人脸特征点定位方法、装置、介质及电子设备制造方法及图纸

本公开涉及图像算法领域，揭示了一种人脸特征点定位方法、装置、介质及电子设备。该方法包括：将目标人脸图像输入至第一卷积模型，得到第一卷积模型的预定层卷积层输出的第一浅层特征图；利用双线性插值算法对第一浅层特征图中的候选特征点进行双线性插值，得到第二浅层特征图；将第二浅层特征图输入至与第一卷积模型级联的第二卷积模型，得到第二卷积模型输出的与目标人脸图像对应的人脸特征图，其中，第二卷积模型的预定层卷积层及之前的每一卷积层的权重分别与第一卷积模型对应层数的卷积层的权重一致。此方法下，提高了人脸特征点定位精度，由于级联模型之间的卷积层共享权重，可以减少计算量和参数量，提高模型的训练速度和收敛速度。

【技术实现步骤摘要】
人脸特征点定位方法、装置、介质及电子设备
本公开涉及图像算法
，特别涉及一种人脸特征点定位方法、装置、介质及电子设备。
技术介绍
卷积神经网络模型是图像处理领域重要而经典的模型之一。而人脸图像处理是图像处理领域的重要课题。在现有技术中，人脸特征点定位模型很多都用到了卷积神经网络模型。通常情况下，人们为了对人脸图像中的特征点进行定位，通常是将人脸图像直接输入到卷积神经网络模型中，利用该卷积神经网络模型的卷积层进行人脸特征点的定位。目前采用的人脸特征点定位方法在实际进行特征点定位时的精度不够高。
技术实现思路
在图像算法
，为了解决上述技术问题，本公开的目的在于提供一种人脸特征点定位方法、装置、介质及电子设备。根据本申请的一方面，提供了一种人脸特征点定位方法，所述方法包括：将待定位特征点的目标人脸图像输入至第一卷积神经网络模型，得到所述第一卷积神经网络模型的预定层卷积层输出的包含多个候选特征点的第一浅层特征图；利用双线性插值算法对所述第一浅层特征图中的候选特征点进行双线性插值，得到第二浅层特征图；...

【技术保护点】
1.一种人脸特征点定位方法，其特征在于，所述方法包括：/n将待定位特征点的目标人脸图像输入至第一卷积神经网络模型，得到所述第一卷积神经网络模型的预定层卷积层输出的包含多个候选特征点的第一浅层特征图；/n利用双线性插值算法对所述第一浅层特征图中的候选特征点进行双线性插值，得到第二浅层特征图；/n将所述第二浅层特征图输入至与所述第一卷积神经网络模型级联的第二卷积神经网络模型，得到所述第二卷积神经网络模型输出的与所述待定位特征点的目标人脸图像对应的人脸特征图，其中，所述第二卷积神经网络模型的预定层卷积层及所述预定层卷积层之前的所有卷积层中每一卷积层的权重分别与所述第一卷积神经网络模型对应层数的卷积层...

【技术特征摘要】
1.一种人脸特征点定位方法，其特征在于，所述方法包括：
将待定位特征点的目标人脸图像输入至第一卷积神经网络模型，得到所述第一卷积神经网络模型的预定层卷积层输出的包含多个候选特征点的第一浅层特征图；
利用双线性插值算法对所述第一浅层特征图中的候选特征点进行双线性插值，得到第二浅层特征图；
将所述第二浅层特征图输入至与所述第一卷积神经网络模型级联的第二卷积神经网络模型，得到所述第二卷积神经网络模型输出的与所述待定位特征点的目标人脸图像对应的人脸特征图，其中，所述第二卷积神经网络模型的预定层卷积层及所述预定层卷积层之前的所有卷积层中每一卷积层的权重分别与所述第一卷积神经网络模型对应层数的卷积层的权重一致，所述第二卷积神经网络模型的预定层卷积层在所有所述第二卷积神经网络模型的卷积层中的排序和所述第一卷积神经网络模型的预定层卷积层在所有所述第一卷积神经网络模型的卷积层中的排序一致。


2.根据权利要求1所述的方法，其特征在于，所述利用双线性插值算法对所述第一浅层特征图中的候选特征点进行双线性插值，得到第二浅层特征图，包括：
针对所述第一浅层特征图中的每一候选特征点，获取要以该候选特征点为坐标中心确定的正方形区域的目标边长；
针对所述第一浅层特征图中的每一候选特征点，以该候选特征点为坐标中心在所述第一浅层特征图中确定正方形区域，其中，所述正方形区域的边长为针对该候选特征点获取的目标边长；
获取针对每一候选特征点确定的正方形区域的四个顶点的坐标值以及每一顶点处的像素值；
针对每一候选特征点，基于该候选特征点对应的顶点的坐标和每一顶点处的像素值，利用如下公式获取构成所述第二浅层特征图的各个像素点的像素值，以得到第二浅层特征图：



其中，(x,y)是针对该候选特征点获取的第二浅层特征图中与该特征点对应的像素点的坐标值，(x1,y1)，(x2,y1),(x1,y2)和(x2,y2)分别是该候选特征点对应的正方形区域的四个顶点的坐标值，f(x1,y1)，f(x2,y1)，f(x1,y2)和f(x2,y2)是在所述第一浅层特征图中的与该候选特征点对应的正方形区域的四个顶点处的像素值。


3.根据权利要求2所述的方法，其特征在于，针对每一候选特征点获取的目标边长都为相同的预设的边长，所述获取针对每一候选特征点确定的正方形区域的四个顶点的坐标值以及每一顶点处的像素值，包括：
针对每一候选特征点，分别利用下列表达式获取针对该候选特征点确定的正方形区域的四个顶点的坐标值：
(x3-r,y3-r),(x3-r,y3+r),(x3+r,y3-r),(x3+r,y3+r)，
其中，(x3，y3)是候选特征点的坐标值，r是所述预设的边长的二分之一；
针对每一候选特征点，判断针对该候选特征点确定的正方形区域的四个顶点中每一顶点的坐标值是否都位于所述第一浅层特征图内；
如果是，按照所述坐标值在所述第一浅层特征图中获取对应顶点的像素值；
如果否，对于针对该候选特征点确定的正方形区域的四个顶点中位于所述第一浅层特征图内的顶点，按照各顶点对应的所述坐标值在所述第一浅层特征图中获取对应顶点的像素值；
获取针对该候选特征点确定的正方形区域的四个顶点中位于所述第一浅层特征图以外的顶点，作为辅助顶点；
针对每一辅助顶点，在所述第一浅层特征图中获取与该辅助顶点距离最近的像素点处的像素值，作为该辅助顶点的像素值。


4.根据权利要求3所述的方法，其特征在于，所述针对每一辅助顶点，在所述第一浅层特征图中获取与该辅助顶点距离最近的像素点处的像素值，作为该辅助顶点的像素值，包括：
针对每一辅助顶点，针对所述第一浅层特征图中的每一像素点，利用如下公式确定该像素点与该辅助顶点之间的距离：



其中，x4，y4分别是辅助顶点的横坐标和纵坐标，x，y分别是所述第一浅层特征图中像素点的横坐标和纵坐标，D是辅助顶点与所述第一浅层特征图中的像素点之间的距离；
针对每一辅助顶点，在针对该辅助顶点获取的所述第一...

【专利技术属性】
技术研发人员：罗天文，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44