一种关键点的定位方法及终端技术

本发明专利技术实施例公开了一种关键点的定位方法及终端。上述方法包括：采集目标图像时，按照预设配置在目标图像上生成用于人脸识别定位的目标检测区域；将目标检测区域对应的第一目标图像输入预设的第一模型集合，计算出第一人脸关键点的位置和第一置信度；当第一置信度大于等于预设阈值时，获取目标检测区域中的第一人脸关键点的位置对应的第二目标图像；将第二目标图像输入预设的第一模型集合，计算出第二置信度，并根据第二置信度判定第一人脸关键点的位置的准确度；当第二置信度大于等于预设准确度时，确定第一人脸关键点的位置为目标图像的最终人脸关键点的位置。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域中的图像识别定位技术，尤其涉及一种关键点的定位方法及终端。
技术介绍
用户采集目标对象时会进行各种识别，比如以人脸识别为例，计算机人脸识别将根据人脸来辨别未知人物身份的能力赋予了计算机系统，使得计算机系统基于已知的人脸样本库，利用计算机分析和模式识别技术从静态或者动态的场景中，识别或验证一个或多个人脸，该技术已经被广泛的应用于公共安全，身份识别等场合。人脸识别系统包括有人脸检测、人脸关键点定位、识别和跟踪等步骤，而人脸关键点检测以及跟踪是人脸识别中非常重要的一环，也是人脸验证，人脸识别，以及各种3D人脸建模，人脸的美化、疲劳和分神的判断等应用的基础，因此，人脸关键点的检测及跟踪精度至关重要。现有技术中，提出了一种使用多个人脸参数模型的人脸关键点定位方法，具体的，根据人脸的姿态，或者其他一些特征对人脸进行分类，并针对每一个人脸的类别进行学习以通过建模得到一个单独的人脸参数模型，也就是说，对于多个类别就需要设计多个人脸参数模型，最后通过判断人脸类别，选择一个相应的人脸参数模型来确定人脸关键点的坐标。然而，当检测到非人脸区域或人脸关键点定位结果较差时，终端无法自动规避这类错误，这时终端需要引入额外的判定方式进行这类错误的判定，而且在具体处理时，势必占用更多的内存存储空间，导致进行人脸关键点的过程复杂且低效。
技术实现思路
为解决上述技术问题，本专利技术实施例期望提供一种关键点的定位方法及终端，能够在使用较小的内存占用量的前提下，判定人脸关键点的跟踪的准确度，提高人脸关键点的跟踪的处理速度。本专利技术的技术方案是这样实现的：本专利技术实施例提供了一种关键点的定位方法，包括：采集目标图像时，按照预设配置在所述目标图像上生成用于人脸识别定位的目标检测区域；将所述目标检测区域对应的第一目标图像输入预设的第一模型集合，计算出第一人脸关键点的位置和第一置信度；当所述第一置信度大于等于预设阈值时，获取所述目标检测区域中的所述第一人脸关键点的位置对应的第二目标图像；将所述第二目标图像输入所述预设的第一模型集合，计算出第二置信度，并根据所述第二置信度判定所述第一人脸关键点的位置的准确度；当所述第二置信度大于等于预设准确度时，确定所述第一人脸关键点的位置为所述目标图像的最终人脸关键点的位置。本专利技术实施例提供了一种终端，包括：生成单元，用于采集单元采集目标图像时，按照预设配置在所述目标图像上生成用于人脸识别定位的目标检测区域；输出单元，用于将所述目标检测区域对应的第一目标图像输入预设的第一模型集合，计算出第一人脸关键点的位置和第一置信度；获取单元，用于当所述第一置信度大于等于预设阈值时，获取所述目标检测区域中的所述第一人脸关键点的位置对应的第二目标图像；所述输出单元，还用于将所述第二目标图像输入所述预设的第一模型集合，计算出第二置信度，判断单元，用于根据所述第二置信度判定所述第一人脸关键点的位置的准确度；确定单元，用于当所述第二置信度大于等于预设准确度时，确定所述第一人脸关键点的位置为所述目标图像的最终人脸关键点的位置。