[发明专利]人脸关键点检测方法、装置、设备及存储介质

说明书

本发明实施例公开了人脸关键点检测方法、装置、设备及存储介质。该方法包括：获取当前待测帧的人脸原始图像，并获取当前待测帧的人脸原始图像中人脸的姿态纠正信息；根据姿态纠正信息对人脸原始图像中的人脸姿态进行纠正，获得人脸纠正图像；采用关键点检测网络模型，对人脸纠正图像进行人脸关键点检测，获得纠正关键点；根据姿态纠正信息对纠正关键点进行逆向姿态纠正，以获得人脸原始图像的目标人脸关键点。利用该方法，与现有检测方法相比，能够在不增加关键点检测网络模型规模的情况下保证对特殊人脸图像进行关键点检测时的检测精度，同时避免了关键点检测的检测时间的增大，进而达到了兼具实时性和准确性的检测效果。

技术领域

本发明实施例涉及图像识别技术领域，尤其涉及人脸关键点检测方法、装置、设备及存储介质。

背景技术

在计算机视觉领域，人脸关键点检测一直受到学术界和工业界的广泛关注，其主要功能是准确地定位出人脸上的关键点(比如眼睛、鼻子、嘴角、脸部轮廓点等)，为后续的人脸图像处理(如人脸对齐、人脸识别)做准备，目前，人脸关键点检测已在生物信息验证、监控安防、视频直播等应用场景中均起到较重要的作用。

现有多采用神经网络模型来实现人脸关键点检测，为保证检测结果的精度常采用较大规模的神经网络模型，但因关键点检测执行终端的计算资源为达到实时处理的效果，通常又会对神经网络模型的大小进行限制，由此便导致了执行终端对包含大角度、大姿态(45度仰头，45度低头，歪头至90度等情况)人脸的图像进行人脸关键点检测的效果不佳。

为提高包含大角度、大姿态人脸的关键点检测效果，通常采用的方法是对加入更多大角度、大姿态的人脸训练样本对当前采用的神经网络模型进行训练，但在实际操作中，这种大角度大姿态的人脸训练样本并不容易获取，且在限制网络规模的前提下，样本复杂性的增加往往会导致神经网络模型在对正常人脸图像检测时的精度下降，此外，若为保证检测精度增大网络规模，则又会增加图像帧的检测时间，无法保证检测的实时性要求。

发明内容

有鉴于此，本发明实施例提供了人脸关键点检测方法、装置、设备及存储介质，以优化现有人脸关键点的检测方法，保证实时性的同时提高人脸关键点的检测精度。

第一方面，本发明实施例提供了一种人脸关键点检测方法，包括：

获取当前待测帧的人脸原始图像，并获取所述当前待测帧的人脸原始图像中人脸的姿态纠正信息；

根据所述姿态纠正信息对所述人脸原始图像中的人脸姿态进行纠正，获得人脸纠正图像；

采用关键点检测网络模型，对所述人脸纠正图像进行人脸关键点检测，获得纠正关键点；

根据所述姿态纠正信息对所述纠正关键点进行逆向姿态纠正，以获得所述人脸原始图像的目标人脸关键点。

进一步地，所述获取所述当前待测帧的人脸原始图像中人脸的姿态纠正信息，包括：

获取所述当前待测帧的前一帧中人脸原始图像的人脸姿态信息，作为所述当前待测帧的人脸原始图像中人脸的姿态纠正信息。

进一步地，获取所述当前待测帧的前一帧中人脸原始图像的人脸姿态信息包括：

获取从所述前一帧的人脸原始图像中检测到的人脸关键点；根据所述人脸关键点，确定所述前一帧中人脸原始图像的人脸姿态信息。

进一步地，所述根据所述人脸关键点，确定所述前一帧中人脸原始图像帧的人脸姿态信息，包括：

归一化所述人脸关键点，获得所述人脸关键点对应的归一化坐标；

将所述归一化坐标作为输入数据，输入人脸朝向网络模型，输出获得所述前一帧中人脸原始图像的人脸姿态信息。