一种基于卷积神经网络的高清视频人脸对齐的方法技术

本发明专利技术公开了一种基于卷积神经网络的高清视频人脸对齐的方法，包括如下步骤：S1、处理过程的每个阶段分成以下步骤，这个过程会执行关键特征点的位置估计和全连接网络的下一阶段输入数据准备；S2、从最初的第一个阶段开始，之后经过n轮计算，每一轮都进一步微调上一轮得到最新关键特征点位置，通过可视化引入热图和特征图，我们在每一阶段都保持传递了关键信，本发明专利技术结构科学合理，使用安全方便，处理过程传承了整个视频连续帧的关键信息，相较于局部区域对齐处理的方法，能适应不同的头部姿态和初始形象，为其他高效高质量的业务人脸处理提供基础保证。

【技术实现步骤摘要】
一种基于卷积神经网络的高清视频人脸对齐的方法
本专利技术涉及人脸对齐
，具体为一种基于卷积神经网络的高清视频人脸对齐的方法。
技术介绍
卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一，卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络；近些年大部分的高清视频人脸对齐方法都和普通图片的识别方法类似，都是基于形状索引特征，在这类方法中图片特征或者经过机器学习转换得到特征都是从围绕着特征点区域片段中抽取计算得到的，然后这些特征被反复用在这些特征点位置的微调，这种方法在普通照片上可能还行，但在高清照片或者视频上其效率非常低下，并且效果也很差，这是因为在高清照片或者视频中获得这些片段无法给出足够的信息，导致信息不全面，所以往往会训练获得局部最优点，而不是整体最优点，这样带来的问题影响整个模型的效率和效果。
技术实现思路
本专利技术提供一种基于卷积神经网络的高清视本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的高清视频人脸对齐的方法，其特征在于：包括如下步骤：/nS1、处理过程的每个阶段分成以下步骤，这个过程会执行关键特征点的位置估计和全连接网络的下一阶段输入数据准备；/nS2、从最初的第一个阶段开始，之后经过n轮计算，每一轮都进一步微调上一轮得到最新关键特征点位置，通过可视化引入热图和特征图，我们在每一阶段都保持传递了关键信息；/nS3、视频每一帧的关键特征点位置确定后，根据时间线拟合整个视频的连续帧的特征点的连续位置；/nS4、检验对齐全视频人脸关键点特征位置，输出用于各类该视频人脸处理用途。/n

【技术特征摘要】
1.一种基于卷积神经网络的高清视频人脸对齐的方法，其特征在于：包括如下步骤：
S1、处理过程的每个阶段分成以下步骤，这个过程会执行关键特征点的位置估计和全连接网络的下一阶段输入数据准备；
S2、从最初的第一个阶段开始，之后经过n轮计算，每一轮都进一步微调上一轮得到最新关键特征点位置，通过可视化引入热图和特征图，我们在每一阶段都保持传递了关键信息；
S3、视频每一帧的关键特征点位置确定后，根据时间线拟合整个视频的连续帧的特征点的连续位置；
S4、检验对齐全视频人脸关键点特征位置，输出用于各类该视频人脸处理用途。


2.根据权利要求1所述的一种基于卷积神经网络的高...

【专利技术属性】
技术研发人员：王梓鉴，孙伟，
申请(专利权)人：秒影工场北京科技有限公司，
类型：发明
国别省市：北京;11