[发明专利]人脸关键点定位方法、装置、计算机设备和存储介质

说明书

本申请涉及一种人脸关键点定位方法、装置、计算机设备和存储介质。所述方法包括：通过训练后的人脸关键点定位模型的编码子网络对待处理人脸图像进行预测运算，输出第一特征图，将第一特征图以及待处理人脸图像输入人脸关键点定位模型中解码子网络的解码处理层；通过解码处理层中的第一预设反卷积层对待处理人脸图像进行反卷积处理，得到第二特征图，对第二特征图进行特征筛选，将筛选后的特征图与第二特征图进行拼接，输出第三特征图，将第三特征图以及第一特征图输入至下一个解码处理层，直至解码子网络的最后一个解码处理层输出纹理位置图；根据纹理位置图以及预设索引计算得到人脸关键点特征信息。采用本方法能够提高人脸关键点定位效率。

技术领域

本申请涉及图像识别领域，特别是涉及一种人脸关键点定位方法、装置、计算机设备和存储介质。

背景技术

随着互联网技术的发展，人脸关键点定位技术已经广泛应用于人脸识别、人脸跟踪、人脸姿态表情分析、人脸动画等多种领域。人脸关键点可以是人脸器官，如眼睛、耳朵、鼻子等。人脸关键点定位是指确定人脸关键点在待处理人脸图像中的位置信息。传统方式中，出现了基于深度学习的人脸关键点定位技术。例如，通过训练后的卷积神经网络模型对人脸图像进行人脸关键点定位，提高了人脸关键点的定位准确性。然而，由于传统方式中需要提取人脸图像中的所有特征来进行人脸关键点定位，会导致特征处理耗费较多时间，致使人脸关键点定位效率较低，无法满足实时性要求。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高人脸关键点定位效率的人脸关键点定位方法、装置、计算机设备和存储介质。

一种人脸关键点定位方法，所述方法包括：

获取待处理人脸图像；

将所述待处理人脸图像输入至训练后的人脸关键点定位模型，所述人脸关键点定位模型包括编码子网络以及解码子网络；

通过所述编码子网络对所述待处理人脸图像进行预测运算，输出第一特征图，将所述第一特征图以及所述待处理人脸图像输入至所述解码子网络的解码处理层；

通过所述解码处理层中的第一预设反卷积层对所述待处理人脸图像进行反卷积处理，得到第二特征图，对所述第二特征图进行特征筛选，将筛选后的特征图与所述第二特征图进行拼接处理，输出第三特征图，将所述第三特征图以及所述第一特征图输入至下一个解码处理层，直至所述解码子网络的最后一个解码处理层输出纹理位置图；

根据所述纹理位置图以及预设索引计算得到所述待处理人脸图像对应的人脸关键点特征信息。

在其中一个实施例中，所述第一预设反卷积层包括注意力层和连接层，所述对所述第二特征图进行特征筛选，将筛选后的特征与所述第二特征图进行拼接处理，输出第三特征图包括：

通过注意力层提取第二特征图中各通道特征对应的权重参数，生成提取结果；

将所述提取结果以及所述第二特征图输入至连接层，通过连接层将所述提取结果与所述第二特征图进行拼接，输出第三特征图。

在其中一个实施例中，所述通过所述编码子网络对所述待处理图像进行预测运算，输出第一特征图包括：

通过所述编码子网络的编码处理层对所述待处理图像进行预测运算，得到输出特征图；

将所述编码子网络中的上一个编码处理层的输出特征图和所述上一个编码处理层的输入特征图进行融合处理；

将融合后的特征图输入至下一个编码处理层，直至所述编码子网络的最后一个编码处理层输出第一特征图。

在其中一个实施例中，所述解码处理层包括融合层，所述将所述第三特征图以及所述第一特征图输入至下一个解码处理层，直至所述解码子网络的最后一个解码处理层输出纹理位置图包括：