The invention discloses a face key point detection method based on the face area normalization and the deformable hourglass network. Firstly, by using the transformation parameters output from the convolution neural network, the face with different postures is converted to the normal state; then, the deformable residual block is introduced to enhance the ability of adaptive modeling correlation.
【技术实现步骤摘要】
基于面部区域规范化和可变形沙漏网络的面部关键点检测方法
本专利技术涉及人脸检测技术,具体涉及一种基于面部区域规范化和可变形沙漏网络的面部关键点检测方法。
技术介绍
面部关键点检测,也称为人脸对齐,旨在定位一组预定义的面部关键点。这是许多面向人脸的视觉任务的关键步骤,如人脸识别[1],人脸动画模拟[2],表情识别[3]和三维人脸重建[4]。虽然近十年来已经取得了重大进展,但由于面部外观变化复杂,例如大角度姿态,极端光照,夸张表情和部分遮挡,实现鲁棒的面部对齐依然具有挑战性。凭借着对局部特征的强大表示,堆叠沙漏网络[5]极大地提升了关键点检测任务的性能,如人脸对齐,人体姿态估计和手部姿态估计等。虽然现有方法取得了较好的效果,但由于基于热图回归的网络将每个关键点的预测视为一项独立任务,且传统卷积核的感受野有限,因此沙漏模型及其变体难以学习脸部外观的整体结构。通常这些方法易于在遮挡场景中预测不合理的面部形状。作为面部关键点检测的先前步骤,面部检测目的在于获得适当的面部区域。然而,在一些不受控的情况下,例如严重遮挡或低图像质量,面部检测器性能有限通常不能提供最适合的面部区域。不准确的面部区域会降低关键点检测的性能。相反,具有规范的姿态和尺度的人脸图像对关键点检测是有利的。因此,面部区域规范化步骤,旨在消除尺度、旋转和平移差异,在面部关键点检测任务中起重要作用。规范化步骤可以显著减少回归坐标的难度。常规方法通常基于仿射变换实现面部区域规范化。首先检测几个基准关键点,然后基于检测到的关键点和平均形状 ...
【技术保护点】
1.一种基于面部区域规范化和可变形沙漏网络的面部关键点检测方法,其特征在于:包括以下步骤/n(1)面部区域规范化网络,即通过卷积神经网络一次性直接输出仿射变换参数,然后增加由关键点指导的损失函数;通过仿射变换参数对输入的人脸图像执行仿射变换得到摆正姿态的人脸图像;/n卷积神经网络结构依次包括第一卷积层、四个残差块、第二卷积层和全连接层;通过该网络学习从面部图像到仿射变换参数的映射;/n(2)在沙漏网络中增加可变形残差块得到可变形沙漏网络,然后通过可变形沙漏网络对步骤(1)预处理后的人脸图像进行关键点检测;沙漏网络具有多层次结构,逐层地从输入图像提取更抽象的高级语义特征,最终在网络末端输出n个热图,且n对应关键点的数量,每个热图响应值最高的像素位置即代表所预测的对应关键点的位置。/n
【技术特征摘要】
1.一种基于面部区域规范化和可变形沙漏网络的面部关键点检测方法,其特征在于:包括以下步骤
(1)面部区域规范化网络,即通过卷积神经网络一次性直接输出仿射变换参数,然后增加由关键点指导的损失函数;通过仿射变换参数对输入的人脸图像执行仿射变换得到摆正姿态的人脸图像;
卷积神经网络结构依次包括第一卷积层、四个残差块、第二卷积层和全连接层;通过该网络学习从面部图像到仿射变换参数的映射;
(2)在沙漏网络中增加可变形残差块得到可变形沙漏网络,然后通过可变形沙漏网络对步骤(1)预处理后的人脸图像进行关键点检测;沙漏网络具有多层次结构,逐层地从输入图像提取更抽象的高级语义特征,最终在网络末端输出n个热图,且n对应关键点的数量,每个热图响应值最高的像素位置即代表所预测的对应关键点的位置。
2.根据权利要求1所述的基于面部区域规范化和可变形沙漏网络的面部关键点检测方法,其特征在于:步骤(1)中的网络结构具体如下:
第一卷积层为步长为2且填充为1的3×3卷积层,第二卷积层为步长为1且填充为0的3×3卷积层,全连接层中包括有256个隐藏单元。
3.根据权利要求1所述的基于面部区域规范化和可变形沙...
【专利技术属性】
技术研发人员:王华彬,程睿,戴瑞,兰江浩,钱鹏方,李鑫,李诚,吴云志,陶亮,
申请(专利权)人:安徽大学,
类型:发明
国别省市:安徽;34
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。