【技术实现步骤摘要】
一种基于深度学习的人脸关键点定位方法
本专利技术涉及人脸识别
,特别是涉及一种基于深度学习的人脸关键点定位方法。
技术介绍
人脸关键点定位是人脸识别领域的一个重要研究方向,用于人脸姿态估计,配合式活体检测。目前人脸关键点定位算法为了实现较高的定位精度,通常采用复杂的网络结构,或在训练数据中引入额外的人工标注辅助训练,或采用辅助算法进行训练数据增强。这就导致了相关算法实施过程投入较大,同时所得到的算法模型亦较为臃肿,无法在移动端等对轻量化要求较为苛刻的场景中使用。另一方面,训练数据中的标注误差也导致了模型精度的提升空间。
技术实现思路
本专利技术针对现有技术存在的问题和不足,提供一种基于深度学习的人脸关键点定位方法。本专利技术是通过下述技术方案来解决上述技术问题的:本专利技术提供一种基于深度学习的人脸关键点定位方法,其特点在于,其包括以下步骤:构建骨干网络模型:采用普通卷积层外加堆叠数个MobilenetV2block构建骨干网络模型以实现模型轻量化,并在骨干网络模型中采用高阶特征结合低阶特征的方式进行人脸关键点位置训练和预测;增强离线数据:在-30°至+30°内每隔3度对采集到的原始人脸图像训练数据进行一次旋转,再进行一次水平翻转,从而得到扩充后的人脸图像训练数据;增强灰度:对扩充后的人脸图像训练数据进行灰度转换以获得人脸灰度图像训练数据;模型训练过程中考虑标注误差的训练损失和丢弃部分简单样本:对每个人脸关键点产生的损失设置不同的损失权重,将人 ...
【技术保护点】
1.一种基于深度学习的人脸关键点定位方法,其特征在于,其包括以下步骤:/n构建骨干网络模型:采用普通卷积层外加堆叠数个Mobilenet V2 block构建骨干网络模型以实现模型轻量化,并在骨干网络模型中采用高阶特征结合低阶特征的方式进行人脸关键点位置训练和预测;/n增强离线数据:在-30°至+30°内每隔3度对采集到的原始人脸图像训练数据进行一次旋转,再进行一次水平翻转,从而得到扩充后的人脸图像训练数据;/n增强灰度:对扩充后的人脸图像训练数据进行灰度转换以获得人脸灰度图像训练数据;/n模型训练过程中考虑标注误差的训练损失和丢弃部分简单样本:对每个人脸关键点产生的损失设置不同的损失权重,将人脸灰度图像训练数据、每个人脸关键点对应的损失权重以及人脸灰度图像对应的标注人脸关键点代入骨干网络模型中进行训练,在训练过程中,基于骨干网络模型训练出的各个人脸关键点与对应标注的人脸关键点计算出误差值,基于误差值设定阈值,将人脸灰度图像训练数据对应的值与阈值进行比较,若低于则丢弃该人脸灰度图像训练数据,否则保留该人脸灰度图像训练数据进行模型训练。/n
【技术特征摘要】
1.一种基于深度学习的人脸关键点定位方法,其特征在于,其包括以下步骤:
构建骨干网络模型:采用普通卷积层外加堆叠数个MobilenetV2block构建骨干网络模型以实现模型轻量化,并在骨干网络模型中采用高阶特征结合低阶特征的方式进行人脸关键点位置训练和预测;
增强离线数据:在-30°至+30°内每隔3度对采集到的原始人脸图像训练数据进行一次旋转,再进行一次水平翻转,从而得到扩充后的人脸图像训练数据;
增强灰度:对扩充后的人脸图像训练数据进行灰度转换以获得人脸灰度图像训练数据;
模型训练过程中考虑标注误差的训练损失和丢弃部分简单样本:对每个人脸关键点产生的损失设置不同的损失权重,将人脸灰度图像训练数据、每个人脸关键点对应的损失权重以及人脸灰度图像对应的标注人脸关键点代入骨干网络模型中进行训练,在训练过程中,基于骨干网络模型训练出的各个人脸关键点与对应标注的人脸关键点计算出误差值,基于误差值设定阈值,将人脸灰度图像训练数据对应的值与阈值进行比较,若低于则丢弃该人脸灰度图像训练数据,否则保留该人脸灰度图像训练数据进行模型训练。
2.如权利要求1所述的基于深度学习的人脸关键点定位方法,其特征在于,构建骨干网络模型:骨干网络模型依次包括普通卷积层和4个MobilenetV2Block,在骨干网络模型的尾部,通过长宽为7的卷积核将特征图处理成1×1的高阶特征值,将最后一层MobilenetV2Block和卷积核特征图进行全局平均池化,分别得到相应低阶且维度为1×1的特征值,并与高阶特征值进行拼接,然后由一层全连接层进行人脸68个关键点的位置训练和预测。
3.如权利要求1所述的基于深度学习的人脸关键点定位方法,其特征在于,增强离线数据:在-30°至+30°内每隔3度对原始人脸图像训练数据进行一次旋转,每次旋转得到旋转之后的landmark、以及该次旋转所对应的旋转矩阵M,由landmark计算面部区域face_gt,使用旋转矩阵M对原始人脸图像进行仿射变换,得到变换后的图像ImgT,使用人脸检测算法,从图像ImgT中检测人脸图像face_detect,使用人脸图像face_detect与面部区域face_gt的IOU值来判定所检测的人脸图像face_detect是否是所需要的人脸图像,在满足IOU值条件之后,使用人脸图像face_detect的图像边界对landmark进行归一化,以便算法更快收敛。
<...
【专利技术属性】
技术研发人员:林三吉,刘清平,陈丰生,
申请(专利权)人:海纳致远数字科技上海有限公司,
类型:发明
国别省市:上海;31
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。