[发明专利]人脸关键点修正方法、装置以及计算机设备

说明书

本发明公开了一种人脸关键点修正方法，该方法包括：接收第一点位标准的第一样本图像；通过初始第二人脸关键点识别模型对所述第一样本图像进行关键点预测，得到第二点位标准的第二样本图像；获取所述第一样本图像的第一基础关键点和所述第二样本图像中的第二基础关键点，计算位置偏移函数；根据所述位置偏移函数对所述第二样本图像中的所有关键点进行修正，得到第三样本图像。本发明还提供一种人脸关键点修正装置、计算机设备以及计算机可读存储介质，本发明能够根据第一点位标准的人脸关键点图像对初始第二人脸关键点识别模型预测的第二人脸关键点图像的关键点坐标进行修正，从而提高第二人脸关键点图像的精确性。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种人脸关键点修正方法、装置、计算机设备及计算机可读存储介质。

背景技术

目前人脸识别技术中，一般过程包括：先基于一个点位标准去标注出图像中的人脸关键点图像，然后通过人脸识别模型对标注出的人脸关键点图像进行训练或者识别。其中，人脸关键点图像大多是采用人脸关键点识别模型进行标注，比如一个深度学习神经网络网络。现有技术中存在有不同点位标准的人脸关键点识别模型，而且第一点位标准的人脸关键点图像并不能直接用于第二点位标准的人脸识别模型进行训练。因此，需要通过第二点位标准对应的第二人脸关键点识别模型对所述第一点位标准的人脸关键点图像重新进行关键点标注，得到第二点位标准的人脸关键点图像才能用于所述第二人脸识别模型进行训练或者识别。

实际应用中，由于采样数据的缺乏，通常会使用第一点位标准的人脸关键点图像去训练第二人脸识别模型。而初始第二人脸关键点识别模型本身不完善，直接使用来标注人脸图像的人脸关键点图像，容易导致精确性并不是很高，导致最终训练所述第二人脸识别模型的效果很差。

发明内容

有鉴于此，本发明提出一种人脸关键点修正方法、装置、计算机设备及计算机可读存储介质，能够解决上述直接采用初始第二人脸关键点识别模型预测出来的第二人脸关键点图像的精确性不高的问题。

首先，为实现上述目的，本发明提供一种人脸关键点修正方法，所述方法包括：

接收第一点位标准的第一样本图像；通过初始第二人脸关键点识别模型对所述第一样本图像进行关键点预测，得到第二点位标准的第二样本图像；获取所述第一样本图像的第一基础关键点和所述第二样本图像中的第二基础关键点；根据所述第一基础关键点和所述第二基础关键点计算位置偏移函数；根据所述位置偏移函数对所述第二样本图像中的所有关键点进行修正，得到第三样本图像。

优选地，所述通过初始第二人脸关键点识别模型对所述第一样本图像进行关键点预测之前，还包括：通过人脸框识别模型对所述第一样本图像进行人脸框识别，并标注出人脸框。

优选地，所述位置偏移函数包括一个仿射矩阵，所述仿射矩阵的计算表达式包括：M＝cv2.getAffineTransform(pts1,pts2)，其中，M为仿射矩阵，cv2为python库，pts1为第一基础关键点的坐标，pts2为第二基础关键点的坐标。

优选地，所述方法还包括：将所述第三样本图像输入到所述初始第二人脸关键点识别模型进行训练，从而得到第二人脸关键点识别模型。

优选地，所述初始第二人脸关键点识别模型对应的神经网络模型中采用的卷积层连接多组全连接层的结构。

此外，为实现上述目的，本发明还提供一种人脸关键点修正装置，所述装置包括：

接收模块，用于接收第一点位标准的第一样本图像；预测模块，用于通过初始第二人脸关键点识别模型对所述第一样本图像进行关键点预测，得到第二点位标准的第二样本图像；获取模块，用于获取所述第一样本图像的第一基础关键点和所述第二样本图像中的第二基础关键点；计算模块，用于根据所述第一基础关键点和所述第二基础关键点计算位置偏移函数；修正模块，用于根据所述位置偏移函数对所述第二样本图像中的所有关键点进行修正，得到第三样本图像。