The embodiment of the present invention discloses a method and device for detecting key points of face based on convolution neural network. The method includes: establishing a training set, the training set includes multiple face images, marking key points for face images in the training set, constructing a convolution neural network model, using the training set to train the convolution neural network model, and using the improved L1loss as the training set. The loss function trains the convolutional neural network model. By using various weight change learning strategies, the network can tend to focus on the hard-to-learn part, reduce the average impact of the easy-to-learn part on the network loss, and make the whole network change the face posture and face fineness. The key points of nodes and illumination background are more robust, the detection effect is more accurate, and the precise location of key points of face is realized.
【技术实现步骤摘要】
一种基于卷积神经网络的人脸关键点检测方法及装置
本专利技术实施例涉及计算机视觉处理
,具体涉及一种基于卷积神经网络的人脸关键点检测方法及装置。
技术介绍
传统的人脸关键点检测方法主要是基于图像设计特征的回归方法,首先采用人工设计特征(hand-craftedfeature)的方式统计图像的特征信息,提取人脸图像中的特征,用于更好的描述图像,再通过高质量的回归器,直接对人脸的关键点位置进行回归计算。物体的图像特征信息包括图像的灰度、纹理、外形等,通过对图像的特征信息进行统计运算,从而对物体进行更好地描述,主要有HIG、SIFT、HAAR等图像特征描述算子。SIFT对于图像中的杂波或者部分遮挡都有很强的鲁棒性,因为SIFT特征描述算子在均匀缩放、方向、光照变化和部分畸变的情况下具有不变性,SIFT检测器是通过关键点(感兴趣点)来使用的,利用不同尺度的高斯滤波器对图像进行卷积,然后对连续高斯模糊图像进行差分处理,关键点被识别为跨尺度图像的局部最小/最大值,这是通过将图像中的每个像素与其相同尺度的八个邻居进行比较,并且在相邻的每个尺度中比较九个对应的相邻像素来完成的,如果像素值是所有比较像素之间的最大值或最小值,则将其选择为候选关键点;HOG是另一种常用的图像特征描述算子,与SIFT特征类似,HOG对图像的局部部分中的梯度取向的出现进行计数,HOG描述符比其他描述符具有几个关键的优点,由于它在局部格子上工作,它对于几何和光度变换都具有很强的鲁棒性。在深度学习兴起之前,这种传统的人工设计特征方法是解决计算机视觉处理任务的主流,但是传统的图像设计特征方法适用范围 ...
【技术保护点】
1.一种基于卷积神经网络的人脸关键点检测方法,其特征在于,所述方法包括:建立训练集,所述训练集中包括多张人脸图像,对训练集中的人脸图像标注出关键点;构建卷积神经网络模型;使用训练集训练所述卷积神经网络模型,采用改进的L1 loss作为损失函数对所述卷积神经网络模型进行训练,损失函数的形式如下:
【技术特征摘要】
1.一种基于卷积神经网络的人脸关键点检测方法,其特征在于,所述方法包括:建立训练集,所述训练集中包括多张人脸图像,对训练集中的人脸图像标注出关键点;构建卷积神经网络模型;使用训练集训练所述卷积神经网络模型,采用改进的L1loss作为损失函数对所述卷积神经网络模型进行训练,损失函数的形式如下:其中,M为每张人脸图像中标注的关键点数量,wi为权重,yt表示监督的真实标签,yp表示卷积神经网络输出的预测值,通过关键点特征向量形式表示,N表示特征向量的维数。2.根据权利要求1所述的一种基于卷积神经网络的人脸关键点检测方法,其特征在于,所述使用训练集训练所述卷积神经网络模型包括:所述训练集包括第一训练集和第二训练集,所述第二训练集中包括多张包含抬头、低头、眨眼、张嘴、左摇头和右摇头六种人脸动作的人脸图像;使用第一训练集对所述卷积神经网络模型进行预训练;使用第二训练集对预训练后的卷积神经网络模型进行优化训练。3.根据权利要求2所述的一种基于卷积神经网络的人脸关键点检测方法,其特征在于,所述方法还包括:分别计算第一训练集或第二训练集中所有人脸图像所标注的关键点的平均点;使用第一训练集或第二训练集训练所述卷积神经网络模型学习人脸关键点到平均点之间的偏移量。4.根据权利要求1所述的一种基于卷积神经网络的人脸关键点检测方法,其特征在于,所述卷积神经网络模型采用改进后的ResNet18网络进行人脸图像的特征提取...
【专利技术属性】
技术研发人员:安玉山,
申请(专利权)人:北京视甄智能科技有限公司,
类型:发明
国别省市:北京,11
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。