图像库构建方法、电子设备及存储介质技术

本申请涉及图像处理领域，提供一种图像库构建方法、电子设备及存储介质。该方法对获取到的输入图像进行人脸检测，确定输入图像中人脸检测框的检测位置，基于检测位置，从输入图像中截取出人脸图像，对人脸图像进行人脸关键点检测，得到多个人脸关键点坐标，根据人脸图像的目标位置及多个人脸关键点坐标，生成与多个人脸关键点坐标对应的多个目标关键点坐标，根据多个目标关键点坐标及预设标准人脸坐标，对输入图像进行对齐处理，得到对齐图像，根据对齐图像的人脸判别结果，建立目标图像库。本申请通过构建目标图像库，如此在处理人脸相关任务时，无需重复对输入图像进行预处理，提高了任务执行效率。了任务执行效率。了任务执行效率。

【技术实现步骤摘要】
图像库构建方法、电子设备及存储介质


[0001]本申请涉及图像处理
，尤其涉及一种图像库构建方法、电子设备及存储介质。

技术介绍

[0002]随着人工智能的发展，衍生出基于深度学习的人脸识别、人脸检测、人脸风格化等人脸相关任务。为了实现这些人脸相关任务的落地，通常需要采集并处理人脸数据。然而，由于采集到的人脸数据的格式不同、拍摄光照方式不同、人脸与相机的角度不同等原因，导致采集到的人脸图像不满足任务的要求，因此，在每次处理人脸相关任务时，通常需要重复对采集到的人脸图像进行预处理，同时，由于采集到的人脸图像所占的存储空间较大，导致基于采集到的人脸图像进行任务处理时所花费的时长过长，从而造成任务的执行效率低下。

技术实现思路

[0003]鉴于以上内容，有必要提供一种图像库构建方法、电子设备及存储介质，能够解决在每次处理人脸相关任务时因重复对图像的预处理所导致的任务执行效率低下的技术问题。
[0004]一方面，本申请提出一种图像库构建方法，所述图像库构建方法包括：对获取到的输入图像进行人脸检测，确定所述输入图像中人脸检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像库构建方法，其特征在于，所述图像库构建方法包括：对获取到的输入图像进行人脸检测，确定所述输入图像中人脸检测框的检测位置；基于所述检测位置，从所述输入图像中截取出人脸图像；对所述人脸图像进行人脸关键点检测，得到多个人脸关键点坐标；根据所述人脸图像的目标位置及所述多个人脸关键点坐标，生成与所述多个人脸关键点坐标对应的多个目标关键点坐标；根据所述多个目标关键点坐标及预设标准人脸坐标，对所述输入图像进行对齐处理，得到对齐图像；根据所述对齐图像的人脸判别结果，建立目标图像库。2.如权利要求1所述的图像库构建方法，其特征在于，所述对获取到的输入图像进行人脸检测，确定所述输入图像中人脸检测框的检测位置包括：获取预先训练的人脸检测模型，所述人脸检测模型包括特征提取网络及检测框生成网络，所述特征提取网络包括精特征提取层及粗特征提取层，所述检测框生成网络包括人脸识别层、目标卷积层、目标融合层、所述精特征提取层及检测框定位层；基于所述特征提取网络提取所述输入图像的目标粗度特征；基于所述人脸识别层，从所述目标粗度特征中识别出初级人脸特征；利用所述目标卷积层及所述目标融合层，生成所述初级人脸特征的聚合特征；基于所述精特征提取层提取所述聚合特征的目标精度特征；基于所述人脸识别层，从所述目标精度特征中识别出目标人脸特征；基于所述检测框定位层对所述目标人脸特征进行定位，得到所述人脸检测框；将所述人脸检测框在所述输入图像中的位置作为所述检测位置。3.如权利要求1所述的图像库构建方法，其特征在于，所述基于所述检测位置，从所述输入图像中截取出人脸图像包括：基于所述检测位置，识别所述人脸检测框的初始高度及初始宽度；基于预设比例对所述初始高度进行处理，得到目标高度，并基于所述预设比例对所述初始宽度进行处理，得到目标宽度；计算所述目标高度与所述初始高度的高度差值，并计算所述目标宽度与所述目标宽度的宽度差值；根据所述高度差值、所述宽度差值及所述检测位置，识别出所述目标位置；从所述输入图像中截取与所述目标位置对应的区域作为所述人脸图像。4.如权利要求3所述的图像库构建方法，其特征在于，所述检测位置包括多个初始坐标点，所述目标位置包括多个目标点，所述根据所述高度差值、所述宽度差值及所述检测位置，识别出所述目标位置包括：将具有最小横坐标值及最小纵坐标值的初始坐标点确定为第一坐标点，并将具有最大横坐标值及最大纵坐标值的初始坐标点确定为第二坐标点，所述第一坐标点包括第一横坐标值及第一纵坐标值，所述第二坐标点包括第二横坐标值及第二纵坐标值；计算所述宽度差值与预设数值的宽度比值，并计算高度差值与所述预设数值的高度比值；根据所述第...

【专利技术属性】
技术研发人员：吉祥，
申请(专利权)人：抖动科技深圳有限公司，
类型：发明
国别省市：