[发明专利]人脸特征点的获取方法和装置

权利要求书

1.一种人脸特征点的获取方法，其特征在于，包括：

获取经过归一化处理的人脸图像，其中，所述归一化处理用于将所述人脸图像处理为预定规格；

将所述人脸图像输入到卷积神经网络进行处理，其中，所述卷积神经网络包括：至少一个卷积层、至少一个池化层、至少一个局部响应归一化层、至少一个全连接层；所述卷积层用于根据卷积核进行卷积处理，所述池化层用于对卷积层的数据进行简化；所述卷积神经网络的配置与预期得到的人脸的特征点的数量相关，并且是使用预定训练集经过训练得到的；

获取所述卷积神经网络处理后输出的所述人脸图像中的人脸的多个特征点；

其中，所述卷积神经网络包括：5个卷积层，3个池化层，2个局部响应归一化层，1个全连接层；

其中，所述5个卷积层分别为第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层，所述第一卷积层的卷积核是11×11，步长是4；所述第二卷积层的卷积核是5×5，步长是1；所述第三卷积层、所述第四卷积层和所述第五卷积层的卷积核都是3×3，步长都是1；

其中，所述预定训练集包括第一训练样本、第二训练样本、第三训练样本、第四训练样本，在将所述人脸图像输入到卷积神经网络进行处理之前，所述方法还包括：

通过人脸检测框截取人脸图像，生成所述第一训练样本；

将所述人脸检测框向预设方向平移预设距离并截取人脸图像，生成所述第二训练样本；

以所述第一训练样本和/或所述第二训练样本的人脸检测框的中心为旋转中心，将所述人脸检测框旋转预设角度并截取人脸图像，得到所述第三训练样本；

将所述第一训练样本、所述第二训练样本和所述第三训练样本中的一种或者几种进行镜像变换，生成所述第四训练样本。

2.根据权利要求1所述的方法，其特征在于，所述3个池化层分别为第一池化层、第二池化层、第三池化层，所述2个局部响应归一化层分别为第一局部响应归一化层、第二局部响应归一化层，所述卷积神经网络依次由所述第一卷积层、所述第一池化层、所述第一局部响应归一化层、所述第二卷积层、所述第二池化层、所述第二局部响应归一化层、所述第三卷积层、所述第四卷积层、所述第五卷积层、所述第三池化层、所述全连接层级联构成。

3.根据权利要求2所述的方法，其特征在于，所述3个池化层的池化尺寸都是3×3，步长是2。

4.根据权利要求2所述的方法，其特征在于，所述2个局部响应归一化层的局部尺寸大小均为5。

5.根据权利要求1所述的方法，其特征在于，所述人脸图像为灰度图像。

6.根据权利要求1所述的方法，其特征在于，所述预设距离为所述人脸检测框的边长的预设倍数。

7.根据权利要求6所述的方法，其特征在于，所述预设倍数为0.03。

8.一种人脸特征点的获取装置，其特征在于，包括：

第一获取单元，用于获取经过归一化处理的人脸图像，其中，所述归一化处理用于将所述人脸图像处理为预定规格；

处理单元，用于将所述人脸图像输入到卷积神经网络进行处理，其中，所述卷积神经网络包括：至少一个卷积层、至少一个池化层、至少一个局部响应归一化层、至少一个全连接层；所述卷积层用于根据卷积核进行卷积处理，所述池化层用于对卷积层的数据进行简化；所述卷积神经网络的配置与预期得到的人脸的特征点的数量相关，并且是使用预定训练集经过训练得到的；

第二获取单元，用于获取所述卷积神经网络处理后输出的所述人脸图像中的人脸的多个特征点；

其中，所述卷积神经网络包括：5个卷积层，3个池化层，2个局部响应归一化层，1个全连接层；

其中，所述5个卷积层分别为第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层，所述第一卷积层的卷积核是11×11，步长是4；所述第二卷积层的卷积核是5×5，步长是1；所述第三卷积层、所述第四卷积层和所述第五卷积层的卷积核都是3×3，步长都是1；

其中，所述预定训练集包括第一训练样本、第二训练样本、第三训练样本、第四训练样本，在将所述人脸图像输入到卷积神经网络进行处理之前，所述装置还包括：

第一截取单元，用于通过人脸检测框截取人脸图像，生成所述第一训练样本；

第二截取单元，用于将所述人脸检测框向预设方向平移预设距离并截取人脸图像，生成所述第二训练样本；

第三截取单元，用于以所述第一训练样本和/或所述第二训练样本的人脸检测框的中心为旋转中心，将所述人脸检测框旋转预设角度并截取人脸图像，得到所述第三训练样本；

镜像变换单元，用于将所述第一训练样本、所述第二训练样本和所述第三训练样本中的一种或者几种进行镜像变换，生成所述第四训练样本。