[发明专利]一种人脸关键点检测模型生成方法、检测方法及电子设备

说明书

本发明公开了一种人脸关键点检测模型生成方法、检测方法及电子设备，所述生成方法通过对训练样本集中的训练图像对应的第一人脸框位置坐标和第一人脸关键点位置坐标进行坐标变换，得到第二人脸框位置坐标和第二人脸关键点位置坐标；根据第二人脸框位置坐标对应的第一人脸图像和第二人脸关键点位置坐标对预设网络模型进行训练，生成人脸关键点检测模型。本发明通过坐标变换后的第二人脸框位置坐标对应的第一人脸图像和第二人脸关键点位置坐标对人脸关键点检测模型进行训练，减小了人脸关键点检测模型对人脸检测结果的依赖，在不额外增加训练数据的情况下，提高人脸关键点检测模型对人脸关键点定位的鲁棒性。

技术领域

本发明涉及人脸检测技术领域，具体涉及一种人脸关键点检测模型生成方法、检测方法及电子设备。

背景技术

人脸关键点检测是人脸验证，人脸识别，属性计算，表情识别，姿态估计等人脸相关技术的前提和突破口。由于深度学习具有自动学习及持续学习能力，基于深度学习的人脸关键点检测技术的研究越来越多。这项检测技术是将人脸检测器检测到的人脸图像输入预先训练好的人脸关键点检测模型中，根据输入的人脸图像，自动定位出面部关键特征点。

现实场景中，人脸检测结果是影响人脸关键点检测模型检测精度至关重要的一环，人脸检测框对人脸全局结构的错误估计会直接导致人脸关键点定位的不准确，而人脸全局的正确性常常依赖人脸检测器的性能好坏，太大的人脸框会包含多余的背景信息，太小的人脸框会丢失人脸的结构信息，这两种结果都会直接影响人脸关键点检测模型的结果输出。

因此，现有技术还有待于改进和发展。

发明内容

针对现有技术的上述缺陷，本发明提供一种人脸关键点检测模型生成方法、检测方法及电子设备，旨在解决现有人脸关键点检测模型对人脸关键点的定位准确性依赖于人脸检测结果的问题。

本发明解决技术问题所采用的技术方案如下：

一种人脸关键点检测模型生成方法，其中，包括：

获取训练样本集中的训练图像对应的第一人脸框位置坐标和第一人脸关键点位置坐标；其中，所述训练图像中包含人脸；

对所述第一人脸框位置坐标和所述第一人脸关键点位置坐标进行坐标变换，得到第二人脸框位置坐标和第二人脸关键点位置坐标；

根据所述第二人脸框位置坐标对应的第一人脸图像和所述第二人脸关键点位置坐标对预设网络模型进行训练，生成人脸关键点检测模型。

所述的人脸关键点检测模型生成方法，其中，所述对所述第一人脸框位置坐标和所述第一人脸关键点位置坐标进行坐标变换，得到第二人脸框位置坐标和第二人脸关键点位置坐标的步骤包括：

根据预先生成的缩放因子对所述第一人脸框位置坐标进行坐标变换，得到第二人脸框位置坐标；根据所述第二人脸框位置坐标对所述第一人脸关键点位置坐标进行坐标变换，得到第二人脸关键点位置坐标。

所述的人脸关键点检测模型生成方法，其中，所述缩放因子的生成方法包括：

在预设范围内随机生成所述缩放因子。

所述的人脸关键点检测模型生成方法，其中所述根据所述第二人脸框位置坐标对应的第一人脸图像和所述第二人脸关键点位置坐标对预设网络模型进行训练，生成人脸关键点检测模型的步骤包括：

将所述第二人脸框位置坐标对应的第一人脸图像输入预设网络模型，生成所述第一人脸图像对应的第三人脸关键点位置坐标；

根据所述第二人脸关键点位置坐标和所述第三人脸关键点位置坐标对所述预设网络模型的模型参数进行修正，并继续执行根据所述第一人脸图像生成所述第三人脸关键点位置坐标的步骤，直至所述预设网络模型满足预设条件，以生成人脸关键点检测模型。