[发明专利]人脸及其特征点的检测方法、装置、电子设备和存储介质

权利要求书

1.一种人脸及其特征点的检测方法，其特征在于，该检测方法包括以下步骤：

利用网络模型的主干部分提取出样本图像的特征，然后计算输出检测框集合和面部特征点热力图集合；所述网络模型的损失值计算部分包括并行计算的锚框位置回归单元、锚框类别分类单元和面部特征点位置回归单元；其中，所述锚框位置回归单元引入锚框机制，预设多个不同尺度、大小的锚框，并对每个所述锚框进行分类和位置回归；

在所述检测框集合中筛选出最优检测框；

并在所述面部特征点热力图集合中筛选出的大于阈值的点作为特征点；

通过坐标计算出所述最优检测框对应的面部特征点。

2.根据权利要求1所述的一种人脸及其特征点的检测方法，其特征在于，所述网络模型包括提取所述样本图像的特征的特征提取单元，所述特征提取单元根据预设的模块数量并按照数据处理的方向由卷积层、批归一化层、激活函数和残差模块依次堆叠。

3.根据权利要求2所述的一种人脸及其特征点的检测方法，其特征在于，所述残差模块按照数据处理的方向依次包括卷积层、批归一化层、激活函数层、压缩激活模块以及特征相加融合层，其中，所述压缩激活模块按照数据处理的方向依次包括平均池化层、卷积层、激活函数层、卷积层、激活函数层以及特征相乘融合层。

4.根据权利要求3所述的一种人脸及其特征点的检测方法，其特征在于，所述锚框位置回归单元按照数据处理的方向依次包括多个并行的回归卷积层和平滑L1损失函数，所述锚框位置回归单元与所述面部特征点位置回归单元共用所述平滑L1损失函数。

5.根据权利要求4所述的一种人脸及其特征点的检测方法，其特征在于，所述锚框类别分类单元按照数据处理的方向依次包括分类卷积层和焦点损失函数；所述分类卷积层与所述回归卷积层并行设置，分别连接所述特征提取单元。

6.一种人脸及其特征点的检测装置，其特征在于，该检测装置包括：

主干网络模型模块，用于提取出样本图像的特征，然后计算输出检测框集合和面部特征点热力图集合；所述网络模型的损失值部分包括并行计算的锚框位置回归单元、锚框类别分类单元和面部特征点位置回归单元；其中，所述锚框位置回归单元引入锚框机制，预设多个不同尺度、大小的锚框，并对每个所述锚框进行分类和位置回归；

检测框筛选模块，用于在所述检测框集合中筛选出最优检测框；

特征点筛选模块，用于将所述面部特征点热力图集合中筛选出的大于阈值的点作为特征点；

面部特征点生成模块，用于通过坐标计算出所述最优检测框对应的面部特征点。

7.根据权利要求6所述的一种人脸及其特征点的检测装置，其特征在于，所述主干网络模型包括提取所述样本图像的特征的特征提取单元，所述特征提取单元根据预设的模块数量并按照数据处理的方向由卷积层、批归一化层、激活函数和残差模块依次堆叠。

8.根据权利要求7所述的一种人脸及其特征点的检测方法，其特征在于，所述残差模块按照数据处理的方向依次包括卷积层、批归一化层、激活函数层、压缩激活模块以及特征相加融合层，其中，所述压缩激活模块按照数据处理的方向依次包括平均池化层、卷积层、激活函数层、卷积层、激活函数层以及特征相乘融合层。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行权利要求1～5中任意一项所述的方法。

10.一种存储介质，该存储介质中存储有计算机可读的程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1～5中任意一项所述的方法。