[发明专利]一种基于级联MobileNet-V2实现人脸关键点检测的方法

说明书

本发明公开了一种基于级联MobileNet‑V2实现人脸关键点检测的方法，包括以下步骤：S1，获的图片数据集，S2，建立MobileNet‑V2级联网络，S3，初步确定人脸关键点，S4，裁剪人脸区域，S5，再次确定人脸区域，S6，得到准确的人脸关键点。本发明采用速度较快且精度也较高的MobileNet‑V2神经网络，并加以改进，并使用两级神经网络级联的方式，提高人脸检测的精度，与现有的人脸关键点检测模型相比，本发明具有速度更快，精度更高的特点；通过级联的方式，实现精益求精的定位，级联网络训练包括，先训练第一阶段级联网络，实现人脸关键点的粗略定位，然后裁剪人脸区域，再通过第二阶段级联网络，实现人脸关键点的精准定位。

技术领域

本发明涉及深度学习与人工智能技术领域，尤其涉及一种基于级联MobileNet-V2实现人脸关键点检测的方法。

背景技术

人脸关键点定位是人工智能研究的重要方向之一，人脸关键点检测也称为人脸关键点检测、定位或者人脸对齐，是指给定人脸图像，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓，在实际生活中有着众多的应用，例如，人脸识别，活体检测，刷脸支付等等。

当前人脸识别有很多方法，但能实际使用的较少，因为大多人脸识别的方法存在着定位精度不高，定位耗时过长等问题，鉴于此，本发明提供一种基于级联MobileNet-V2实现人脸关键点检测的方法。

发明内容

本发明的目的是为了解决现有技术中人脸识别有很多方法，但能实际使用的较少，因为大多人脸识别的方法存在着定位精度不高，定位耗时过长等问题的缺点，而提出的一种基于级联MobileNet-V2实现人脸关键点检测的方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于级联MobileNet-V2实现人脸关键点检测的方法，包括以下步骤：

S1，获的图片数据集：收集带有人脸的图片；

S2，建立MobileNet-V2级联网络：修改MobileNet-V2中的网络输入层，且MobileNet-V2的卷积层为depth-wise convolution；

S3，初步确定人脸关键点：通过MobileNet-V2中的第一神经网络进行定位图片中人脸的关键点；

S4，裁剪人脸区域：根据S3中确定的人脸关键点，进行对图片剪裁，过滤掉图片中不含人脸的区域；

S5，再次确定人脸区域：再通过MobileNet-V2中的第二个神经网络进行人脸关键点定位；

S6，得到准确的人脸关键点：在S5的基础上确定准确的人脸关键点，进行下一步操作。

优选的，所述S2中的MobileNet-V2的卷积层为depth-wise convolution用于人脸特征提取；所述S3和S5中的两个神经网络采用级联的方式，实现由粗略到精细的的人脸关键点定位。

优选的，一种基于级联MobileNet-V2实现人脸关键点检测的算法，包括以下步骤：

S1，修改原版的MobileNet-V2；

S2，训练第一个MobileNet-V2神经网络，训练数据采用的是Large-scale CelebFacesAttributes (CelebA) Dataset，其中数据集包括人脸图片和人脸关键点的标注，训练模型达到收敛；

S3，训练第二个MobileNet-V2级联网络：依靠人脸关键点的标签数据，对人脸区域进行裁剪，裁剪出只包括人脸的区域，重新生成标签，然后进行第二阶段级联网络的训练，训练模型直到收敛；