[发明专利]人脸图像关键点检测方法、装置、计算机设备及存储介质有效
申请号: | 201810372872.9 | 申请日: | 2018-04-24 |
公开(公告)号: | CN108596090B | 公开(公告)日: | 2019-08-27 |
发明(设计)人: | 李宣平 | 申请(专利权)人: | 北京达佳互联信息技术有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京市立方律师事务所 11330 | 代理人: | 刘延喜 |
地址: | 100084 北京市海淀区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 人脸图像 卷积神经网络 分类数据 关键点检测 计算机设备 存储介质 输出 稳定性增强 内容理解 随机误差 外界光线 精准度 鲁棒性 收敛性 抖动 预设 拍摄 | ||
1.一种人脸图像关键点检测方法,其特征在于,包括下述步骤:
获取待处理的人脸图像;
将所述人脸图像输入到预设的卷积神经网络模型中,其中,所述卷积神经网络模型包括至少两个通道;
获取所述卷积神经网络模型输出的分类数据,并根据所述分类数据对所述人脸图像进行内容理解,其中,所述分类数据为所述至少两个通道的输出值的均值;
所述卷积神经网络模型包括:第一损失函数和第二损失函数;
其中,所述第一损失函数包括:第一通道损失函数和第二通道损失函数;
所述第一通道损失函数用于判断第一通道全连接层输出的分类数据与人工设定的期望真值是否一致;所述第二通道损失函数用于判断第二通道全连接层输出的分类数据与人工设定的期望真值是否一致;
所述第二损失函数用于判断第一通道与第二通道输出的同一训练样本的特征数据是否具有一致性;
其中,当所述特征所数据的一致性不相同时,对所述第一通道和所述第二通道的权重进行调整,直至所述特征数据一致。
2.根据权利要求1所述的人脸图像关键点检测方法,其特征在于,所述第一损失函数用于分别计算所述至少两个通道的输出值与预设的期望真值之间的欧氏距离,所述第一损失函数的特征描述为:
其中,xi和yi为第一级网络第i个点坐标的输出值,和为第i个点坐标的期望真值,n为人脸关键点的个数。
3.根据权利要求1所述的人脸图像关键点检测方法,其特征在于,所述第二损失函数用于计算所述至少两个通道提取的图像特征的欧氏距离,所述第二损失函数的特征描述为:
其中,f1i和f2i分别为从所述第一通道和所述第二通道中提取的特征,ZG(.)为梯度停止函数。
4.根据权利要求1所述的人脸图像关键点检测方法,其特征在于,所述卷积神经网络模型通过下述步骤训练形成:
获取标记有分类判断信息的训练样本数据;
将所述训练样本数据输入卷积神经网络模型获取所述训练样本数据的分类参照信息,其中,所述分类参照信息为所述至少两个通道的输出值的均值;
比对所述训练样本数据内不同样本的模型分类参照信息与所述分类判断信息是否一致;
当所述模型分类参照信息与所述分类判断信息不一致时,反复循环迭代的更新所述卷积神经网络模型中的权重,至所述比对结果与所述分类判断信息一致时结束。
5.根据权利要求4所述的人脸图像关键点检测方法,其特征在于,所述获取标记有分类判断信息的训练样本数据之后,还包括下述步骤:
分别随机获取所述至少两个通道的初始化权重参数。
6.一种人脸图像理解方法,其特征在于,输入待处理的人脸图像,以使智能终端根据权利要求1-5任意一项所述的人脸图像关键点检测方法对所述人脸图像进行内容理解,其中,所述内容理解包括:对人脸图像进行性别识别、年龄判断、颜值打分或人脸相似度比对。
7.一种人脸图像关键点检测装置,其特征在于,包括:
获取模块,用于获取待处理的人脸图像;
处理模块,用于将所述人脸图像输入到预设的卷积神经网络模型中,其中,所述卷积神经网络模型包括至少两个通道;
执行模块,用于获取所述卷积神经网络模型输出的分类数据,并根据所述分类数据对所述人脸图像进行内容理解,其中,所述分类数据为所述至少两个通道的输出值的均值;
所述卷积神经网络模型包括:第一损失函数和第二损失函数;
其中,所述第一损失函数包括:第一通道损失函数和第二通道损失函数;
所述第一通道损失函数用于判断第一通道全连接层输出的分类数据与人工设定的期望真值是否一致;所述第二通道损失函数用于判断第二通道全连接层输出的分类数据与人工设定的期望真值是否一致;
所述第二损失函数用于判断第一通道与第二通道输出的同一训练样本的特征数据是否具有一致性;
其中,当所述特征所数据的一致性不相同时,对所述第一通道和所述第二通道的权重进行调整,直至所述特征数据一致。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京达佳互联信息技术有限公司,未经北京达佳互联信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810372872.9/1.html,转载请声明来源钻瓜专利网。