【技术实现步骤摘要】
本专利技术涉及人脸识别，尤其涉及一种人脸关键点检测方法、装置、设备及存储介质。
技术介绍
1、人脸关键点识别是指从人脸图像中自动识别出五官，以及人脸轮廓等关键部位的准确坐标的技术，在人脸识别、人脸图像编辑、人脸表情估计和人脸姿态估计等领域起到了重要作用。
2、现有的人脸关键点识别技术主要是通过深度卷积神经网络的方式来实现，通过训练好的深度卷积神经网络模型对应用场景中的人脸图像进行关键点预测。其中，深度卷积神经网络可分为基于热力图预测和基于坐标值回归两种方式确定的神经网络模型。
3、然而现有训练得到的深度卷积神经网络仅适用于数量较少的人脸关键点预测，如5个、21个或68个关键点等。但对于人脸图像编辑、人脸表情估计等精细程度要求更高的任务，往往需要更加稠密的关键点，而这类算法通常运行于计算能力较弱的移动端设备，对算法的实时性有着非常高的要求，现有深度卷积神经网络难以在同时满足准确率和实时性的条件下实现稠密关键点的识别。
技术实现思路
1、本专利技术提供了一种人脸关键点检测方法、装置、设备及存储介质，通过预先训练得到的人脸关键点检测模型，对待检测人脸图像中重要性不同的关键点采用不同的确定方式进行确定，提升了针对人脸关键点坐标的确定的高效性和准确性，使得该方法更适用于稠密人脸中关键点的检测。
2、第一方面，本专利技术实施例提供了一种人脸关键点检测方法，该方法包括：
3、获取待检测人脸图像；
4、将待检测人脸图像输入至预设的人脸关键
5、根据锚点关键点集合和关键点偏移量集合，确定待检测人脸图像对应的人脸关键点坐标集；
6、其中，人脸关键点检测模型中至少包括热力图预测模块和坐标值预测模块，热力图预测模块用于确定待检测人脸图像中的锚点关键点，坐标值预测模块用于确定待检测人脸图像中的关键点偏移量。
7、第二方面，本专利技术实施例还提供了一种人脸关键点检测装置，该人脸关键点检测装置包括：
8、图像获取模块，用于获取待检测人脸图像；
9、关键点集合确定模块，用于将待检测人脸图像输入至预设的人脸关键点检测模型，根据输出的生成结果确定锚点关键点集合和关键点偏移量集合；
10、坐标集确定模块，用于根据锚点关键点集合和关键点偏移量集合，确定待检测人脸图像对应的人脸关键点坐标集；
11、其中，人脸关键点检测模型中至少包括热力图预测模块和坐标值预测模块，热力图预测模块用于确定待检测人脸图像中的锚点关键点，坐标值预测模块用于确定待检测人脸图像中的关键点偏移量。
12、第三方面，本专利技术实施例还提供了一种人脸关键点检测设备，该人脸关键点检测设备包括：
13、至少一个处理器；以及
14、与至少一个处理器通信连接的存储器；其中，
15、存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，使得至少一个处理器能够实现本专利技术任一实施例的人脸关键点检测方法。
16、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本专利技术任一实施例的人脸关键点检测方法。
17、本专利技术实施例提供的一种人脸关键点检测方法、装置、设备及存储介质，通过获取待检测人脸图像；将待检测人脸图像输入至预设的人脸关键点检测模型，根据输出的生成结果确定锚点关键点集合和关键点偏移量集合；根据锚点关键点集合和关键点偏移量集合，确定待检测人脸图像对应的人脸关键点坐标集；其中，人脸关键点检测模型中至少包括热力图预测模块和坐标值预测模块，热力图预测模块用于确定待检测人脸图像中的锚点关键点，坐标值预测模块用于确定待检测人脸图像中的关键点偏移量。通过采用上述技术方案，在对待检测人脸图像进行关键点检测时，通过训练好的人脸关键点检测模型中的不同模块，对待检测人脸图像中重要性不同的锚点关键点，以及其他关键点相对于锚点关键点的关键点偏移量分别进行确定，进而依据确定得到的锚点关键点集合和关键点偏移量集合确定待检测人脸图像中，所有人脸关键点的坐标。解决了在神经网络模型能力较为有限且不对人脸中各关键点进行区分的情况下，难以进行数量较多的人脸关键点检测，以及人脸中重点部位的关键点准确性不足的问题，提升了对稠密人脸关键点的检测效率和准确度，降低了数据运算量，使得算力较弱的移动端设备可支持多人脸关键点的检测。
18、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种人脸关键点检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述人脸关键点检测模型至少包括：特征图像提取模块、热力图特征提取模块、热力图预测模块和坐标值预测模块；
3.根据权利要求2所述的方法，其特征在于，所述根据所述热力图预测模块的输出确定至少一个锚点关键点，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述坐标值预测模块的输出确定所述融合特征图像中各关键点相对于各所述锚点关键点的关键点偏移量，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述锚点关键点集合和所述关键点偏移量集合，确定所述待检测人脸图像对应的人脸关键点坐标集，包括：
6.根据权利要求1-5中任一项所述的方法，其特征在于，在所述获取待检测人脸图像之前，还包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述锚点中间结果与所述标定图像中对应的锚点坐标信息，确定对应的第一损失函数，包括：
8.根据权利要求6所述的方法，其特征在于，所述根据所述偏移量中间结果与所述标定图像中对
9.根据权利要求6所述的方法，其特征在于，所述基于所述第一损失函数和所述第二损失函数对所述初始人脸关键点检测模型进行训练，直到满足预设收敛条件获得人脸关键点检测模型，包括：
10.根据权利要求6所述的方法，其特征在于，所述基于所述第一损失函数和所述第二损失函数对所述初始人脸关键点检测模型进行训练，包括：
11.一种人脸关键点检测装置，其特征在于，包括：
12.一种人脸关键点检测设备，其特征在于，所述人脸关键点检测设备包括：
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-10中任一项所述的人脸关键点检测方法。
...【技术特征摘要】
1.一种人脸关键点检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述人脸关键点检测模型至少包括：特征图像提取模块、热力图特征提取模块、热力图预测模块和坐标值预测模块；
3.根据权利要求2所述的方法，其特征在于，所述根据所述热力图预测模块的输出确定至少一个锚点关键点，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述坐标值预测模块的输出确定所述融合特征图像中各关键点相对于各所述锚点关键点的关键点偏移量，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述锚点关键点集合和所述关键点偏移量集合，确定所述待检测人脸图像对应的人脸关键点坐标集，包括：
6.根据权利要求1-5中任一项所述的方法，其特征在于，在所述获取待检测人脸图像之前，还包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述锚点中间结果与所述标定图像中对应的锚...
【专利技术属性】
技术研发人员：谢宗生，王乃洲，朱勋沐，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：
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。