本专利技术实施例提供了一种关键点的定位方法及终端，通过采集目标图像时，按照预设配置在目标图像上生成用于人脸识别定位的目标检测区域；将目标检测区域对应的第一目标图像输入预设的第一模型集合，计算出第一人脸关键点的位置和第一置信度；当第一置信度大于等于预设阈值时，获取目标检测区域中的第一人脸关键点的位置对应的第二目标图像；将第二目标图像输入预设的第一模型集合，计算出第二置信度，并根据第二置信度判定第一人脸关键点的位置的准确度；当第二置信度大于等于预设准确度时，确定第一人脸关键点的位置为目标图像的最终人脸关键点的位置。采用上述技术实现方案，由于终端在采用预设的第一模型集合进行人脸关键点定位的时候可以同时确定该人脸关键点定位的准确度，在减少了后续重新再进行准确度评判的时间和占用的空间的情况下可以判定人脸关键点的跟踪的准确度，从而提高人脸关键点的跟踪的处理速度。附图说明图1为本专利技术实施例中进行信息交互的各种硬件实体的示意图；图2为本专利技术实施例提供的一种关键点的定位方法的框架示意图；图3为本专利技术实施例提供的人脸关键点的示意图；图4为本专利技术实施例提供的标注目标检测区域的示意图；图5a为本专利技术实施例提供的正常人脸图像的第一目标图像在目标检测区域的示意图；图5b为本专利技术实施例提供的非人脸图像的第一目标图像在目标检测区域的示意图；图5c为本专利技术实施例提供的非正常人脸图像的第一目标图像在目标检测区域的示意图；图6为本专利技术实施例提供的正常人脸图像的第一人脸关键点的位置效果图；图7为本专利技术实施例提供的非正常人脸图像的第一人脸关键点的位置效果图；图8为本专利技术实施例提供的正常人脸图像的第二目标图像在目标检测区域的示意图；图9为本专利技术实施例提供的一种模型的训练过程示意图一；图10为本专利技术实施例提供的一种模型的训练过程示意图二；图11为本专利技术实施例提供的预设的第一模型集合的结构示意图；图12为本专利技术实施例提供的一种终端的结构示意图一；图13为本专利技术实施例提供的一种终端的结构示意图二；图14为本专利技术实施例提供的一种终端的结构示意图三；图15为本专利技术实施例提供的一种终端的结构示意图四。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。终端：指移动电子设备，也被称为行动装置(英语：Mobiledevice)、流动装置、手持装置(handhelddevice)、可穿戴设备等，是一种基于嵌入式芯片的计算设备，通常有一个小的显示萤幕，触控输入，或是小型的键盘。机器学习：依托概率论，统计学，神经传播等理论，使计算机能够模拟人类的学习行为，以获取新的知识或者技能，重新组织已有知识结构使之不断改善自身的性能。模型训练：将人工选择的样本输入给机器学习系统，通过不断调整模型参数，使最终模型对样本识别的准确率达到最优。如图1所示，为本专利技术实施例中进行信息交互的系统架构中的各种硬件实体的示意图，图1中包括：一个或多个服务器41～4n、终端设备21-25及网络31，网络31中包括路由器，网关等等网络实体，图1中并未体现。终端设备21-25通过有线网络或者无线网络与服务器41～4n进行业务产品信息交互，以便从终端21-25获取通过用户行为产生相关数据并传输至服务器41～4n。终端设备的类型如图1所示，包括手机(终端23)、平板电脑或PDA(终端25)、台式机(终端22)、PC机(终端24)、一体机(终端21)等类型。其中，终端设备中安装有各种用户所需的应用功能模块，比如具备娱乐功能的应用(如视频应用，音频播放应用，游戏应用，阅读软件)，又如具备服务功能的应用(如地图导航应用、团购应用、拍摄应用等)，再者比如设置应用等系统功能。基于上述图1所示的系统，以用户所需的应用为拍摄应用为例，在进行人脸识别时，终端设备21-25通过网络31从服务器11～1n中按照需求下载相机应用和/或拍摄应用更新数据包和/或与采集功能应用相关的数据信息或业务信息，采用本专利技术实施例，在终端设备上开启拍摄应用，进行目标对象的采集工作，采集目标图像时，按照预设配置在目标图像上生成用于人脸识别定位的目标检测区域；将目标检测区域对应的第一目标图像输入本文档来自技高网...

