[发明专利]人脸关键点检测方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能技术领域，提供一种人脸关键点检测方法、装置、电子设备及存储介质。所述人脸关键点检测方法包括：将人脸图片训练数据输入至第一残差网络得到第一特征图；将第一特征图输入至几何感知网络得到第一几何关系矩阵；将第一特征图输入至注意力模型得到第一加权特征图矩阵；根据第一几何关系矩阵与第一加权特征图矩阵得到第一输入数据；将第一输入数据输入至第一低秩学习网络，训练第一低秩学习网络预测人脸关键点，得到第二低秩学习网络；使用所述第一残差网络、所述几何感知网络、所述注意力模型及所述第二低秩学习网络预测人脸图片测试数据中的人脸关键点。本发明可以有效提取带有遮挡的人脸图片中的人脸关键点。

技术领域

本发明涉及人工智能中的人脸识别技术领域，具体涉及一种人脸关键点检测方法、装置、电子设备及存储介质。

背景技术

现有技术中，人脸关键点检测主要依靠残差网络等神经网络模型，在处理有遮挡的人脸图像时不能很好的检测人脸关键点。

发明内容

鉴于以上内容，有必要提出一种人脸关键点检测方法、装置、电子设备及存储介质以实现对带有遮挡的人脸图像的人脸关键点快速提取。

本申请的第一方面提供一种人脸关键点检测方法，所述人脸关键点检测方法包括：

将人脸图片训练数据输入至第一残差网络，并经所述第一残差网络处理得到第一特征图，其中所述人脸图片训练数据包括有遮挡瑕疵的人脸图像，所述第一残差网络包括一个卷积层、一个最大池化层及由至少一个残差单元构成的残差计算模块，用于从人脸图像中获取人脸图像特征；

将所述第一特征图输入至几何感知网络，并经所述几何感知网络处理得到第一几何关系矩阵；

将所述第一特征图输入至注意力模型，并经所述注意力模型处理得到第一加权特征图矩阵；

根据所述第一几何关系矩阵与所述第一加权特征图矩阵得到第一输入数据；

将所述第一输入数据输入至第一低秩学习网络，训练所述第一低秩学习网络预测所述人脸图片训练数据中的人脸关键点，并得到训练完成的第二低秩学习网络；

将人脸图片测试数据输入至所述第一残差网络，并经过所述第一残差网络处理得到第二特征图，将所述第二特征图输入至所述几何感知网络，并经所述几何感知网络处理得到第二几何关系矩阵，将所述第二特征图输入至所述注意力模型，并经所述注意力模型处理得到第二加权特征图矩阵，根据所述第二几何关系矩阵与所述第二加权特征图矩阵得到第二输入数据；

将所述第二输入数据输入至所述第二低秩学习网络，所述第二低秩学习网络预测所述人脸图片测试数据中的人脸关键点；

输出所述人脸图片测试数据中的人脸关键点。

优选地，所述将人脸图片训练数据输入至第一残差网络，并经所述第一残差网络处理得到第一特征图包括：

将所述人脸图片训练数据输入所述第一残差网络中的所述卷积层，经所述卷积层计算得到第一计算结果；

将所述第一计算结果输入所述第一残差网络的所述最大池化层，经所述最大池化层计算得到第二计算结果；

将所述第二计算结果输入所述第一残差网络的所述残差计算模块，经所述残差计算模块计算得到所述第一特征图。

优选地，将所述第一特征图输入至几何感知网络，并经所述几何感知网络处理得到第一几何关系矩阵包括：

将所述第一特征图输入至所述几何感知网络中的第一卷积神经网络，经所述第一卷积神经网络处理得到第一矩阵，所述第一卷积神经网络用于获取人脸图像中人脸部件间的远距离几何关系；