[发明专利]基于卷积神经网络的五官检测方法、系统、服务器及介质

权利要求书

1.一种基于卷积神经网络的五官检测方法，其特征在于，包括：

获取人脸图像，并基于人脸关键点算法对所述人脸图像进行预处理，得到输入图像；

建立基于SSD算法的网络模型；

获取所述输入图像输入至所述网络模型，基于分类损失函数和位置损失函数的约束，以及调整的网络权重输出五官各个部位分数和整体五官分数。

2.如权利要求1所述的基于卷积神经网络的五官检测方法，其特征在于，获取人脸图像，并基于人脸关键点算法对所述人脸图像进行预处理，得到输入图像，具体包括：

定位人脸的68个关键点，并根据68个关键点的位置信息，截取人脸区域对应图像进行背景信息去除处理；所述人脸区域对应图像为根据眉毛的位置信息，结合眼距，向上扩充保留额头区域，根据嘴巴的位置信息，向下扩充保留下巴区域，根据脸部轮廓的位置信息，左右扩充至与耳朵交接区域。

3.如权利要求1所述的基于卷积神经网络的五官检测方法，其特征在于，获取人脸图像，并基于人脸关键点算法对所述人脸图像进行预处理，得到输入图像，具体还包括：

对人面部部位进行分数标注，所述人面部部位包括鼻子、眼睛、嘴巴和眉毛，所述分数范围为7分～10分，其中每一部位为一类，每类的分数间隔是0.5分。

4.如权利要求3所述的基于卷积神经网络的五官检测方法，其特征在于，对人面部部位进行分数标注，具体包括：

获取左眼的标注分数和右眼的标注分数，进行加权平均计算得到眼睛标注分数。

5.如权利要求3所述的基于卷积神经网络的五官检测方法，其特征在于，对人面部部位进行分数标注，具体还包括：

获取左眉毛分数或右眉毛分数作为眉毛标注分数。

6.如权利要求1所述的基于卷积神经网络的五官检测方法，其特征在于，获取所述输入图像输入至所述网络模型，基于分类损失函数和位置损失函数的约束，以及调整的网络权重输出五官各个部位分数和整体五官分数，具体包括：

获取眼睛分数、鼻子分数、嘴巴分数、眉毛分数和感官分数加权计算得到整体五官分数；其中，所述感官分数为用户输入的对自己外貌的判断分数，所述感官分数范围为7分～10分，所述眼睛的权重和所述鼻子的权重均分别大于所述嘴巴的权重和所述眉毛的权重。

7.一种基于卷积神经网络的五官检测系统，其特征在于，包括用于执行如权利要求1至6中任一项权利要求的所述基于卷积神经网络的五官检测方法的模块。

8.一种服务器，其特征在于，包括处理器、通信接口和存储器，所述处理器、所述通信接口和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1至6任一项所述的基于卷积神经网络的五官检测方法。

9.一种介质，其特征在于，所述介质中存储有指令，当所述指令在计算机上运行时，使计算机执行如权利要求1至6任一项所述的基于卷积神经网络的五官检测方法。