[发明专利]人脸关键点检测方法、装置、设备及计算机可读存储介质

权利要求书

1.一种人脸关键点检测方法，其特征在于，包括：

获取样本数据，其中，所述样本数据包括人脸图像、标注的第一人脸关键点、标注的第一高斯热图；

根据所述第一高斯热图和所述第一人脸关键点，确定人脸关键点的第一偏移量，并根据所述第一人脸关键点，确定第一人脸姿态角；

将所述人脸图像输入预设的神经网络模型，得到第二高斯热图、人脸关键点的第二偏移量、第二人脸姿态角；

根据所述第一高斯热图、所述第一偏移量、所述第一人脸姿态角、所述第二高斯热图、所述第二偏移量、所述第二人脸姿态角，确定模型损失值；

根据所述模型损失值，确定所述神经网络模型是否收敛；

若所述神经网络模型未收敛，则更新所述神经网络模型的模型参数，并继续对更新后的神经网络模型进行训练，直至收敛得到人脸关键点检测模型；

获取待检测的目标人脸图像，并将所述目标人脸图像输入所述人脸关键点检测模型，得到目标高斯热图和人脸关键点的目标偏移量；

根据所述目标高斯热图和所述目标偏移量，确定所述目标人脸图像中的人脸关键点。

2.根据权利要求1所述的人脸关键点检测方法，其特征在于，所述根据所述第一高斯热图和所述第一人脸关键点，确定人脸关键点的第一偏移量，包括：

从所述第一高斯热图中获取人脸关键点的第一坐标信息，并获取所述第一人脸关键点的第二坐标信息；

确定所述第一坐标信息与所述第二坐标信息之间的偏移量，得到人脸关键点的第一偏移量。

3.根据权利要求1所述的人脸关键点检测方法，其特征在于，所述根据所述第一高斯热图、所述第一偏移量、所述第一人脸姿态角、所述第二高斯热图、所述第二偏移量、所述第二人脸姿态角，确定模型损失值，包括：

根据所述第一人脸姿态角、所述第二人脸姿态角、所述第一偏移量和所述第二偏移量，确定第一损失值；

根据所述第一高斯热图和所述第二高斯热图，确定第二损失值；

根据所述第一人脸姿态角和所述第二人脸姿态角，确定第三损失值；

根据所述第一损失值、所述第二损失值和所述第三损失值，确定模型损失值。

4.根据权利要求3所述的人脸关键点检测方法，其特征在于，所述根据所述第一损失值、所述第二损失值和所述第三损失值，确定模型损失值，包括：

确定所述第二损失值与预设的第一加权系数之间的乘积，得到第一加权损失值；

确定所述第三损失值与预设的第二加权系数之间的乘积，得到第二加权损失值，其中，所述模型参数包括所述第一加权系数和第二加权系数；

对所述第一损失值、所述第一加权损失值和所述第二加权损失值进行求和，得到模型损失值。

5.根据权利要求3所述的人脸关键点检测方法，其特征在于，所述根据所述第一人脸姿态角、所述第二人脸姿态角、所述第一偏移量和所述第二偏移量，确定第一损失值，包括：

根据所述第一人脸姿态角、所述第二人脸姿态角，确定第一候选损失值；

根据所述第一偏移量和所述第二偏移量，确定第二候选损失值；

对所述第一候选损失值与所述第二候选损失值进行乘法运算，得到所述第一损失值。

6.根据权利要求5所述的人脸关键点检测方法，其特征在于，所述根据所述第一人脸姿态角、所述第二人脸姿态角，确定第一候选损失值，包括：

确定所述第一人脸姿态角与所述第二人脸姿态角之间的姿态角差值，其中，所述姿态角差值包括俯仰角差值、偏航角差值和翻滚角差值；

确定所述俯仰角差值的第一余弦值、所述偏航角差值的第二余弦值和翻滚角差值的第三余弦值；

确定所述第一余弦值、所述第二余弦值和所述第三余弦值的平均余弦值，并用1减去所述平均余弦值，得到第一候选损失值。