面部图像的处理方法、训练方法、设备和存储介质技术

本申请提供一种面部图像的处理方法、训练方法、设备和存储介质，该方法包括：获取待处理的面部图像，预先根据采用神经网络进行训练得到的用于同时获取人脸关键点和人脸分割信息的人脸关键点分割模型，然后根据人脸关键点分割模型对面部图像进行处理，得到面部图像对应的人脸关键点和人脸分割信息，通过该模型可以同时获取到图像的人脸关键点和人脸分割信息，不需要对图像分别进行特征提取，节省处理时间，并且将人脸关键点和人脸分割用一个神经网络进行训练，神经网络可以同时收到关键点和分割信息的监督，有效提高处理结果的精准度。

【技术实现步骤摘要】
面部图像的处理方法、训练方法、设备和存储介质
本申请实施例涉及人工智能
，尤其涉及一种面部图像的处理方法、训练方法、设备和存储介质。
技术介绍
随着人工智能以及智能的终端设备的飞速发展，人脸识别技术广泛应用在各个
以AR技术为例，在很多AR应用场景下，经常会有既需要人脸关键点，又需要对人脸进行分割的需求，目前的方案中需要分别处理，对图像进行特征提取得到需要的人脸关键点，对图像上的人脸上的五官进行分割得到需要的分割区域。然而，上述方式中处理过程中分别对图像进行特征提取，耗时较多，且处理过程中只关注关键点或分割，导致处理结果的精准度较低。
技术实现思路
本申请实施例提供一种面部图像的处理方法、训练方法、设备和存储介质，用于解决上述方式中处理过程中分别对图像进行特征提取，耗时较多，且处理过程中只关注关键点或分割，导致处理结果的精准度较低的问题。本申请第一方面提供一种面部图像的处理方法，包括：获取待处理的面部图像；根据人脸关键点分割模型对所述面部图像进行处理，得到所述面部图像对应的人脸关键点和人脸分割信息；其中，所述人脸关键点分割模型为采用神经网络进行训练得到的用于同时获取人脸关键点和人脸分割信息的模型。可选的，所述人脸分割信息的模型是用如下方式训练的：采集多个包括人脸的图像样本，并对所述图像样本中的人脸关键点和人脸分割信息进行标注；根据标定后的多个图像样本，采用神经网络训练得到所述人脸关键点分割模型。可选的，所述根据标定后的多个图像样本，采用神经网络训练得到所述人脸关键点分割模型，包括：根据神经网络初始化人脸关键点分割模型；将标定后的多个图像样本，分别输入所述人脸关键点分割模型，得到输出结果；获取所述输出结果和图像样本的标注信息之间的损失函数；根据所述损失函数对所述人脸关键点模型进行更新；其中，标定的图像样本的标注信息包括人脸关键点或者人脸分割信息。可选的，所述获取待处理的面部图像，包括：根据人脸检测模型，从待检测的图像中获取所述面部图像。本申请第二方面提供一种人脸关键点分割模型的训练方法，包括：采集多个包括人脸的图像样本，并对所述图像样本中的人脸关键点和人脸分割信息进行标注；根据标定后的多个图像样本，采用神经网络训练得到人脸关键点分割模型；其中，所述人脸关键点分割模型用于对面部图像进行处理，同时获取人脸关键点和人脸分割信息。可选的，所述根据标定后的多个图像样本，采用神经网络训练得到人脸关键点分割模型，包括：根据神经网络初始化人脸关键点分割模型；将标定后的多个图像样本，分别输入所述人脸关键点分割模型，得到输出结果；获取所述输出结果和图像样本的标注信息之间的损失函数；根据所述损失函数对所述人脸关键点模型进行更新；其中，标定的图像样本的标注信息包括人脸关键点或者人脸分割信息。本申请第三方面提供一种面部图像的处理装置，包括：获取模块，用于获取待处理的面部图像；处理模块，用于根据人脸关键点分割模型对所述面部图像进行处理，得到所述面部图像对应的人脸关键点和人脸分割信息；其中，所述人脸关键点分割模型为采用神经网络进行训练得到的用于同时获取人脸关键点和人脸分割信息的模型。可选的，所述人脸分割信息的模型是用如下方式训练的：采集多个包括人脸的图像样本，并对所述图像样本中的人脸关键点和人脸分割信息进行标注；根据标定后的多个图像样本，采用神经网络训练得到所述人脸关键点分割模型。可选的，所述根据标定后的多个图像样本，采用神经网络训练得到所述人脸关键点分割模型，包括：根据神经网络初始化人脸关键点分割模型；将标定后的多个图像样本，分别输入所述人脸关键点分割模型，得到输出结果；获取所述输出结果和图像样本的标注信息之间的损失函数；根据所述损失函数对所述人脸关键点模型进行更新；其中，标定的图像样本的标注信息包括人脸关键点或者人脸分割信息。可选的，所述获取模块具体用于：根据人脸检测模型，从待检测的图像中获取所述面部图像。本申请第四方面提供一种人脸关键点分割模型的训练装置，包括：采集模块，用于采集多个包括人脸的图像样本，并对所述图像样本中的人脸关键点和人脸分割信息进行标注；训练模块，用于根据标定后的多个图像样本，采用神经网络训练得到人脸关键点分割模型；其中，所述人脸关键点分割模型用于对面部图像进行处理，同时获取人脸关键点和人脸分割信息。可选的，所述训练模块具体用于：根据神经网络初始化人脸关键点分割模型；将标定后的多个图像样本，分别输入所述人脸关键点分割模型，得到输出结果；获取所述输出结果和图像样本的标注信息之间的损失函数；根据所述损失函数对所述人脸关键点模型进行更新；其中，标定的图像样本的标注信息包括人脸关键点或者人脸分割信息。本申请第五方面提供一种电子设备，包括：处理器、存储器以及计算机程序；所述计算机程序存储在所述存储器中，所述处理器执行所述计算机程序实现第一方面任一项所述的面部图像的处理方法。本申请第六方面提供一种电子设备，包括：处理器、存储器以及计算机程序；所述计算机程序存储在所述存储器中，所述处理器执行所述计算机程序实现第二方面的人脸关键点分割模型的训练方法。本申请第七方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于实现第一方面任一项所述的面部图像的处理方法。本申请第八方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于实现第二方面的人脸关键点分割模型的训练方法。本申请实施例提供的面部图像的处理方法、训练方法、设备和存储介质，获取待处理的面部图像，预先根据采用神经网络进行训练得到的用于同时获取人脸关键点和人脸分割信息的人脸关键点分割模型，然后根据人脸关键点分割模型对面部图像进行处理，得到面部图像对应的人脸关键点和人脸分割信息，通过该人脸关键点分割模型可以同时获取到图像的人脸关键点和人脸分割信息，不需要对图像分别进行特征提取，节省处理时间，并且该人脸关键点分割模型是将人脸关键点和人脸分割用一个神经网络进行训练得到的，神经网络可以同时收到关键点和分割信息的监督，有效提高对图像的处理结果的精准度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本申请实施例提供的面部图像的处理方法实施例一的流程图；图2为本申请实施例提供的面部图像的处理方法中人脸关键点的示意图；图3为本申请实施例提供的面部图像的处理方法中人脸分割信息的示意图；图4为本申请实施例提供的人脸关键点分割模型的训练方法实施例一的流程示意图；图5为本申请实施例提供的人脸关键点分割模型训练的流程示意图；图6为本申请实施例提供的面部图像的处理装置实施例一的结构示意图；图7为本申请实施例提供的人脸关键点分割模型训练装置实施例一的结构示意图；图8为本申请实施例提供的电子设备实施例一的结构示意图；图9为本申请实施例提供的电子设备实施例二的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、本文档来自技高网...

