人脸关键点定位方法和装置制造方法及图纸

本发明专利技术公开了一种人脸关键点定位方法和装置，属于图像处理技术领域。所述方法包括：获取包含目标人脸的人脸图像，确定所述人脸图像中的所述目标人脸的人脸框；根据人脸框以及第一定位算法确定目标人脸中的n个关键点的位置；n≥3；从候选人脸中筛选出对应关键点的位置与目标人脸中的n个关键点的位置匹配的相似人脸；根据第二定位算法确定筛选出的相似人脸中的m个关键点的位置，m为正整数；解决了现有技术中终端获得的各个关键点的位置会存在较大偏差的问题；达到了可以提高定位得到的各个关键点的位置的准确率的效果。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别涉及一种人脸关键点定位方法和装置。
技术介绍
人脸关键点定位是人脸图像研究中的重要技术。该技术直接影响人脸识别、人脸属性识别(性别识别、姿态识别和年龄识别)和人脸美化等多种与人脸识别相关的图像处理技术。现有的人脸关键点定位方法通常包括：通过人脸检测器确定人脸的人脸框，根据ESR(ExplicitShapeRegressor，显示形状回归)定位算法以及人脸框对人脸进行定位，获得人脸中的各个关键点。在实现本专利技术的过程中，专利技术人发现现有技术至少存在以下问题：该定位方法对人脸框的定位准确度依赖较大，也即当人脸框存在定位偏差时，终端获得的各个关键点的位置也会存在较大的偏差。
技术实现思路
为了解决现有技术中存在的问题，本专利技术实施例提供了一种人脸关键点定位方法和装置。所述技术方案如下：第一方面，提供了一种人脸关键点定位方法，该方法包括：获取包含目标人脸的人脸图像；确定所述人脸图像中的所述目标人脸的人脸框；根据所述人脸框以及第一定位算法确定所述目标人脸中的n个关键点的位置；n≥3；所述第一定位算法是在所述人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差在第一偏差范围内的定位算法；从候选人脸中筛选出对应关键点的位置与所述目标人脸中的n个关键点的位置匹配的相似人脸；根据第二定位算法确定筛选出的所述相似人脸中的m个关键点的位置，m为正整数；所述第二定位算法是在所述人脸框定位准确时，得到的各个关键点的定位位置与实际位置的偏差在第二偏差范围内，而在所述人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差超过所述第一偏差范围的定位算法；所述第一偏差范围包括所述第二偏差范围；根据对所述相似人脸的定位结果确定对所述目标人脸的定位结果。第二方面，提供了一种人脸关键点定位装置，该装置包括：获取模块，用于获取包含目标人脸的人脸图像；第一确定模块，用于确定所述获取模块获取到的所述人脸图像中的所述目标人脸的人脸框；第二确定模块，用于根据所述第一确定模块确定的所述人脸框以及第一定位算法确定所述目标人脸中的n个关键点的位置；n≥3；所述第一定位算法是在所述人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差在第一偏差范围内的定位算法；人脸筛选模块，用于从候选人脸中筛选出对应关键点的位置与所述目标人脸中的n个关键点的位置匹配的相似人脸；第三确定模块，用于根据第二定位算法确定筛选出的所述相似人脸中的m个关键点的位置，m为正整数；所述第二定位算法是在所述人脸框定位准确时，得到的各个关键点的定位位置与实际位置的偏差在第二偏差范围内，而在所述人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差超过所述第一偏差范围的定位算法；所述第一偏差范围包括所述第二偏差范围；定位结果确定模块，用于根据所述第三确定模块确定的对所述相似人脸的定位结果确定对所述目标人脸的定位结果。本专利技术实施例提供的技术方案的有益效果是：通过使用第一定位算法确定目标人脸中的n个关键点的位置，从候选人脸中筛选出对应关键点的位置与目标人脸中的n个关键点的位置匹配的相似人脸，然后通过第二定位算法确定筛选出的相似人脸中的m个关键点的位置，根据对相似人脸的定位结果确定对目标人脸的定位结果。其中，第一定位算法是在人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差在第一偏差范围内的定位算法；第二定位算法是在人脸框定位准确时，得到的各个关键点的定位位置与实际位置的偏差在第二偏差范围内，而在人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差超过第一偏差范围的定位算法；第一偏差范围包括第二偏差范围；解决了现有技术中终端获得的各个关键点的位置会存在较大偏差的问题；达到了可以提高定位得到的各个关键点的位置的准确率的效果。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一个实施例提供的终端的结构示意图；图2是本专利技术一个实施例提供的人脸关键点定位方法的方法流程图；图3A是本专利技术另一实施例提供的人脸关键点定位方法的方法流程图；图3B是本专利技术另一实施例提供的通过第一定位算法定位得到的n个关键点的位置的示意图；图3C是本专利技术另一实施例提供的人脸关键点定位方法中所涉及的第一偏差范围的示意图；图3D是本专利技术另一实施例提供的筛选相似人脸时的示意图；图4是本专利技术一个实施例提供的人脸关键点定位装置的结构方框图；图5是本专利技术另一实施例提供的人脸关键点定位装置的结构方框图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述，显然，所描述的实施例仅仅是本专利技术一部份实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。请参考图1，其示出了本专利技术一个实施例提供的终端的结构示意图。该终端可以包括总线110、连接到总线110上的网络接口单元120、存储器130、输入单元140、处理器150和显示单元160。存储器130中存储有至少一种计算机应用程序，处理器150可以根据存储器130中存储的计算机应用程序执行相应操作。处理器150用于从存储器130中获取包含目标人脸的人脸图像，或者通过网络接口单元120从其他终端中获取该包含目标人脸的人脸图像。处理器150还用于确定人脸图像中的目标人脸的人脸框；根据人脸框以及第一定位算法确定目标人脸中的n个关键点的位置；n≥3；第一定位算法是在人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差在第一偏差范围内的定位算法；从候选人脸中筛选出对应关键点的位置与目标人脸中的n个关键点的位置匹配的相似人脸；据第二定位算法确定筛选出的相似人脸中的m个关键点的位置，m为正整数；第二定位算法是在人脸框定位准确时，得到的各个关键点的定位位置与实际位置的偏差在第二偏差范围内，而在人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差超过第一偏差范围的定位算法；第一偏差范围包括第二偏差范围；根据对相似人脸的定位结果确定对目标人脸的定位结果。综上所述，本实施例提供的终端，通过使用第一定位算法确定目标人脸中的n个关键点的位置，从候选人脸中筛选出对应关键点的位置与目标人脸中的n个关键点的位置匹配的相似人脸，然后通过第二定位算法确定筛选出的相似人脸中的m个关键点的位置，根据对相似人脸的定位结果确定对目标人脸的定位结果。其中，第一定位算法是在人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差在第一偏差范围内的定位算法；第二定位算法是在人脸框定位准确时，得到的各个关键点的定位位置与实际位置的偏差在第二偏差范围内，而在人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差超过第一偏差范围的定位算法；第一偏差范围包括第二偏差范围；解决了现有技术中终端获得的各个关键点的位置会存在较大偏差的问题；达到了可本文档来自技高网...

