[发明专利]一种人脸检测和关键点检测的模型串联训练方法、装置及终端设备

说明书

本发明公开了一种人脸检测和关键点检测的模型串联训练方法、装置及终端设备，该方法包括：步骤1，获取数据集；步骤2，包括对人脸检测模型进行单独训练阶段，和人脸检测模型和人脸关键点检测模型串联训练阶段，在串联训练阶段，一个批次的人脸检测训练样本pics的图片经过人脸检测模型，产生该批次的人脸检测框预测结果；若人脸检测框预测结果中包含人脸的40~70%以上的人脸关键点，则将截取人脸检测框所对应的原图片中的区域作为人脸关键点检测的训练样本，即可得该批次的人脸关键点检测训练样本faces；通过串联训练方法提高了人脸检测模型的位置预测精度。

技术领域

本发明涉及人脸质量评估和深度学习领域，具体涉及一种人脸检测和关键点检测的模型串联训练方法、装置及终端设备。

背景技术

目前，在智慧城市、智慧安防等领域，人脸相关的智能技术是一项重要的技术。其在公共交通站的应用，大大的便利了人们的生活，对于保障公民安全和社会安全也有重要的意义。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现有的人脸检测技术和关键点检测技术在实现上是相对割裂的。其人脸算法流程，尤其是在终端使用的人脸算法流程中，为了同时保证检测的速度和精度，最大化的利用终端资源，人脸检测和关键点检测是串联的，这是实现上的割裂。在这种串联的结构上，人脸检测模型与关键点检测模型训练过程也是完全割裂的，没有针对性的匹配训练策略。最新的人脸检测算法有一些可以同时输出人脸检测和关键点，但是它们无法保证在低性能终端的检测精度和速度。

发明内容

为了克服现有技术的不足，本公开实施例提供了一种人脸检测和关键点检测的模型串联训练方法、装置及终端设备，提高了人脸检测模型的位置预测精度。技术方案如下：

第一方面，提供了一种人脸检测和关键点检测的模型串联训练方法，所述方法包括：

步骤1，获取数据集；

收集各种人脸数据集，统一其人脸检测框标注格式，根据实际需求，选取人脸检测模型，人脸关键点检测模型；并对数据集中的人脸做人脸关键点检测标注；

步骤2，训练；

(1)模型单独训练阶段

对人脸检测模型进行单独训练，训练至其训练损失函数收敛或者接近收敛状态。

(2)人脸检测模型和人脸关键点检测模型串联训练阶段

在串联训练阶段，一个批次的人脸检测训练样本pics的图片经过人脸检测模型，产生该批次的人脸检测框预测结果；若人脸检测框预测结果中包含人脸的40～70％以上的人脸关键点，则将截取人脸检测框所对应的原图片中的区域作为人脸关键点检测的训练样本，即可得该批次的人脸关键点检测训练样本faces；

在人脸检测模型和人脸关键点检测模型串联训练过程中，人脸检测模型给人脸关键点检测模型提供了困难样本输入，在检测过程中，使得后级的人脸关键点检测模型对于前级的人脸检测模型的输出有很好的预测效果。

优选的，步骤1的人脸检测模型为一阶段的人脸检测模型。

优选的，步骤1人脸关键点模型为五个人脸关键点的人脸关键点模型，五个人脸关键点分别为左眼，右眼，鼻子，嘴巴左角，嘴巴右角。

优选的，步骤2中模型单独训练阶段还包括：对人脸关键点检测模型进行预训练，对人脸关键点检测模型进行单独训练，训练至其训练损失函数收敛或者接近收敛。

进一步的，步骤2的(2)中若人脸检测框预测结果中包含人脸的50％以上的人脸关键点，则将截取人脸检测框所对应的原图片中的区域作为人脸关键点检测的训练样本，即可得该批次的人脸关键点检测训练样本faces。