[发明专利]一种人脸关键点的检测方法、装置、计算设备及存储介质

权利要求书

1.一种人脸关键点的检测方法，其特征在于，包括：

获取待检测的原始人脸图像，采用预设的卷积网络模型，确定所述原始人脸图像相较于预设的平均脸图像的初始偏移状态信息，其中，所述初始偏移状态信息至少包括初始水平偏移角度、初始垂直偏移角度和初始旋转偏移角度；

确定所述初始水平偏移角度的取值对应的预设的水平偏移角度区间，并将所述水平偏移角度区间的中间值确定为偏移状态信息中的水平偏移角度；

确定所述初始垂直偏移角度的取值对应的预设的垂直偏移角度区间，并将所述垂直偏移角度区间的中间值确定为所述偏移状态信息中的垂直偏移角度；

确定所述初始旋转偏移角度的取值对应的预设的旋转偏移角度区间，并将所述旋转偏移角度区间的中间值确定为所述偏移状态信息中的旋转偏移角度；

基于所述偏移状态信息，生成相应的偏移调整矩阵；

基于所述偏移调整矩阵，对所述平均脸图像进行调整；

将所述调整后的平均脸图像作为初始输入，采用预设的级联回归模型，对所述原始人脸图像中各个人脸关键点的目标位置进行检测。

2.根据权利要求1所述的方法，其特征在于，在获取待检测的原始人脸图像之前，进一步包括：

对所述卷积网络模型进行训练，具体包括：

获取至少一个样本人脸图像，记录每一个样本人脸图像相较于所述平均脸图像的偏移状态信息，以及记录各个样本人脸图像对应的偏移状态信息与相应人脸的轮廓形状之间的对应关系；

基于所述对应关系，训练所述卷积网络模型，所述卷积网络模型用于识别原始人脸图像相较于所述平均脸图像的偏移状态信息。

3.根据权利要求1-2任一项所述的方法，其特征在于，将所述调整后的平均脸图像为初始输入，采用预设的级联回归模型，对所述原始人脸图像中各个人脸关键点的目标位置进行检测，包括：

采用循环迭代方式执行以下操作，直到确定各个人脸关键点的当前检测位置与预设的期望检测位置之间的误差低于设定阈值为止：

基于所述调整后的平均脸图像，确定所述原始人脸图像中各个人脸关键点的当前检测位置；

在所述各个人脸关键点的当前检测位置的周边区域，分别提取特征向量；

基于预设的级联回归模型，确定获得的各个所述特征向量对应的位置调整量；

基于获得的各个所述位置调整量，分别对相应的人脸关键点的当前检测位置进行调整，获得最新的当前检测位置；

计算所述最新的当前检测位置与所述期望检测位置之间的差值；

判断所述差值是否低于所述设定阈值；

将最后一次迭代过程中输出的所述各个人脸关键点的当前检测位置，作为各个人脸关键点的最终检测位置输出。

4.根据权利要求1-2任一项所述的方法，其特征在于，将所述调整后的平均脸图像为初始输入，采用预设的级联回归模型，对所述原始人脸图像中各个人脸关键点的目标位置进行检测，包括：

采用循环迭代方式执行以下操作，直到达到设定的迭代次数为止：

基于所述调整后的平均脸图像，确定所述原始人脸图像中各个人脸关键点的当前检测位置；

在所述各个人脸关键点的当前检测位置的周边区域，分别提取特征向量；

基于预设的级联回归模型，确定获得的各个所述特征向量对应的位置调整量；

基于获得的各个所述位置调整量，分别对相应的人脸关键点的当前检测位置进行调整，获得最新的当前检测位置；

判断是否达到设定的迭代次数；将最后一次迭代过程中输出的所述各个人脸关键点的当前检测位置，作为各个人脸关键点的最终检测位置输出。

5.根据权利要求4所述的方法，其特征在于，在所述各个人脸关键点的当前检测位置的周边区域，包括：

在所述调整后的平均脸图像中，将所述各个人脸关键点的当前检测位置的像素点确定为中心像素点；

选取距离所述中心像素点预设距离门限值的周边像素点；

将所述周边像素点构成的区域，确定为所述各个人脸关键点的当前检测位置的周边区域。