[发明专利]一种人脸特征点定位方法及装置

权利要求书

1.一种人脸特征提取方法，其特征在于，包括：

获取待检测人脸图像；

通过深度卷积神经网络模型的第i个卷积模块中的第一卷积层，将所述深度卷积神经网络模型的第i-1个卷积模块处理得到的人脸特征图基于多组权重进行融合，得到第一特征图；所述i从2开始取遍不大于所述深度卷积神经网络模型包括的卷积模块总数的正整数；其中，当所述i等于1时，第1个卷积模块中的第一卷积层对所述待检测人脸图像基于多组权重进行融合，得到第一特征图；

通过所述第i个卷积模块中的第二卷积层，将所述第一特征图再次基于多组权重进行融合，得到第二特征图；

通过所述第i个卷积模块中的第三卷积层提取所述第一特征图中的人脸轮廓特征以及五官特征，得到第三特征图，所述第三卷积层为包含有可分离的深度卷积和点卷积的MobileNets单元；

通过所述第i个卷积模块中的融合层，将所述第二特征图与所述第三特征图进行融合，得到第i个卷积模块处理后的人脸特征图；

将所述深度卷积神经网络模型的最后一个卷积模块处理得到的人脸特征图作为所述待检测人脸图像的人脸特征图。

2.如权利要求1所述的方法，其特征在于，通过所述第i个卷积模块的第三卷积层提取所述第一特征图中的人脸轮廓特征以及五官特征，得到第三特征图，包括：

针对每个所述第一特征图，将该第一特征图与所述第三卷积层的卷积核进行卷积得到一个卷积结果，并对该卷积结果进行批规范化BN算法以及修正线性单元ReLU函数处理；

将所有经过BN算法以及ReLU处理后的卷积结果基于多组权重进行合并，并对将合并的结果进行BN算法以及ReLU函数处理，得到所述第三特征图。

3.如权利要求2所述的方法，其特征在于，在通过所述第i个卷积模块的融合层，将所述第二特征图与所述第三特征图进行融合之后，所述方法还包括：

通过所述第i个卷积模块中的池化层对所述融合层处理得到的结果进行降维处理，得到第i个卷积模块处理后的人脸特征图。

4.如权利要求1所述的方法，其特征在于，在获取待检测人脸图像之后，所述方法还包括：

将所述待检测人脸图像进行亮度归一化处理。

5.一种基于权利要求1～4任一项所述的人脸特征提取方法的人脸特征点定位方法，其特征在于，包括：

将所述待检测人脸图像的人脸特征图通过深度卷积神经网络模型的全卷积层进行处理，得到多个特征值；所述多个特征值分别用于表征所述待检测人脸图像中包括的多个人脸特征点的实际位置与初始位置之间的位置偏差；

基于所述多个特征值调整所述待检测人脸图像中包括的多个人脸特征点的初始位置，得到所述待检测人脸图像中包括的多个人脸特征点的实际位置；

基于得到的所述多个人脸特征点的实际位置重构人脸图像作为新的待检测人脸图像，重新通过所述深度卷积神经网络模型进行处理；

将第P次通过所述深度卷积神经网络模型进行处理后所得到的人脸特征点的实际位置作为所述待检测人脸图像中包括的多个人脸特征点的最终位置。

6.如权利要求5所述的方法，其特征在于，在获取待检测人脸图像之后，所述方法还包括：

将所述待检测人脸图像进行仿射变换处理，得到所述待检测人脸图像的正脸图像；

在基于所述多个特征值调整所述待检测人脸图像中包括的多个人脸特征点的初始位置，得到所述待检测人脸图像中包括的多个人脸特征点的实际位置之后，所述方法还包括：

对所述多个人脸特征点的实际位置进行所述仿射变换处理的反变换处理。