[发明专利]人脸颜值评估方法、装置及终端设备

权利要求书

1.一种人脸颜值评估方法，其特征在于，所述方法包括：

通过卷积神经网络的卷积层对人脸图像进行卷积处理，得到所述人脸图像在各卷积层提取出的局部特征，所述人脸图像为原始图像中包含人脸的区域，所述卷积神经网络已经进行了设定个数的任务训练；

通过所述卷积神经网络的全连接层对所述各卷积层提取出的局部特征进行整合并连接为一个设定长度的一维向量；

将所述一维向量分别输入至所述卷积神经网络的设定个数的预测层，通过所述设定个数的预测层得到所述设定个数关于所述人脸的评分值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定所述设定个数关于所述人脸的评分值各自对应的权重系数；

根据所述各自对应的权重系数对所述设定个数关于所述人脸的评分值进行加权求和，得到所述人脸的最终评分值。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述设定个数关于所述人脸的评分值分别输入至所述卷积神经网络的设定个数的损失函数层；

将所述人脸图像中的人脸对应的所述设定个数的标定值分别输入至所述设定个数的损失函数层；

通过所述损失函数层得到所述设定个数的所述评分值和所述设定个数的标定值之间的误差值；

通过所述设定个数的误差值更新所述卷积神经网络中的每一层的参数。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

检测所述原始图像上关于所述人脸的特征点；

根据所述人脸的特征点从所述原始图像上确定所述人脸的区域图像；

将所述人脸的区域图像根据预设参考特征点进行仿射变换得到人脸图像，所述人脸图像的分辨率与所述卷积神经网络的输入层的维数相同。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述设定个数关于所述人脸的评分值确定关于所述原始图像的反馈结果。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于预设数量的人脸样本对所述卷积神经网络进行所述设定个数的任务训练；

在确定所述卷积神经网络的迭代次数达到预设次数或者所述卷积神经网络的训练损失函数小于预设阈值时，停止对所述卷积神经网络的训练。

7.一种人脸颜值评估装置，其特征在于，所述装置包括：

卷积处理模块，被配置为通过卷积神经网络的卷积层对人脸图像进行卷积处理，得到所述人脸图像在各卷积层提取出的局部特征，所述人脸图像为原始图像中包含人脸的区域；

全连接处理模块，被配置为通过所述卷积神经网络的全连接层对所述各卷积层提取出的局部特征进行整合并连接为一个设定长度的一维向量；

结果处理模块，被配置为将所述全连接处理模块得到的所述一维向量分别输入至所述卷积神经网络的设定个数的预测层，通过所述设定个数的预测层得到所述设定个数关于所述人脸的评分值。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第一确定模块，被配置为确定所述结果处理模块得到的所述设定个数关于所述人脸的评分值各自对应的权重系数；

加权求和模块，被配置为根据所述第一确定模块确定的所述各自对应的权重系数对所述设定个数关于所述人脸的评分值进行加权求和，得到所述人脸的最终评分值。

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第一输入模块，被配置为将所述设定个数关于所述人脸的评分值分别输入至所述卷积神经网络的设定个数的损失函数层；

第二输入模块，被配置为将所述人脸图像中的人脸对应的所述设定个数的标定值分别输入至所述设定个数的损失函数层；

误差确定模块，被配置为通过所述损失函数层从所述第一输入模块得到的所述设定个数关于所述人脸的评分值和从所述第二输入模块得到的所述设定个数的标定值得到所述设定个数的所述评分值和所述标定值之间的误差值；

参数更新模块，被配置为通过所述误差确定模块得到的所述设定个数的误差值更新所述卷积神经网络中的每一层的参数。