[发明专利]人脸关键点定位的方法、系统、电子装置和存储介质

权利要求书

1.一种人脸关键点定位的方法，其特征在于，所述方法包括：

获取待检测图像，使用定位网络获取所述待检测图像的第一特征点集的热力图和实例标签图，其中，所述待检测图像的分辨率为第一分辨率；

根据所述实例标签图，将所述第一特征点集进行分组，并从所述热力图中提取所述第一特征点集中的第一特征点集坐标；

获取第二特征点集坐标，根据所述第二特征点集坐标截取所述待检测图像中对应的关键点图像块，将所述关键点图像块输入到提升网络中，所述提升网络输出偏移坐标，根据所述偏移坐标更新所述第二特征点集坐标，其中，所述待检测图像的分辨率为第二分辨率。

2.根据权利要求1所述的方法，其特征在于，根据所述偏移坐标更新所述第二特征点集坐标包括：

将多个所述关键点图像块分别经过多个第一卷积计算块，提取出多个特征张量；

将多个所述特征张量经过连接层连接为一个总的第一特征张量，所述总的第一特征张量经过第二卷积计算块，获得总的第二特征张量；

将所述总的第二特征张量输入到SENET模块中，再通过线性层输出第二特征点集的偏移坐标，根据所述偏移坐标更新所述第二特征点集坐标。

3.根据权利要求1所述的方法，其特征在于，根据所述实例标签图，将所述第一特征点集进行分组包括：在所述第一特征点集中，属于同一个实例的特征点标签值的差别尽可能小，不属于同一个实例的特征点标签值的差别尽可能大，按所述标签聚类后是否相同对所述第一特征点集进行分组。

4.根据权利要求3所述的方法，其特征在于，按所述标签聚类后是否相同对所述第一特征点集进行分组包括：设计所述实例标签图的学习目标函数为L_t，其中，所述目标函数表达了当前实例标签图的分类结果和实际结果的误差，又称为损失函数，定义如下：

其中，I是实例个数，i，j是实例索引，k是特征点索引，x_ik是第i个实例的特征点k的位置，t_k(x)表示对应特征点k的实例标签图上的标签值，是第i个实例所有特征点的标签值的均值。

5.根据权利要求1所述的方法，其特征在于，从所述热力图中提取所述第一特征点集中的第一特征点集坐标包括：若所述第一特征点集的个数小于全部关键点的个数，则根据所述第一特征点集坐标推断其余关键点的坐标。

6.根据权利要求1所述的方法，其特征在于，根据所述偏移坐标更新所述第二特征点集坐标之后，所述方法还包含：若所述第二特征点集的个数小于全部关键点的个数，则根据更新后的所述第二特征点集坐标推断其余关键点的坐标。

7.一种人脸关键点定位的系统，其特征在于，所述系统包括定位模块、分组模块和提升模块，

所述定位模块，用于获取待检测图像，使用定位网络获取所述待检测图像的第一特征点集的热力图和实例标签图，其中，所述待检测图像的分辨率为第一分辨率；

所述分组模块，用于根据所述实例标签图，将所述第一特征点集进行分组，并从所述热力图中提取所述第一特征点集中的第一特征点集坐标；

所述提升模块，用于获取第二特征点集坐标，根据所述第二特征点集坐标截取所述待检测图像中对应的关键点图像块，将所述关键点图像块输入到提升网络中，所述提升网络输出偏移坐标，根据所述偏移坐标更新所述第二特征点集坐标，其中，所述待检测图像的分辨率为第二分辨率。

8.根据权利要求7所述的系统，其特征在于，根据所述偏移坐标更新所述第二特征点集坐标包括：

将多个所述关键点图像块分别经过多个第一卷积计算块，提取出多个特征张量；

将多个所述特征张量经过连接层连接为一个总的第一特征张量，所述总的第一特征张量经过第二卷积计算块，获得总的第二特征张量；

将所述总的第二特征张量输入到SENET模块中，再通过线性层输出第二特征点集的偏移坐标，根据所述偏移坐标更新所述第二特征点集坐标。