本发明专利技术涉及人工智能领域，揭露一种人脸提取方法，包括：从人脸视频中的图像帧提取出二维人脸关键点信息及三维人脸关键点信息，根据所述二维人脸关键点信息及所述三维人脸关键点信息，计算人脸姿态角度，判断所述人脸姿态角度是否符合预设条件，在所述人脸姿态角度符合所述预设条件时，提取所述图像帧中的人脸图像区域，根据预设的清晰人脸分类器，判断所述人脸图像区域中的人脸图像是否清晰，当所述人脸图像区域中的人脸图像清晰时，输出所述人脸图像区域。本发明专利技术还提出一种人脸提取装置、设备以及存储介质。本发明专利技术可以提高人脸抽取过程中抽取出清晰的、端正的人脸的概率。端正的人脸的概率。端正的人脸的概率。
【技术实现步骤摘要】
人脸提取方法、装置、电子设备及可读存储介质
[0001]本专利技术涉及人工智能领域，尤其涉及一种人脸提取方法、装置、电子设备及可读存储介质。
技术介绍
[0002]随着移动互联网的发展，人脸验证场景被应用在越来越多的领域，在人脸验证中，必不可少的一个环节就是从摄像头采集的人脸视频流中抽取一张人脸进行验证。目前常见的从人脸视频流中抽取人脸的方法无法检测人脸图像是否端正、清晰，因此无法保证提取出来的人脸图像能够有效地用于人脸识别。
技术实现思路
[0003]本专利技术提供一种人脸提取方法、装置、电子设备及计算机可读存储介质，其目的在于提高人脸抽取过程中抽取出清晰的、端正的人脸的概率。
[0004]为实现上述目的，本专利技术提供的一种人脸提取方法，包括：
[0005]获取人脸视频，并从所述人脸视频中提取其中任意一个图像帧，从所述图像帧中提取二维人脸关键点信息及三维人脸关键点信息；
[0006]根据所述二维人脸关键点信息及所述三维人脸关键点信息，计算人脸姿态角度；
[0007]判断所述人脸姿态角度是否符合预设条件；
[0008]若所述人脸姿态角度不符合所述预设条件，则对所述图像帧进行仿射变换，并根据仿射变换后的所述图像帧重新计算人脸姿态角度，直到重新计算之后的人脸姿态角度符合所述预设条件；
[0009]在所述人脸姿态角度符合所述预设条件时，提取所述图像帧中的人脸图像区域；
[0010]利用预设的清晰人脸分类器，判断所述人脸图像区域中的人脸图像是否清晰；<br/>[0011]若所述人脸图像区域中的人脸图像不清晰，则返回上述从人脸视频中获取其中一个图像帧的步骤；
[0012]若所述人脸图像区域中的人脸图像清晰，则输出所述人脸图像区域。
[0013]可选地，所利用预设的清晰人脸分类器，判断所述人脸图像区域中的人脸图像是否清晰，包括：
[0014]对所述人脸图像进行预设次数的卷积池化处理，得到一次降维人脸图像集；
[0015]对所述一次降维人脸图像集进行降维处理，得到二次降维人脸图像集；
[0016]利用激活函数对所述拼接人脸图像进行激活分类操作，得到所述人脸图像是否清晰的分类结果。
[0017]可选地，所述对所述人脸图像进行预设次数的卷积池化处理，得到一次降维人脸图像集，包括：
[0018]利用预设的卷积核，对所述人脸图像的像素矩阵进行计算，得到特征图矩阵集；
[0019]对所述特征图矩阵集中的特征图矩阵进行平均区域划分，并取区域内所有像素值
之和的平均值代替所述区域内的像素值，得到一次降维人脸图像集。
[0020]可选地，所述从所述图像帧中提取二维人脸关键点信息及三维人脸关键点信息，包括：
[0021]利用预先训练好的人脸识别模型识别所述图像帧中的人脸图像；
[0022]利用预设的关键点预测器在二维坐标系中对所述人脸图像进行关键点标定，得到第一预设数量的关键点坐标；
[0023]根据所述第一预设数量的关键点坐标，利用画圆函数在所述图像帧中绘制所述第一预设数量的关键点，并利用输出字符串函数对所述第一预设数量的关键点进行标注，得到二维人脸关键点信息；
[0024]根据所述二维人脸关键点信息，利用人脸对齐算法在三维坐标系中从所述图像帧中提取第二预设数量的人脸关键点，得到三维人脸关键点信息。
[0025]可选地，所述根据所述二维人脸关键点信息及所述三维人脸关键点信息，计算人脸姿态角度，包括：
[0026]利用如下人脸姿态角度计算公式计算所述人脸图像的人脸姿态角度：
[0027]θ＝F2(dlib N)*α+F3(DAN M)*β
[0028]其中，θ表示人脸姿态角度，dlib N表示N个二维人脸关键点的坐标值的集合，F2表示二维角度计算函数，DAN M表示M个三维人脸关键点的坐标值的集合，F3表示三维角度计算函数，α及β为权重系数。
[0029]可选地，所述对所述图像帧进行仿射变换，直到人脸姿态角度符合所述预设条件，包括：
[0030]将所述图像帧映射到预构建的平面坐标系中，并获取所述图像帧中每一个像素点的平面坐标(x，y)；
[0031]利用如下仿射变换公式计算仿射变换之后的图像帧中每一个像素点的平面坐标(x
′
，y
′
)：
[0032][0033]其中，a、b、c、d表示为约束条件；
[0034]根据所述变换之后的平面坐标更新所述人脸姿态角度；
[0035]判断所述人脸姿态角度是否符合所述预设条件；
