[发明专利]人脸属性检测方法、装置及电子设备

权利要求书

1.一种人脸属性检测方法，其特征在于，包括：

获取待检测图像中的人脸区域；

提取所述待检测图像中人脸区域的关键点；

针对所述待检测图像中的每一人脸区域，根据该人脸区域的关键点确定该人脸区域中的五官子区域；

将所确定的五官子区域确定为预先训练的深度学习模型的输入参数；

将所确定的输入参数输入至所述预先训练的深度学习模型进行人脸属性检测，获得所述待检测图像中人脸区域的人脸属性，其中，所述预先训练的深度学习模型是：根据样本图像中人脸区域的关键点，确定预设深度学习模型的输入参数并对所述预设深度学习模型进行训练得到的，人脸属性包括：人脸姿态和五官状态；所述预先训练的深度学习模型包括：预先训练的、用于检测人脸姿态的第一深度学习子模型和预先训练的、用于检测五官状态的第二深度学习子模型；

其中，所述第二深度学习子模型的训练过程包括：

获取样本图像中的人脸区域；

提取样本图像中人脸区域的关键点；

针对样本图像中的每一人脸区域，根据该人脸区域的关键点确定该人脸区域中的五官子区域；

获得样本图像中每一人脸区域的五官状态的标定属性值，其中，一个人脸区域的五官状态的标定属性值是根据该人脸区域的五官子区域标定的；

将样本图像中每一人脸区域的五官子区域和每一人脸区域的五官状态的标定属性值作为第二预设深度学习模型的输入参数，对所述第二预设深度学习模型进行训练，得到所述第二深度学习子模型。

2.根据权利要求1所述的方法，其特征在于，在人脸属性包括所述人脸姿态、所述预先训练的深度学习模型包括所述第一深度学习子模型的情况下，所述第一深度学习子模型的训练过程包括：

获取样本图像中的人脸区域；

提取样本图像中人脸区域的关键点；

针对样本图像中的每一人脸区域，采用该人脸区域的关键点计算该人脸区域的人脸姿态的属性值；

将样本图像中的每一人脸区域以及每一人脸区域的人脸姿态的属性值作为第一预设深度学习模型的输入参数，对所述第一预设深度学习模型进行训练，得到所述第一深度学习子模型。

3.根据权利要求2所述的方法，其特征在于，所述人脸姿态包括：人脸偏转角、人脸俯仰角；

所述针对样本图像中的每一人脸区域，采用该人脸区域的关键点计算该人脸区域的人脸姿态的属性值，包括：

按照以下表达式计算样本图像中每一人脸区域的人脸偏转角和人脸俯仰角：

yaw＝D_r-D_l；

pitch＝(D_p*yaw*TH)/D_e；

其中，yaw表示人脸偏转角，pitch表示人脸俯仰角，D_r表示根据人脸区域的关键点确定的右眼子区域的中心点与根据该人脸区域的关键点确定的人脸中线之间的距离，D_l表示根据人脸区域的关键点确定的左眼子区域的中心点与所述人脸中线之间的距离，D_p表示所述人脸区域的最右上侧的关键点到所述左眼子区域的中心点与所述右眼子区域的中心点连线的垂直距离，D_e表示所述左眼子区域的中心点与所述右眼子区域的中心点之间的距离，TH表示预设阈值。

4.根据权利要求3所述的方法，其特征在于，根据所述待检测图像中的人脸区域确定预先训练的深度学习模型的输入参数，包括：

直接将所述待检测图像中的人脸区域确定为预先训练的深度学习模型的输入参数。

5.根据权利要求1～4中任一项所述的方法，其特征在于，在所述获得所述待检测图像中人脸区域的人脸属性之后，所述方法还包括：

获取所述待检测图像中人脸区域的扩展人脸属性；

其中，所述扩展人脸属性包括以下信息中的至少一种：

根据基于预设特征的直方图统计值计算的清晰度、灰阶数、对比度、亮度值、欠过曝比例值、瞳距、颜色。

6.根据权利要求5所述的方法，其特征在于，所述获取所述待检测图像中人脸区域的扩展人脸属性，包括：

针对所述待检测图像中的每一人脸区域，根据该人脸区域的关键点，提取该人脸区域的感兴趣区域；

基于所述待检测图像中每一人脸区域的感兴趣区域获取每一人脸区域的扩展人脸属性。