【技术保护点】
一种人脸关键点定位方法，其特征在于，所述方法包括：获取包含目标人脸的人脸图像；确定所述人脸图像中的所述目标人脸的人脸框；根据所述人脸框以及第一定位算法确定所述目标人脸中的n个关键点的位置；n≥3；所述第一定位算法是在所述人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差在第一偏差范围内的定位算法；从候选人脸中筛选出对应关键点的位置与所述目标人脸中的n个关键点的位置匹配的相似人脸；根据第二定位算法确定筛选出的所述相似人脸中的m个关键点的位置，m为正整数；所述第二定位算法是在所述人脸框定位准确时，得到的各个关键点的定位位置与实际位置的偏差在第二偏差范围内，而在所述人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差超过所述第一偏差范围的定位算法；所述第一偏差范围包括所述第二偏差范围；根据对所述相似人脸的定位结果确定对所述目标人脸的定位结果。

【技术特征摘要】
1.一种人脸关键点定位方法，其特征在于，所述方法包括：获取包含目标人脸的人脸图像；确定所述人脸图像中的所述目标人脸的人脸框；根据所述人脸框以及第一定位算法确定所述目标人脸中的n个关键点的位置；n≥3；所述第一定位算法是在所述人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差在第一偏差范围内的定位算法；从候选人脸中筛选出对应关键点的位置与所述目标人脸中的n个关键点的位置匹配的相似人脸；根据第二定位算法确定筛选出的所述相似人脸中的m个关键点的位置，m为正整数；所述第二定位算法是在所述人脸框定位准确时，得到的各个关键点的定位位置与实际位置的偏差在第二偏差范围内，而在所述人脸框存在定位偏差时，得到的各个关键点的定位位置与实际位置的偏差超过所述第一偏差范围的定位算法；所述第一偏差范围包括所述第二偏差范围；根据对所述相似人脸的定位结果确定对所述目标人脸的定位结果。2.根据权利要求1所述的方法，其特征在于，所述从候选人脸中筛选出对应关键点的位置与所述目标人脸中的n个关键点的位置匹配的相似人脸，包括：对于每个候选人脸，将所述目标人脸中的n个关键点中的i个关键点的位置与所述候选人脸中的对应关键点的位置对齐；其中，每个候选人脸中标注有所述n个关键点中的每个关键点的位置；i<n；计算所述n个关键点中的剩余关键点与所述候选人脸中的对应关键点的位置之间的距离；选择各个候选人脸中符合第一条件的相似人脸；所述第一条件包括所述距离小于第一阈值，或者，按照距离由大到小的顺序排名之后排名在后N位，或者，按照距离由小到大的顺序排名之后排名在前N位。3.根据权利要求1所述的方法，其特征在于，所述根据对所述相似人脸的定位结果确定对所述目标人脸的定位结果，包括：若所述定位结果有一个，则将对所述相似人脸的定位结果确定为对所述目标人脸的定位结果；若所述定位结果有至少两个，则根据所述至少两个定位结果中的各个关键点的位置，计算每个关键点的至少两个位置的中心位置；将计算得到的中心位置确定为所述关键点的目标位置；将所述各个关键点的目标位置所构成的定位结果确定为对所述目标人脸的定位结果。4.根据权利要求1至3任一所述的方法，其特征在于，所述根据对所述相似人脸的定位结果确定对所述目标人脸的定位结果之前，所述方法还包括：根据预设评估算法以及所述目标人脸对所述定位结果进行评分；所述评分与所述定位结果和所述目标人脸之间的误差呈负相关关系；选择所述定位结果中符合第二条件的定位结果，所述第二条件包括评分低于第二阈值，或者，按照评分由大到小的顺序排名后排名在前M位，或者，按照评分由小到大的顺序排名后排名在后M位。5.根据权利要求1至3任一所述的方法，其特征在于，所述第一定位算法为卷积神经网络CNN算法、主动形状模型ASM算法、主动表观模型AAM算法或者SDM算法；所述第二定位算法为显示形状回归ESR算法、CNN算法或者SDM算法。6.一种人脸关键点定位装置，其特征在于，所述装置包括：获取模块，...

【专利技术属性】
技术研发人员：汪铖杰，李季檩，黄飞跃，吴永坚，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44