键点的位置信息。
【技术特征摘要】
2018.12.12 CN 20181151662051.一种人脸关键点的定位方法，其特征在于，包括：获取人脸图像，并根据所述人脸图像和训练得到的人脸配准模型，确定人脸的关键点的位置信息及各个关键点是否可见的结果；分别确定人脸的各个特征部位中可见的关键点的数量；针对每一特征部位，若该特征部位中可见的关键点的数量大于预设数量阈值，则提取仅包含该特征部位的特征部位图像；根据该特征部位的特征部位图像和该特征部位对应的特征部位配准模型，修正该特征部位的关键点的位置信息；基于修正的各个特征部位的关键点的位置信息，更新基于人脸配准模型确定出的人脸的关键点的位置信息。2.如权利要求1所述的方法，其特征在于，所述人脸配准模型包括两个全连接层，分别输出人脸的关键点的位置信息和关键点是否可见的结果；根据所述人脸图像和训练得到的人脸配准模型，确定人脸的关键点的位置信息及各个关键点是否可见的结果，具体包括：从所述人脸图像中检测出仅包含人脸的人脸区域图像；对所述人脸区域图像进行归一化处理；将归一化处理后的图像输入到所述人脸配准模型中，由所述人脸配准模型的两个全连接层分别输出人脸的关键点的位置信息和各个关键点是否可见的结果。3.如权利要求1所述的方法，其特征在于，所述人脸配准模型为残差神经网络ResNet模型，则按照下述方法训练所述人脸配准模型：利用ImageNet数据集对所述ResNet模型进行预训练；利用用于定位人脸的关键点的全连接层和用于确定关键点是否可见的全连接层替换预训练得到的ResNet模型中的全连接层，得到替换后的ResNet模型；对替换后的ResNet模型进行初始化；利用人脸训练样本对初始化后的ResNet模型进行训练，得到所述人脸配准模型。4.如权利要求3所述的方法，其特征在于，所述人脸训练样本为人脸样本图像，且已知该人脸样本图像的实际关键点信息，所述实际关键点信息包括样本人脸的关键点的实际位置信息及关键点是否可见的结果；则利用人脸训练样本对初始化后的ResNet模型进行训练，具体包括：将所述人脸样本图像输入至初始化后的ResNet模型中；根据所述初始化后的ResNet模型的输出结果及所述人脸样本图像的实际关键点信息，对所述ResNet模型中的神经元的权重进行调整，直至满足模型训练结束条件为止。5.如权利要求1所述的方法，其特征在于，所述特征部位配准模型为ResNet模型，则按照下述方法训练所述特征部位配准模型：利用ImageNet...
【专利技术属性】
技术研发人员：晏轶超，汪铖杰，李季檩，葛彦昊，曹赟，曹玮剑，曹煊，梁亦聪，赵艳丹，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。