【技术保护点】
一种关键点的定位方法，其特征在于，包括：采集目标图像时，按照预设配置在所述目标图像上生成用于人脸识别定位的目标检测区域；将所述目标检测区域对应的第一目标图像输入预设的第一模型集合，计算出第一人脸关键点的位置和第一置信度；当所述第一置信度大于等于预设阈值时，获取所述目标检测区域中的所述第一人脸关键点的位置对应的第二目标图像；将所述第二目标图像输入所述预设的第一模型集合，计算出第二置信度，并根据所述第二置信度判定所述第一人脸关键点的位置的准确度；当所述第二置信度大于等于预设准确度时，确定所述第一人脸关键点的位置为所述目标图像的最终人脸关键点的位置。

【技术特征摘要】
1.一种关键点的定位方法，其特征在于，包括：采集目标图像时，按照预设配置在所述目标图像上生成用于人脸识别定位的目标检测区域；将所述目标检测区域对应的第一目标图像输入预设的第一模型集合，计算出第一人脸关键点的位置和第一置信度；当所述第一置信度大于等于预设阈值时，获取所述目标检测区域中的所述第一人脸关键点的位置对应的第二目标图像；将所述第二目标图像输入所述预设的第一模型集合，计算出第二置信度，并根据所述第二置信度判定所述第一人脸关键点的位置的准确度；当所述第二置信度大于等于预设准确度时，确定所述第一人脸关键点的位置为所述目标图像的最终人脸关键点的位置。2.根据权利要求1所述的方法，其特征在于，所述预设的第一模型集合包括：公共分支、关键点定位分支和置信度分支，所述关键点定位分支和置信度分支分别与所述公共分支级联，所述公共分支的输入为所述第一模型集合的输入分支，所述关键点定位分支和所述置信度分支为所述第一模型集合的两个输出分支，所述公共分支为所述预设的第一模型集合建立过程中的图像特征的数据模型。3.根据权利要求2所述的方法，其特征在于，所述预设的第一模型集合的建立方法，包括：获取人脸关键点定位的第一训练数据，所述第一训练数据包括人脸图像与预标定关键点坐标的对应关系；根据所述第一训练数据，进行所述公共分支和所述关键点定位分支的模型参数的训练，训练出所述公共分支的模型和所述关键点定位分支的模型；获取置信度的第二训练数据，所述第二训练数据为目标图像的分类集合；根据所述第二训练数据，进行所述置信度分支的模型参数的训练，训练出所述置信度分支的模型；将训练好的所述关键点定位分支的模型、所述置信度分支的模型分别与所述公共分支的模型进行级联，成为所述预设的第一模型的集合。4.根据权利要求3所述的方法，其特征在于，所述将所述目标检测区域对应的第一目标图像输入预设的第一模型集合，计算出第一人脸关键点的位置和第一置信度，包括：将所述第一目标图像输入所述公共分支的模型，提取出第一图像特征；将所述第一图像特征输入所述关键点定位分支的模型，计算出所述第一人脸关键点的位置；将所述第一图像特征输入所述关置信度分支的模型，计算出所述第一置信度。5.根据权利要求3所述的方法，其特征在于，所述将所述第二目标图像输入所述预设的第一模型集合，计算出第二置信度，包括：将所述第二目标图像输入所述公共分支的模型，提取出第二图像特征；将所述第二图像特征输入所述关置信度分支的模型，计算出所述第二置信度。6.根据权利要求3所述的方法，其特征在于，所述训练出所述关键点定位分支的模型和所述置信度分支的模型之前，所述方法还包括：将所述关键点定位分支的模型和所述置信度分支的模型分别根据预设策略进行误差修正，确定出修正后的所述关键点定位分支的模型和所述置信度分支的模型，以进行人脸关键点定位和置信度的确定。7.根据权利要求1所述的方法，其特征在于，所述计算出第一人脸关键点的位置和第一置信度之后，所述方法还包括：当所述第一置信度小于预设阈值时，确定所述第一人脸关键点的位置定位失败，结束此次人脸关键点的定位。8.一种终端，其特征在于，包括：生成单...

【专利技术属性】
技术研发人员：汪铖杰，李季檩，赵艳丹，倪辉，王亚彪，赵凌，
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