[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

说明书

本公开公开了一种人脸关键点的检测方法、装置、计算设备及存储介质，解决了在确定偏移角度较大的原始人脸图像中的人脸关键点位置时，定位准确度低的问题，该方法包括：采用预设的卷积网络模型，识别原始人脸图像相较于预设的平均脸图像的偏移状态信息，并基于由偏移状态信息生成的偏移调整矩阵，将该平均脸图像调整至相应人脸姿态，基于调整后的平均脸图像与预设的级联回归模型，检测原始人脸图像中各个人脸关键点的位置。本公开采用卷积网络模型确定原始人脸图像的人脸姿态，将平均脸图像调整至相应姿态，基于调整后的平均脸图像，确定所述各个人脸关键点的位置，既减少了确认人脸关键点的计算量，又提高了人脸关键点定位准确度。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种人脸关键点的检测方法、装置、计算设备及存储介质。

背景技术

随着科学技术的发展，将人脸识别技术应用在实际生活中的场景越来越多，如，基于一张或多张2D图像中所识别的人脸，重新构建人脸3D模型，进而实现视频换脸的效果；或者，对用户面部进行活体检测，以验证所述用户的身份或者权限，以抵御各类欺诈式攻击。

从上述内容可以看出，人脸关键点定位是人脸识别技术中的重要组成部分，而现有技术下，主要采用级联回归模型，完成对人脸关键点的定位。

具体的，在使用级联回归模型对人脸关键点进行定位时，首先，需要在原始人脸图像中设置各个人脸关键点的初始检测位置，并提取原始人脸图像在各个初始检测位置周边区域的特征向量；接着，将获得的各个特征向量输入到级联回归模型中，输出各个人脸关键点的初始检测位置与相应的目标位置的偏差值，并根据获得的偏差值对各个人脸关键点的初始检测位置进行调整，获得各个人脸关键点的最新的当前检测位置；然后，采用相同方式，基于各个人脸关键点的最新的当前检测位置，重新提取原始人脸图像在各个最新的当前检测位置周边区域的特征向量，再将重新获得的各个特征向量输入到级联回归模型中，再次输出各个人脸关键点的最新的当前检测位置与目标位置的偏差值，……，以此类推，通过一轮轮迭代，在原始人脸图像中，不断调整各个人脸关键点的最新的当前检测位置，直到迭代过程结束，输出人脸关键点的最终检测位置。相关技术下，采用级联回归模型，可以在光照、遮挡、表情等影响因素下，准确检测出人脸关键点的位置。

然而，目前级联回归模型也存在其应用的局限性。

具体的，相关技术下，在设置人脸关键点的初始位置时，往往是基于处于正视状态的平均脸图像进行设置，所谓平均脸图像，是指将各种类型(如，圆脸、方脸，长脸、尖脸)的人脸模板进行平均化处理后，得到的统一的人脸模板，通常，最终获得的平均脸图像是一张头部姿态处于正前方，且五官位置不发生偏移的人脸模板，而正视状态的平均脸图像，是级联回归模型惯用的初始输入数据之一，可以在其中设置人脸关键点的初始位置，具体如图1所示。

但是，当原始人脸图像中的人脸位置，相较于正视状态的平均脸图像而言，偏移姿态较大时，会造成人脸五官位置的偏移，这样，在每一轮迭代中输出的人脸关键点的当前检测位置与目标位置的偏差值会较大，进而造成计算量过大，那么，在设定的迭代次数中，将无法准确地定位原始人脸图像中各个人脸关键点的最终检测位置，从而给人脸关键点的检测造成较大困难，降低人脸关键点的定位准确度。

发明内容

本公开提供一种人脸关键点的检测方法、装置、计算设备及存储介质，以至少解决相关技术中当原始人脸图像中的人脸位置相较于正视状态的平均脸图像而言，偏移姿态较大时，人脸关键点定位准确度低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种人脸关键点的检测方法，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，识别所述原始人脸图像相较于预设的平均脸图像的偏移状态信息，其中，所述偏移状态信息至少包括水平偏移角度、垂直偏移角度和旋转偏移角度；

基于所述偏移状态信息，生成相应的偏移调整矩阵；