[发明专利]人脸特征点检测方法、装置及设备

说明书

本发明提供一种人脸特征点检测方法、装置及设备，其中，所述方法包括：获取目标对象的二维图像、所述二维图像对应的深度图像、所述目标对象的三维人脸模型以及用于表示所述三维人脸模型与所述二维图像的特征点映射关系的映射矩阵；对所述二维图像进行人脸位置检测，以获取所述二维图像上的人脸位置；通过预先训练的级联回归器分别对所述映射矩阵、所述三维人脸模型以及所述人脸位置进行迭代运算，以确定满足迭代终止条件的映射矩阵、三维人脸模型以及人脸位置，进而根据确定的映射矩阵、三维人脸模型以及人脸位置确定所述二维图像上的人脸特征点位置。利用本发明提供的人脸特征点检测方法可提高人脸特征点识别的准确性，降低误检率。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种人脸特征点检测方法、装置及设备。

背景技术

近年来，随着移动互联网的发展，人脸特征点检测技术已推广至智能监控、智能手机应用、智能家居等各个领域。

在智能监控领域，人脸特征点检测技术可以用于获得人流统计信息(如年龄、性别、种族的组成等)、跟踪或查找特定的人(群)；在智能手机应用领域，人脸特征点检测技术可以用于信息认证(如人脸支付、人脸开锁、美颜、化妆等)；在智能家居领域，智能家电(机器人)可以基于人脸特征点检测技术获得家庭人员的信息，实现人机交互。

相关技术中，人脸特征点检测方法主要是对二维图像中的人脸进行检测，包括基于机器学习的人脸特征点检测方法等。由于完全依赖于二维图像信息，因而无法准确区分真实人脸和人脸影像，比如容易将衣服上的人脸图像、玻璃门上的人脸倒影等也误检为人脸，误检率较高，并且针对姿态角较大的人脸进行特征点检测时的准确度较低。

发明内容

有鉴于此，本发明提供一种人脸特征点检测方法、装置及设备，以提高人脸特征点检测的准确性。

第一方面，本发明实施例提供了一种人脸特征点检测方法，包括：

获取目标对象的二维图像、所述二维图像对应的深度图像、所述目标对象的三维人脸模型以及用于表示所述三维人脸模型与所述二维图像的特征点映射关系的映射矩阵；

对所述二维图像进行人脸位置检测，以获取所述二维图像上的人脸位置；

通过预先训练的级联回归器分别对所述映射矩阵、所述三维人脸模型以及所述人脸位置进行迭代运算，以确定满足迭代终止条件的映射矩阵、三维人脸模型以及人脸位置；

根据所述满足迭代终止条件的映射矩阵、三维人脸模型以及人脸位置确定所述二维图像上的人脸特征点位置。

可选地，所述级联回归器包括：用于对映射矩阵进行回归运算的第一回归器、用于对三维人脸模型进行回归运算的第二回归器以及用于对人脸位置进行回归运算的第三回归器。

可选地，所述对所述映射矩阵进行迭代运算，包括：

根据当前确定的人脸位置、三维人脸模型以及映射矩阵确定所述二维图像上的人脸特征点位置；

分别从所述二维图像和所述深度图像上获取所述人脸特征点位置的周围预设区域的纹理特征和深度特征，以组合成第一特征向量；

将所述第一特征向量输入到所述第一回归器，以更新所述映射矩阵。

可选地，所述对所述人脸位置进行迭代运算，包括：

根据当前确定的人脸位置、三维人脸模型以及映射矩阵更新所述二维图像上的人脸特征点位置；

分别从所述二维图像和所述深度图像上获取更新的所述人脸特征点位置的周围预设区域的纹理特征和深度特征，以组合成第二特征向量；

将所述第二特征向量输入到所述第二回归器，以更新所述三维人脸模型。

可选地，所述对所述三维人脸模型进行迭代运算，包括：