[发明专利]一种人脸额头关键点的识别方法

说明书

本发明公开了一种人脸额头关键点的识别方法，包括：确定人脸额头上的的特征点和关键点；打开Fiji图形标准工具，通过Fiji软件对提供的标记图片中感兴趣的点获取坐标，并对收集到的人脸正脸图片数据集进行标注；利用Matlab对标记图片进行预处理；下载ResNet网络，并作为人脸轮廓关键点识别中的特征提取器；用确定好的人脸额头关键点数据对网络进行训练，训练的目标函数是图像的交叉熵损失函数，用梯度下降法求解使得损失函数取得全局最小值或局部最小值对应的模型参数，得到训练完成的神经网络模型。可以快速、精准地识别人的正脸额头。这为诸如人脸轮廓提取、肌肤测评等其他人脸识别任务提供了很好的技术上的支持。

技术领域

本发明涉及模式识别技术领域，尤其涉及一种检测人脸额头关键点的模式识别方法。

背景技术

现有的识别人脸关键点识别的算法往往只是针对人脸的下颚、五官的关键位置来进行识别，却没有识别人脸额头关键点的算法。因为人脸额头往往会受到人的发型影响，不同的发型其刘海千差万别，这为识别人脸额头的关键点增加了不小的难度。本发明提出的一种人脸额头关键点的识别方法，这个算法利用了目前先进的深度神经网络，具有很好的图像理解能力，再加上合理的人脸额头关键点的选取从而解决了识别人脸额头的问题。这个识别额头关键点的技术，为人脸识别方面的多种任务提供了可能，譬如结合现有识别下颚、五官关键点的算法，可以达到扣取整个人脸轮廓的目的。

发明内容

为解决上述技术问题，本发明的目的是提供一种人脸额头关键点的模式识别方法。

本发明的目的通过以下的技术方案来实现：

一种人脸额头关键点的识别方法，包括：

A确定人脸额头上的的特征点和关键点；

B打开Fiji图形标准工具，通过Fiji软件对提供的标记图片中感兴趣的点获取坐标，并对收集到的人脸正脸图片数据集进行标注；

C利用Matlab对标记图片进行预处理；

D下载ResNet网络，并作为人脸轮廓关键点识别中的特征提取器；

E用确定好的人脸额头关键点数据对网络进行训练，训练的目标函数是图像的交叉熵损失函数，用梯度下降法求解使得损失函数取得全局最小值或局部最小值对应的模型参数，得到训练完成的神经网络模型。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

实现对任意的人脸的上额部分的轮廓进行提取，为后续人脸识别的步骤提供基础性的技术支持。

附图说明

图1是额头关键点识别方法流程框图；

图2是ResNet网络的基础结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。

本实施例提供了一种人脸额头关键点的识别方法，该方法是先将人脸的图片转换为一个二维矩阵，然后通过ResNet预训练网络将二维矩阵编码为一个张量；RestNet的结构的第一层是zero-padding层，其作用是保证图片卷积之后不改变大小。然后，由重复的卷积层、批量标准化层、池化层和激活层，以及shortcut路径构成。预训练好的RestNet具有很强的图像“理解”能力，可以对图片进行编码。之后，再将RestNet接入输出20维向量的全连接层从而构成整个网络。然后，在人的额头上合理选取显著关键点与非显著关键点，并用Fiji标记软件为每张样本图片进行标注。再用标记好额头的样本数据将网络训练成识别额头关键点的专用网络。此网络可以快速、精准地识别人的正脸额头。这为诸如人脸轮廓提取、肌肤测评等其他人脸识别任务提供了很好的技术上的支持。