[发明专利]一种人脸特征点定位方法及装置

说明书

本发明公开了一种人脸特征点定位方法及装置，用以解决人脸特征点定位方法定位不准确，而且速度慢的问题。方法包括：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；通过第i个卷积模块中的第二卷积层将第一特征图再次基于多组权重进行融合，得到第二特征图；通过第i个卷积模块中的第三卷积层提取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；通过第i个卷积模块中的融合层将第二特征图与第三特征图进行融合；将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待检测人脸图像的人脸特征图。

技术领域

本发明涉及图像处理技术领域，特别涉及一种人脸特征点定位方法及装置。

背景技术

在计算机视觉和模式识别领域里，人脸特征点(比如眼角点、虹膜中心、鼻尖点、鼻孔、嘴角点等)定位有着广泛的应用，比如人脸识别、人脸三维重建、动漫模拟等。通过人脸特征点定位可以确定人脸上眼角、眼中心、眉毛、鼻子、嘴角等的位置，但是在非可控环境下，人脸特征点定位受很多因素的干扰，如光照，姿态和遮挡等，使得人脸特征点定位依然面临着巨大的挑战。

传统的人脸图像特征点定位方法是通过对人脸形状利用主成分分析(英文：Principle Component Analysis，简称：PCA)算法进行统计分析，具体的，首先对训练集中的人脸样本图像通过手动定位特征点位置，进行PCA训练提取各特征点的主元特征矢量。然后对待检测图像进行人脸特征点初定位，并在待检测图像人脸特征点初定位的基础上，利用各特征点的主元特征，通过最小剩余误差能量的判决准则实现人脸特征点的自动定位。

但是，基于PCA算法的人脸特征点定位方法容易陷入局部最小值，导致定位不准确，而且速度慢，难以满足人脸特征点定位的实时性需求。

发明内容

本发明实施例提供一种人脸特征点定位方法及装置，用以解决现有技术中存在人脸特征点定位方法定位不准确，而且速度慢的问题。

第一方面，本发明实施例提供了一种人脸特征提取方法，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；

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。