一种基于查找表激活函数的人脸关键点检测方法技术

本发明专利技术公开一种基于查找表激活函数的人脸关键点检测方法，属于图像检测技术领域，具体提出一种基于查找表的激活函数实现方法，并且将其应用在人脸关键点检测中，能大大提高网络的非线性表达能力，提高人脸关键点检测的精度，并且计算量小；使用全卷积网络重新确定的人脸区域，能够有效地降低人脸关键点检测对原始人脸框的依赖，无论实际人脸位于原始人脸框的哪个角落，本文算法均能准确地检测到人脸关键点的坐标；网络训练引入LUT查找表激活函数，拟合复杂的映射函数，增加神经网络的非线性表达能力；LUT查找表激活函数计算简单，运算速度快。

【技术实现步骤摘要】
一种基于查找表激活函数的人脸关键点检测方法
本专利技术涉及图像检测
，特别是涉及一种基于查找表激活函数的人脸关键点检测方法。
技术介绍
人脸关键点检测也称为人脸关键点检测、定位或者人脸对齐，是指给定人脸图像，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等。人脸关键点检测方法大致分为三种，分别是基ASM(ActiveShapeModel)和AAM(ActiveAppearnceModel)的传统方法，基于级联形状回归的方法以及基于深度学习的方法。深度学习近年发展迅猛，以神经网络为代表，解决了诸多领域以前难以解决的问题。目前形成的基本共识是在神经网络每层的结尾加上激活函数来提高神经网络的非线性表达能力，常用的激活函数为relu，以及一些变种包括prelu、leaky_relu等，这些激活函数能一定程度上增加网络非线性，但是形式过于固定，不够灵活。在人脸关键点检测中，目前使用的神经网络的非线性表达能力差，导致人脸关键点检测的精度低，计算量高。
技术实现思路
为了解决上述问题，本专利技术提供一种基于查找表激活函数的人脸关键点检测方法，提出一种基于查找表的激活函数实现方本文档来自技高网...

【技术保护点】
1.一种基于查找表激活函数的人脸关键点检测方法，其特征在于，包括以下步骤：S1、获取包含人脸的rgb图像，并获取所述rgb图像中矩形人脸框，得到带人脸框的rgb图像；S2、将带人脸框的rgb图像转换为灰度图像；S3、将步骤S2中的所述人脸框转换为第一正方形框；S4、根据所述第一正方形框对所述灰度图像进行剪裁，得到第一剪裁图像；将所述第一剪裁图像缩放到64x64，得到第一人脸图像；S5、将所述第一人脸图像输入预设的基于查找表激活函数的第一网络，输出得到人脸各部位的mask图；S6、将人脸各部位的mask图二值化，得到二值化图像；S7、获取人脸各部位的中心坐标；S8、根据人脸各部位的中心坐标确定第...

【技术特征摘要】
1.一种基于查找表激活函数的人脸关键点检测方法，其特征在于，包括以下步骤：S1、获取包含人脸的rgb图像，并获取所述rgb图像中矩形人脸框，得到带人脸框的rgb图像；S2、将带人脸框的rgb图像转换为灰度图像；S3、将步骤S2中的所述人脸框转换为第一正方形框；S4、根据所述第一正方形框对所述灰度图像进行剪裁，得到第一剪裁图像；将所述第一剪裁图像缩放到64x64，得到第一人脸图像；S5、将所述第一人脸图像输入预设的基于查找表激活函数的第一网络，输出得到人脸各部位的mask图；S6、将人脸各部位的mask图二值化，得到二值化图像；S7、获取人脸各部位的中心坐标；S8、根据人脸各部位的中心坐标确定第二正方形框；S9、根据所述第二正方形框对所述灰度图像进行剪裁，得到第二剪裁图像；将所述第二剪裁图像缩放到64x64，得到第二人脸图像；S10、将所述第二人脸图像输入预设的基于查找表激活函数的第二网络，输出得到坐标值；S11、将步骤S10得到的所述坐标值映射到所述灰度图像中，得到最终的人脸关键点。2.根据权利要求1所述的人脸关键点检测方法，其特征在于，步骤S5中，所述第一网络为基于查找表激活函数的全卷积网络。3.根据权利要求1所述的人脸关键点检测方法，其特征在于，步骤S9中，所述第二网络为基于查找表激活函数的CNN+FC网络。4.根据权利要求1-3的任一项所述的人脸关键点检测方法，其特征在于，所述查找表激活函数的定义如下：其中，wj为第一网络或第二网络中训练得到的参数，其构成长度为2n+1的一维向量W＝{w-n,w-n+1,...,w0,...,wn-1,wn}，x表示查找表激活函数输入，y表示查找表激活函数输出，n为大于1的整数。5.根据权利要求4所述的人脸关键点检测方法，其特征在于，所述查找表...

【专利技术属性】
技术研发人员：黄亮，徐滢，
申请(专利权)人：成都品果科技有限公司，
类型：发明
国别省市：四川,51