[发明专利]基于MTCNN算法的人脸多特征点检测方法及装置

说明书

本发明公开了一种基于MTCNN算法的人脸多特征点检测方法及装置，属一种人脸检测方法，所述方法为在MTCNN算法的基础上，将输入数据集中的人脸特征点的标定数量设置为大于或等于六个；所述人脸特征点均为在初始人脸图像上进行的自由标定点，且将标定人脸特征点后的初始人脸图像均利用MTCNN算法训练，形成人脸特征数据模型，以所述人脸特征数据模型作为MTCNN算法的识别依据。通过将MTCNN算法模型中的特征点的标定数量增多，并通过算法训练，从而有效提升了人脸识别的精确性，亦可对特征点标定数量进行扩展，实现对侧脸识别，更为适宜在TMS系统等医疗器械等领域中对人脸识别精度要求更为精确的场景中使用。

技术领域

本发明涉及一种人脸检测方法，更具体的说，本发明主要涉及一种基于MTCNN算法的人脸多特征点检测方法及装置。

背景技术

随着各类AI技术的推广应用，人脸识别技术也得到了长足的发展，根据识别精确性以及识别速度等不同侧重点，目前领域中具有多种识别技术，分别通过不同的算法及原理实现。而相较于其他的人脸识别算法，MTCNN算法具有识别准确的优点，其应用的范围场景比较广，因此也在AI智能领域中得到了推广与应用。传统的MTCNN模型利用多级联的结构，从粗到细预测人脸以及相应特征坐标位置，能够适用于各种自然条件下复杂的人脸场景检测。但在一些特定的应用场景下，由于其标定特征点偏少，通常只在面部固定的区域进行标定，因此无法得到更为精确的识别结果，不适于在医疗器械等领域的人脸识别中使用，因此有必要在MTCNN算法的基础上，进行人脸多特征点检测研究和改进。

发明内容

本发明的目的之一在于解决上述不足，提供一种基于MTCNN算法的人脸多特征点检测方法及装置，以期望解决传统MTCNN算法模型标定特征点偏少，不适于在医疗器械等特定场景领域中应用等技术问题。

为解决上述的技术问题，本发明采用以下技术方案：

本发明一方面提供了一种基于MTCNN算法的人脸多特征点检测方法，所述方法为在MTCNN算法的基础上，将输入数据集中的人脸特征点的标定数量设置为大于或等于六个；所述人脸特征点均为在初始人脸图像上进行的自由标定点，且将标定人脸特征点后的初始人脸图像均利用MTCNN算法训练，形成人脸特征数据模型，以所述人脸特征数据模型作为MTCNN算法的检测依据。

作为优选，进一步的技术方案是：输入数据集中人脸特征点的标定数量设置为19-21个，且均布于人脸的面部五官的位置。

更进一步的技术方案是：所述输入数据集中的人脸特征点包括至少两个侧脸特征点。

更进一步的技术方案是：所述输入数据集为多个，分别基于各自的初始人脸图像完成人脸检测与人脸特征点标定，且所述输入数据集基于AFLW数据集完成的人脸特征点标定。

更进一步的技术方案是：所述输入数据集中包括人脸图像数据与人脸特征点数据，所述输入数据集通过金字塔处理后形成P-Net数据，所述P-Net数据为基于输入数据集识别出的不同尺寸大小的人脸数据，基于所述P-Net数据去掉重复人脸矩形框后形成R-Net数据，再基于所述R-Net标定人脸矩形框后形成具有人脸特征数据模型的O-Net数据。

本发明另一方面提供了一种基于MTCNN算法的人脸多特征点检测装置，所述的装置包括摄像头与检测处理模块，所述摄像头接入检测处理模块，所述摄像头用于采集图像数据并传输至检测处理模块中，所述检测处理模块用于通过上述的方法，对当前的图像数据进行人脸检测。

作为优选，进一步的技术方案：所述检测处理模块通过具有19-21个人脸特征点的人脸特征数据模型，对当前图像数据中的人脸进行检测。

更进一步的技术方案是：所述检测处理模块用于执行MTCNN算法，且其内部预置有经过MTCNN算法程序训练的人脸特征数据模型。