【技术实现步骤摘要】
人脸关键点检测模型训练方法、装置、电子设备和介质
本专利技术涉及计算机视觉
，尤其是涉及一种人脸关键点检测模型训练方法、装置、电子设备和介质。
技术介绍
目前越来越多的终端场景应用到人脸关键点，尤其是视频流应用上，常常需要实时预测人脸关键点，需要人脸关键点检测模型足够小，数据处理足够快。然而小模型在视频流的处理上，当人脸静止时检测出关键点会出现抖动现象，这使得基于关键点检测的一些场景应用变得困难，比如AR试妆，如果关键点抖动，那么试妆的效果就会抖动，无法准确显示在人脸的特定位置，影响展示效果。
技术实现思路
本申请提供了一种人脸关键点检测模型训练方法、装置、电子设备和介质。第一方面，提供了一种人脸关键点检测模型训练方法，包括：获取多个样本人脸视频流，一个所述样本人脸视频流包括一个人脸的多张视频帧，所述样本人脸视频流在所述人脸保持静止状态时采集；采用第一人脸关键点模型，对所述多个样本人脸视频流中每个样本人脸视频流的每一视频帧进行关键点预测，获得所述每一视频帧的预测人脸关键点；<...
【技术保护点】
1.一种人脸关键点检测模型训练方法，其特征在于，包括：/n获取多个样本人脸视频流，一个所述样本人脸视频流包括一个人脸的多张视频帧，所述样本人脸视频流在所述人脸保持静止状态时采集；/n采用第一人脸关键点模型，对所述多个样本人脸视频流中每个样本人脸视频流的每一视频帧进行关键点预测，获得所述每一视频帧的预测人脸关键点；/n根据所述每个样本人脸视频流的每一视频帧的预测人脸关键点，确定所述每个样本人脸视频流对应的一组人脸关键点坐标，一个所述样本人脸视频流对应的一组人脸关键点坐标用于表示所述样本人脸视频流的每一视频帧的人脸关键点位置；/n根据所述样本人脸视频流和所述每个样本人脸视频流对...
【技术特征摘要】
1.一种人脸关键点检测模型训练方法，其特征在于，包括：
获取多个样本人脸视频流，一个所述样本人脸视频流包括一个人脸的多张视频帧，所述样本人脸视频流在所述人脸保持静止状态时采集；
采用第一人脸关键点模型，对所述多个样本人脸视频流中每个样本人脸视频流的每一视频帧进行关键点预测，获得所述每一视频帧的预测人脸关键点；
根据所述每个样本人脸视频流的每一视频帧的预测人脸关键点，确定所述每个样本人脸视频流对应的一组人脸关键点坐标，一个所述样本人脸视频流对应的一组人脸关键点坐标用于表示所述样本人脸视频流的每一视频帧的人脸关键点位置；
根据所述样本人脸视频流和所述每个样本人脸视频流对应的人脸关键点坐标，对所述第一人脸关键点模型进行训练，获得第二人脸关键点模型。
2.根据权利要求1所述的人脸关键点检测模型训练方法，其特征在于，所述根据所述每个样本人脸视频流的每一视频帧的预测人脸关键点，确定所述每个样本人脸视频流对应的一组人脸关键点坐标，包括：
对一个所述样本人脸视频流的全部视频中同一关键点标识对应的预测人脸关键点坐标取平均值，获得所述全部视频中每个关键点标识对应的平均坐标值；
将所述全部视频中每个关键点标识对应的平均坐标值确定为所述一个样本人脸视频流对应的一组人脸关键点坐标，以获得所述每个样本人脸视频流对应的一组人脸关键点坐标。
3.根据权利要求1所述的人脸关键点检测模型训练方法，其特征在于，所述根据所述每个样本人脸视频流的每一视频帧的预测人脸关键点，确定所述每个样本人脸视频流对应的一个人脸关键点坐标，包括：
在一个所述样本人脸视频流的全部视频中同一关键点标识对应的预测人脸关键点坐标中，取中间值，获得所述全部视频中每个关键点标识对应的中间坐标值；
将所述全部视频中每个关键点标识对应的中间坐标值确定为所述一个样本人脸视频流对应的一组人脸关键点坐标，以获得所述每个样本人脸视频流对应的一组人脸关键点坐标。
4.根据权利要求2或3所述的人脸关键点检测模型训练方法，其特征在于，所述采用第一人脸关键点模型，对所述多个样本人脸视频流中每个样本人脸视频流的每一视频帧进行关键点预测，获得所述每一视频帧的预测人脸关键点，包括：
使用人脸检测算法对所述多个样本人脸视频流中每个样本人脸视频流的每一视频帧进行人脸检测，获得所述每一视频帧中的人脸检测框；
采用所述第一人脸关键点模型，预测所述每一视频帧中的人脸检测框的人脸关键点，获得所述每一视频帧的预测人脸关键点。
5.根据权利要求4所述的人脸关键点检测模型训练方法，其特征在于，所述采用第一人脸关键点模型，对所述多个样本人脸视...
【专利技术属性】
技术研发人员：张阿强，
申请(专利权)人：深圳数联天下智能科技有限公司，
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。