[发明专利]关键点检测模型的训练方法、装置及存储介质

说明书

本申请提供了一种关键点检测模型的训练方法、装置及存储介质，以经过面部关键点的轮廓曲线在面部关键点处的切线方向作为椭圆高斯核的长轴方向，以该轮廓曲线在面部关键点处的法线方向作为椭圆高斯核的短轴方向，并以面部关键点的坐标数据作为椭圆高斯核的中心点坐标分别生成每个面部关键点对应的椭圆高斯热图。本申请根据各张椭圆高斯热图进行模型训练，从而可训练得到的关键点检测模型增加在面部边缘法线方向上的约束，并降低关键点检测模型在切线方向上的约束，使得关键点检测模型学习到的热图约束与面部关键点的实际分布情况更加契合，进而提高关键点检测模型的检测准确性。

技术领域

本申请涉及面部检测技术领域，尤其涉及一种关键点检测模型的训练方法、装置、存储介质及计算机设备。

背景技术

面部关键点检测是指针对给定的面部图像，定位出该面部图像的关键区域位置，其中，关键区域可以包括脸部外轮廓、眼镜、鼻子和嘴巴。面部关键点检测算法主要可分为两种实现方式：一种是使用全连接层直接回归面部关键点；另一种是热图回归，也即分别生成每个面部关键点的热图，并将每个热图中像素值最大的点作为面部关键点。然而，在使用热图回归的方式进行面部关键点检测时，其检测准确性仍有待提高。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中面部关键点检测准确性低的技术缺陷。

第一方面，本申请实施例提供了一种关键点检测模型的训练方法，该方法包括：

获取面部图像和所述面部图像的标注数据，所述标注数据包括预先标注的各个面部关键点的坐标数据；

针对每个所述面部关键点，获取经过该面部关键点的目标轮廓曲线，并确定所述目标轮廓曲线在该面部关键点处的切线方向和法线方向，以所述切线方向作为椭圆高斯核的长轴方向，以所述法线方向作为所述椭圆高斯核的短轴方向，以该面部关键点的坐标数据作为所述椭圆高斯核的中心点坐标生成该面部关键点对应的椭圆高斯热图；

采用所述面部图像和所述面部图像对应的各张所述椭圆高斯热图对初始检测模型进行迭代训练，直至所述初始检测模型满足预设的训练完成条件并得到关键点检测模型。

在其中一个实施例中，所述以所述切线方向作为椭圆高斯核的长轴方向，以所述法线方向作为所述椭圆高斯核的短轴方向，以该面部关键点的坐标数据作为所述椭圆高斯核的中心点坐标生成该面部关键点对应的椭圆高斯热图的步骤，包括：

计算圆形高斯核的核半径；

分别计算预设的第一系数与所述核半径之间的第一乘积，以及预设的第二系数与所述核半径之间的第二乘积；所述第一系数大于1，所述第二系数为小于1的正数；

以所述切线方向作为椭圆高斯核的长轴方向，以所述第一乘积作为所述椭圆高斯核的半长轴，以所述法线方向作为所述椭圆高斯核的短轴方向，以所述第二乘积作为所述椭圆高斯核的半短轴，并以该面部关键点的坐标数据作为所述椭圆高斯核的中心点坐标生成该面部关键点对应的椭圆高斯热图。

在其中一个实施例中，所述第一系数为1.25，所述第二系数为0.75。

在其中一个实施例中，所述标注数据还包括每个所述面部关键点的标注遮挡属性，所述初始检测模型包括热图生成网络；

所述采用所述面部图像和所述面部图像对应的各张所述椭圆高斯热图对初始检测模型进行迭代训练，直至所述初始检测模型的输出满足预设的训练完成条件并得到关键点检测模型的步骤，包括：

针对每个所述面部关键点，若该面部关键点的标注遮挡属性反映该面部关键点被遮挡，则以预设的第一权重或预设的第二权重作为该面部关键点对应的通道损失权重，否则，以预设的第三权重作为该面部关键点对应的通道损失权重；所述第一权重和所述第二权重均小于所述第三权重；