【技术实现步骤摘要】
一种人脸姿态检测方法、装置、终端设备及存储介质
本申请属于机器视觉
，尤其涉及一种人脸姿态检测方法、装置、终端设备及存储介质。
技术介绍
人脸姿态检测在机器视觉的应用领域中，有着广泛的应用，如在人机交互，虚拟现实以及智能监控等应用领域，人脸姿态检测是对脸部的朝向进行检测。许多人脸任务的应用场景中，如人脸识别、属性识别、口罩识别等任务，需要先对人脸姿态进行检测，选择特征信息较多的正脸做对应的任务处理，因此对人脸姿态检测能准确检测出正脸和侧脸就变得尤为重要。目前常见的人脸姿态检测采用关键点检测结合模板进行分析，得到人脸姿态，然而由于预设的标准模板与实际人脸存在不小误差，从而使得人脸姿态检测的准确性较低。
技术实现思路
本申请实施例提供了一种人脸姿态检测方法、装置、终端设备及存储介质，旨在解决现有人脸姿态检测的准确性较低的问题。第一方面，本申请实施例提供了一种人脸姿态检测方法，包括：对目标图像进行人脸检测；当所述目标图像包含人脸图像时，检测所述人脸图像中的至少两个关键点；<...
【技术保护点】
1.一种人脸姿态检测方法，其特征在于，包括：/n对目标图像进行人脸检测；/n当所述目标图像包含人脸图像时，检测所述人脸图像中的至少两个关键点；/n根据所述人脸图像中的至少两个关键点，对所述人脸图像中人脸的姿态进行粗检测，获得粗检测结果；/n当所述粗检测结果满足精检测条件时，将所述人脸图像输入至预训练的神经网络模型中对所述人脸图像中人脸的姿态进行精检测，获得精检测结果。/n
【技术特征摘要】
1.一种人脸姿态检测方法，其特征在于，包括：
对目标图像进行人脸检测；
当所述目标图像包含人脸图像时，检测所述人脸图像中的至少两个关键点；
根据所述人脸图像中的至少两个关键点，对所述人脸图像中人脸的姿态进行粗检测，获得粗检测结果；
当所述粗检测结果满足精检测条件时，将所述人脸图像输入至预训练的神经网络模型中对所述人脸图像中人脸的姿态进行精检测，获得精检测结果。
2.根据权利要求1所述的人脸姿态检测方法，其特征在于，所述根据所述人脸图像中的至少两个关键点，对所述人脸图像中人脸的姿态进行粗检测，获得粗检测结果，包括：
获取所述人脸图像中的第一关键点与第二关键点之间的第一距离以及第一关键点与第三关键点或第四关键点之间的第二距离；其中，所述第一关键点、所述第二关键点、所述第三关键点和所述第四关键点分别位于所述人脸图像中人脸的不同五官；
根据所述第一距离与所述第二距离的比值，对所述人脸图像中人脸的姿态进行粗检测，获得粗检测结果；
当所述比值大于第一预设阈值且小于第二预设阈值时，确定所述粗检测结果满足精检测条件。
3.根据权利要求1所述的人脸姿态检测方法，其特征在于，所述将所述人脸图像输入至预训练的神经网络模型中对所述人脸图像中人脸的姿态进行精检测，获得精检测结果，包括：
将所述人脸图像输入至预训练的神经网络模型中对所述人脸图中人脸的姿态进行精检测，得到所述人脸图像中人脸的三个姿态角的角度值；其中，所述三个姿态角分别为人脸的俯仰角度、人脸的左右转头角度和人脸的左右倾斜角度。
4.根据权利要求3所述的人脸姿态检测方法，其特征在于，所述将所述人脸图像输入至预训练的神经网络模型中对所述人脸图像中人脸的姿态进行精检测，获得精检测结果，还包括：
当所述三个姿态角的角度值分别在各自对应的预设角度范围内时，确定所述人脸图像中的人脸姿态为正脸。
5.根据权利要求1至4任一项所述的人脸姿态检测方法，其特征在于，所述对目标图像进行人脸检测之前，包括：
获取待训练人脸图像，对所述待训练人脸图像进行预处理；
根据所述待训练人脸图像和进行预处理后的所述待训练人脸图像，建立人脸图像数据集；
对所述人脸图像数据集中的所有人脸图像的三个姿态角的角度值进行标记；其中，所述三个姿态角分别为人脸的俯仰角度、人脸的左右转头角度和人脸的左右倾斜角度；
将标记后的所述人脸图像数据集输入至神经网络模型进行训练，得到所述人脸图像数据集中的每个人脸图像的每个姿态角度属于N类预设角度中的每类的预设角度的概率；其中，N≥2；
根据...
【专利技术属性】
技术研发人员：曾钰胜，顾景，刘业鹏，程骏，庞建新，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：广东;44
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。