[发明专利]一种人脸检测和对齐方法及装置

权利要求书

1.一种人脸检测和对齐方法，其特征在于，包括：

获取人脸数据集，其中，所述人脸数据集中包括多个带有图像标签信息的人脸图像，所述图像标签信息包括：标注的第一人脸框分类信息、第一人脸框位置信息和第一人脸关键点坐标信息；

将所述人脸数据集作为预设人脸检测和对齐网络模型的输入进行模型训练，以输出网络预测的人脸标签信息，其中，所述人脸标签信息包括人脸图像的第二人脸框位置信息、第二人脸框分类信息和第二人脸关键点坐标信息；

根据所述图像标签信息、人脸标签信息计算人脸框位置信息对应的第一损失函数、人脸框分类信息对应的第二损失函数和人脸关键点坐标信息对应的第三损失函数；

通过所述网络模型的全连接层输出所述第一损失函数对应的第一权重因子、所述第二损失函数对应的第二权重因子和所述第三损失函数对应的第三权重因子；

根据每个损失函数及其对应的权重因子确定总损失函数；

根据所述总损失函数反向传播更新各个权重，以确定目标人脸检测和对齐网络模型。

2.根据权利要求1所述的人脸检测和对齐方法，其特征在于，所述方法还包括：

获取输入的待处理人脸图像；

将所述待处理人脸图像作为所述目标人脸检测和对齐网络模型的输入，以输出对齐后的人脸图像。

3.根据权利要求1所述的人脸检测和对齐方法，其特征在于，所述总损失函数loss采用以下公式计算：

Loss＝1/(2*m1^2)*loss_loc+1/(m2^2)*loss_cls+1/(2*m3^2)*loss_landm+logm1+logm2+logm3

其中，m1表示所述第一权重因子，loss_loc表示所述第一损失函数，m2表示所述第二权重因子，loss_cls表示所述第二损失函数，m3表示所述第三权重因子，loss_landm表示所述第三损失函数，logm1+logm2+logm3表示惩罚项。

4.根据权利要求1所述的人脸检测和对齐方法，其特征在于，将所述人脸数据集作为预设人脸检测和对齐网络模型的输入进行模型训练，包括：

对所述人脸数据集中的每个人脸图像进行预处理操作，得到处理后的人脸图像，其中，预处理操作包括以下至少一项：随机剪裁操作、色彩增强操作、颜色抖动操作和归一化操作；

将处理后的人脸图像作为预设人脸检测和对齐网络模型的输入进行模型训练。

5.根据权利要求1所述的人脸检测和对齐方法，其特征在于，所述预设人脸检测和对齐网络模型以ResNet50为基本骨架，并具有图像特征金字塔结构。

6.一种人脸检测和对齐装置，其特征在于，包括：

第一获取模块，用于获取人脸数据集，其中，所述人脸数据集中包括多个带有图像标签信息的人脸图像，所述图像标签信息包括：标注的第一人脸框分类信息、第一人脸框位置信息和第一人脸关键点坐标信息；

训练模块，用于将所述人脸数据集作为预设人脸检测和对齐网络模型的输入进行模型训练，以输出网络预测的人脸标签信息，其中，所述人脸标签信息包括人脸图像的第二人脸框位置信息、第二人脸框分类信息和第二人脸关键点坐标信息；

计算模块，用于根据所述图像标签信息、人脸标签信息计算人脸框位置信息对应的第一损失函数、人脸框分类信息对应的第二损失函数和人脸关键点坐标信息对应的第三损失函数；

第一输出模块，用于通过所述网络模型的全连接层输出所述第一损失函数对应的第一权重因子、所述第二损失函数对应的第二权重因子和所述第三损失函数对应的第三权重因子；

第一确定模块，用于根据每个损失函数及其对应的权重因子确定总损失函数；

第二确定模块，用于根据所述总损失函数反向传播更新各个权重，以确定目标人脸检测和对齐网络模型。

7.根据权利要求6所述的人脸检测和对齐装置，其特征在于，所述装置还包括：

第二获取模块，用于获取输入的待处理人脸图像；

第二输出模块，用于将所述待处理人脸图像作为所述目标人脸检测和对齐网络模型的输入，以输出对齐后的人脸图像。