[发明专利]人脸定位方法、人脸模型训练与检测方法及装置

权利要求书

1.一种人脸定位方法，其特征在于，包括以下步骤：

对图像或视频进行人脸检测，得到人脸区域；

对所述人脸区域添加人脸框，且所述人脸框带有旋转信息；

根据所述旋转信息进行人脸定位。

2.根据权利要求1所述的一种人脸定位方法，其特征在于：所述旋转信息的编码方式为[cx，cy，w，h，θ]五元素的向量；其中，cx、cy表示框的中心点，w、h表示框的宽和高，θ表示框的角度。

3.根据权利要求1所述的一种人脸定位方法，其特征在于：根据所述旋转信息进行人脸定位，是通过对所述人脸区域标注锚点框，计算所述人脸框与所述锚点框之间的重叠率，并根据所述所述重叠率计算所述锚点框的置信度。

4.根据权利要求3所述的一种人脸定位方法，其特征在于：所述锚点框的标注，是通过卷积神经网络模型对人脸图像进行训练和预测得到的；并根据预测结果和所述置信度，得到最终人脸定位结果。

5.根据权利要求3所述的一种人脸定位方法，其特征在于：所述重叠率的计算包括以下步骤：

将所述人脸框和所述锚点框表示为四个角点的坐标；

初始化点集PSet；

将所述人脸框和所述锚点框相交的点加入到所述点集PSet；

将所述人脸框中位于所述锚点框内部的角点加入到所述点集PSet；

将所述锚点框中位于所述人脸框内部的角点加入到所述点集PSet；

对所述点集PSet进行排序，使点集PSet按照逆时针排序；

通过三角形法计算重叠面积Area(I)；

计算重叠率：其中，Area(R₁)是指所述人脸框的面积，Area(R₂)是指所述锚点框的面积。

6.根据权利要求3所述的一种人脸定位方法，其特征在于：根据所述重叠率计算所述锚点框的置信度，进一步包括以下步骤：

计算人脸框列表Rg与锚点框列表Ra两两之间的重叠度矩阵IoU[i，j]，其中，IoU[i，j]为第i个人脸框与第j个锚点框之间的重叠度；

对所述重叠度矩阵IoU[i，j]中的每个列取重叠度的最大值IoU_best-gt和人脸框的最大值Index_best-gt对应序号，即，IoU_best-gt，Index_best-gt＝IoU.max(dim＝1)；

对所述重叠度矩阵IoU[i，j]中的每行取锚点框的最大值IoU_best-anchor对应序号，得每个人脸的最大的重叠度IoU_best-anchor＝IoU.max(dim＝0)；

通过花式索引获得每个锚点框列表Ra匹配的人脸的最大重叠度IoU_max＝IoU_(best-anchor)[Index_best-gt]；

对所述重叠度进行阈值处理：

重叠度IoU_best-gt小于阈值t的置零，即：IoU_best-gt[IoU_best-gt＜t]＝0；

最大重叠度IoU_max小于阈值t_max的置1，即：IoU_max[IoU_max＜t_max]＝1；

根据阈值处理结果计算每个锚点框列表Ra的置信度Score_Ra，其中，

7.根据权利要求6所述的一种人脸定位方法，其特征在于：进一步根据变换后的置信度Score_Ra筛选回归样本，将置信度Score_Ra大于阈值t_reg的锚点框进行回归目标框，得到最终人脸定位结果。