[发明专利]人脸特征点模型的训练方法、装置及终端设备在审
| 申请号： | 201910198917.X | 申请日： | 2019-03-15 |
| 公开（公告）号： | CN109919240A | 公开（公告）日： | 2019-06-21 |
| 发明（设计）人： | 谢晋 | 申请（专利权）人： | 维沃移动通信有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/00 |
| 代理公司： | 北京银龙知识产权代理有限公司 11243 | 代理人： | 许静;安利霞 |
| 地址： | 523860 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 训练样本 人脸特征点 人脸样本 训练阶段 终端设备 全局 动态调整 点位 人脸 样本 | ||
1.一种人脸特征点模型的训练方法，其特征在于，包括：
获取当前训练阶段中训练样本的全局训练误差，其中，所述训练样本包括至少一个样本人脸；
根据所述全局训练误差，调整所述训练样本，得到下一阶段的训练样本；
利用调整后的训练样本，训练下一阶段的人脸特征点模型。
2.根据权利要求1所述的人脸特征点模型的训练方法，其特征在于，所述获取当前训练阶段中训练样本的全局训练误差的步骤，包括：
获取所述当前训练阶段中至少一个所述样本人脸的训练误差；
根据至少一个所述样本人脸的训练误差，得到所述全局训练误差。
3.根据权利要求2所述的人脸特征点模型的训练方法，其特征在于，所述根据至少一个所述样本人脸的训练误差，得到所述全局训练误差的步骤，包括：
利用第一计算公式，计算所述当前训练阶段中所述样本人脸的训练误差平均值；
所述第一计算公式为：
其中，k表示所述当前训练阶段的阶数，i表示样本人脸的序号，DISk表示第k阶的训练阶段中所述样本人脸的训练误差平均值，dis(si，k，Si)表示所述第k阶的训练阶段中第i个样本人脸的训练误差，si，k表示所述第k阶的训练阶段中所述第i个样本人脸的实际点位，Si表示所述第k阶的训练阶段中所述第i个样本人脸的标定点位，nk表示所述第k阶的训练阶段中获取的所述样本人脸的训练误差的总数，i、k、nk均为正整数；
将所述训练误差平均值确定为所述全局训练误差。
4.根据权利要求2或3所述的人脸特征点模型的训练方法，其特征在于，所述获取所述当前训练阶段中至少一个所述样本人脸的训练误差的步骤，包括：
计算所述样本人脸的特征点误差平均值；
将所述特征点误差平均值确定为所述样本人脸的训练误差。
5.一种人脸特征点模型的训练装置，其特征在于，包括：
获取模块，用于获取当前训练阶段中训练样本的全局训练误差，其中，所述训练样本包括至少一个样本人脸；
调整模块，用于根据所述全局训练误差，调整所述训练样本，得到下一阶段的训练样本；
第一训练模块，用于利用调整后的训练样本，训练下一阶段的人脸特征点模型。
6.根据权利要求5所述的人脸特征点模型的训练装置，其特征在于，所述获取模块包括：
第一获取子模块，用于获取所述当前训练阶段中至少一个所述样本人脸的训练误差；
第一确定子模块，用于根据至少一个所述样本人脸的训练误差，得到所述全局训练误差。
7.根据权利要求6所述的人脸特征点模型的训练装置，其特征在于，所述第一确定子模块包括：
第一计算单元，用于利用第一计算公式，计算所述当前训练阶段中所述样本人脸的训练误差平均值；
所述第一计算公式为：
其中，k表示所述当前训练阶段的阶数，i表示样本人脸的序号，DISk表示第k阶的训练阶段中所述样本人脸的训练误差平均值，dis(si，k，Si)表示所述第k阶的训练阶段中第i个样本人脸的训练误差，si，k表示所述第k阶的训练阶段中第i个样本人脸的实际点位，Si表示所述第k阶的训练阶段中所述第i个样本人脸的标定点位，nk表示所述第k阶的训练阶段中获取的所述样本人脸的训练误差的总数，i、k、nk均为正整数；
第一确定单元，用于将所述训练误差平均值确定为所述全局训练误差。
8.根据权利要求6或7所述的人脸特征点模型的训练装置，其特征在于，所述第一获取子模块包括：
第二计算单元，用于计算所述样本人脸的特征点误差平均值；
第二确定单元，用于将所述特征点误差平均值确定为所述样本人脸的训练误差。
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维沃移动通信有限公司，未经维沃移动通信有限公司许可，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/201910198917.X/1.html，转载请声明来源钻瓜专利网。