【技术保护点】
1.一种面部图像的处理方法，其特征在于，包括：获取待处理的面部图像；根据人脸关键点分割模型对所述面部图像进行处理，得到所述面部图像对应的人脸关键点和人脸分割信息；其中，所述人脸关键点分割模型为采用神经网络进行训练得到的用于同时获取人脸关键点和人脸分割信息的模型。

【技术特征摘要】
1.一种面部图像的处理方法，其特征在于，包括：获取待处理的面部图像；根据人脸关键点分割模型对所述面部图像进行处理，得到所述面部图像对应的人脸关键点和人脸分割信息；其中，所述人脸关键点分割模型为采用神经网络进行训练得到的用于同时获取人脸关键点和人脸分割信息的模型。2.根据权利要求1所述的方法，其特征在于，所述人脸分割信息的模型是用如下方式训练的：采集多个包括人脸的图像样本，并对所述图像样本中的人脸关键点和人脸分割信息进行标注；根据标定后的多个图像样本，采用神经网络训练得到所述人脸关键点分割模型。3.根据权利要求2所述的方法，其特征在于，所述根据标定后的多个图像样本，采用神经网络训练得到所述人脸关键点分割模型，包括：根据神经网络初始化人脸关键点分割模型；将标定后的多个图像样本，分别输入所述人脸关键点分割模型，得到输出结果；获取所述输出结果和图像样本的标注信息之间的损失函数；根据所述损失函数对所述人脸关键点模型进行更新；其中，标定的图像样本的标注信息包括人脸关键点或者人脸分割信息。4.根据权利要求1至3任一项所述的方法，其特征在于，所述获取待处理的面部图像，包括：根据人脸检测模型，从待检测的图像中获取所述面部图像。5.一种人脸关键点分割模型的训练方法，其特征在于，包括：采集多个包括人脸的图像样本，并对所述图像样本中的人脸关键点和人脸分割信息进行标注；根据标定后的多个图像样本，采用神经网络训练得到人脸关键点分割模型；其中，所述人脸关键点分割模型用于对面部图像进行处理，同时获取人脸关键点和人脸分割信息。6.根据权利要求5所述的方法，其特征在于，所述根据标定后的多个图像样本，采用神经网络训练得到人脸关键点分割模型，包括：根据神经网络初始化人脸关键点分割模型；将标定后的多个图像样本，分别输入所述人脸关键点分割模型，得到输出结果；获取所述输出结果和图像样本的标注信息之间的损失函数；根据所述损失函数对所述人脸关键点模型进行更新；其中，标定的图像样本的标注信息包括人脸关键点或者人脸分割信息。7.一种面部图像的处理装置，其特征在于，包括：获取模块，用于获取待处理的面部图像；处理模块，用于根据人脸关键点分割模型对所述面部图像进行处理，得到所述面部图像对应的人脸关键点和人脸分割信息；其中，所述人脸关键点分割模型为采用神经网络进行训练得到的用于同时获取人脸关键点和人脸分割信息的模型。8.根据权利要求7所述的装置，其特征在于，所...

【专利技术属性】
技术研发人员：陈艳琴，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11