[0036]当所述人脸姿态角度不符合所述预设条件，返回上述的将所述图像帧映射到预构建的平面坐标系中的步骤，直到所述人脸姿态角度符合所述预设条件。
[0037]可选地，所述提取所述图像帧中的人脸图像区域，包括：
[0038]利用预先训练好的人脸图像检测模型对所述图像帧进行检测，得到所述图像帧中包含的人脸图像的区域；
[0039]利用图像框框选所述图像帧中包含的人脸图像的区域；
[0040]根据所述图像框对所述图像帧进行裁剪，得到人脸图像区域。
[0041]为了解决上述问题，本专利技术还提供一种人脸提取装置，所述装置包括：
[0042]关键点提取模块，用于获取人脸视频，并从所述人脸视频中提取其中任意一个图像帧，从所述图像帧中提取二维人脸关键点信息及三维人脸关键点信息；
[0043]人脸姿态计算模块，用于根据所述二维人脸关键点信息及所述三维人脸关键点信息，计算人脸姿态角度，判断所述人脸姿态角度是否符合预设条件，若所述人脸姿态角度不符合所述预设条件，则对所述图像帧进行仿射变换，并根据仿射变换后的所述图像帧重新计算人脸姿态角度，直到重新计算之后的人脸姿态角度符合所述预设条件；
[0044]清晰人脸提取模块，用于在所述人脸姿态角度符合所述预设条件时，提取所述图像帧中的人脸图像区域，利用预设的清晰人脸分类器，判断所述人脸图像区域中的人脸图像是否清晰，若所述人脸图像区域中的人脸图像不清晰，则返回上述从人脸视频中获取其中一个图像帧的步骤，若所述人脸图像区域中的人脸图像清晰，则输出所述人脸图像区域。
[0045]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0046]存储器，存储至少一个计算机程序；及
[0047]处理器，执行所述存储器中存储的计算机程序以实现上述所述的人脸提取方法。
[0048]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的人脸提取方法。
[0049]本专利技术实施例首先通过获取图像帧中人脸的二维人脸关键点信息及三维人脸关键点信息，确定所述人脸在三维空间内的端正程度，进一步地，根据所述二维人脸关键点信息及所述三维人脸关键点信息，对所述人脸的角度进行本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人脸提取方法，其特征在于，所述方法包括：获取人脸视频，并从所述人脸视频中提取其中任意一个图像帧，从所述图像帧中提取二维人脸关键点信息及三维人脸关键点信息；根据所述二维人脸关键点信息及所述三维人脸关键点信息，计算人脸姿态角度；判断所述人脸姿态角度是否符合预设条件；若所述人脸姿态角度不符合所述预设条件，则对所述图像帧进行仿射变换，并根据仿射变换后的所述图像帧重新计算人脸姿态角度，直到重新计算之后的人脸姿态角度符合所述预设条件；在所述人脸姿态角度符合所述预设条件时，提取所述图像帧中的人脸图像区域；利用预设的清晰人脸分类器，判断所述人脸图像区域中的人脸图像是否清晰；若所述人脸图像区域中的人脸图像不清晰，则返回上述从所述人脸视频中提取其中任意一个图像帧的步骤；若所述人脸图像区域中的人脸图像清晰，则输出所述人脸图像区域。2.如权利要求1所述的人脸提取方法，其特征在于，所述利用预设的清晰人脸分类器，判断所述人脸图像区域中的人脸图像是否清晰，包括：对所述人脸图像进行预设次数的卷积池化处理，得到一次降维人脸图像集；对所述一次降维人脸图像集进行降维处理，得到二次降维人脸图像集；利用激活函数对所述二次降维人脸图像集进行激活分类操作，得到所述人脸图像是否清晰的分类结果。3.如权利要求2所述的人脸提取方法，其特征在于，所述对所述人脸图像进行预设次数的卷积池化处理，得到一次降维人脸图像集，包括：利用预设的卷积核，对所述人脸图像的像素矩阵进行计算，得到特征图矩阵集；对所述特征图矩阵集中的特征图矩阵进行平均区域划分，并取区域内所有像素值之和的平均值代替所述区域内的像素值，得到一次降维人脸图像集。4.如权利要求1所述的人脸提取方法，其特征在于，所述从所述图像帧中提取二维人脸关键点信息及三维人脸关键点信息，包括：利用预先训练好的人脸识别模型识别所述图像帧中的人脸图像；利用预设的关键点预测器在二维坐标系中对所述人脸图像进行关键点标定，得到第一预设数量的关键点坐标；根据所述第一预设数量的关键点坐标，利用画圆函数在所述图像帧中绘制所述第一预设数量的关键点，并利用输出字符串函数对所述第一预设数量的关键点进行标注，得到二维人脸关键点信息；根据所述二维人脸关键点信息，利用人脸对齐算法在三维坐标系中从所述图像帧中提取第二预设数量的人脸关键点，得到三维人脸关键点信息。5.如权利要求4所述的人脸提取方法，其特征在于，所述根据所述二维人脸关键点信息及所述三维人脸关键点信息，计算人脸姿态角度，包括：利用如下人脸姿态角度计算公式计算所述人脸图像的人脸姿态角度：θ＝F2(dlib N)*α+F3(DAN M)*B其中，θ表示人脸姿态角度，dlib N表示N个二维人脸关键点的坐...
【专利技术属性】
技术研发人员：周军，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。