【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种人脸关键点检测方法、装置、电子设备及存储介质。
技术介绍
1、随着社会的发展，人们对美的追求也越来越高，拥有一张光滑细腻的脸庞已经成为许多人梦寐以求的目标。为了达成这个目标，人们投入大量的精力和财力去护肤，护肤不仅涉及到外表美观，还与身体健康密切相关。每个人的肤质、环境和生活方式都不同，对护肤的需要也有所区别，所以精准护肤是非常重要的，皮肤精准检测是精准护肤的前提。对于皮肤分析来说，人脸关键点检测的准确性非常重要，通过面部特征定位技术可以进一步在脸部区域中找到眼睛、鼻子、嘴巴等关键点的位置。这些关键点的位置信息可以用于校正图像的角度或缩放比例，使得皮肤区域更加清晰地显示出来，以便于后续的皮肤分析。
2、目前，深度学习方法在人脸关键点定位的表现最为突出，主要分为两类：基于坐标回归和基于热图的回归，基于热图的回归克服了基于坐标回归缺乏空间和上下文信息的缺点，彻底改变了人脸对齐的任务。但在图像大小调整和网络降采样中，由于忽略亚像素坐标，存在量化误差，在图像分辨率较大时，量化误差会更高。因此，如何精准对人脸关键点进行检测成为有待解决的问题。
技术实现思路
1、本专利技术提供了一种人脸关键点检测方法、装置、电子设备及存储介质，以解决人脸关键点检测准确性较低的问题。
2、根据本专利技术的一方面，提供了一种人脸关键点检测方法，包括：
3、获取原始人脸图像，对所述原始人脸图像进行缩放，得到目标人脸图像；
4、将所述
5、对所述多级特征进行编码生成编码特征，对所述编码特征进行合并生成粗粒度热力图，对所述多级特征进行细粒度特征提取，得到细粒度热力图；
6、基于所述粗粒度热力图和所述细粒度热力图确定至少一个人脸关键点坐标；
7、将各所述人脸关键点坐标进行缩放还原，确定人脸关键点在所述原始人脸图像中的目标人脸关键点坐标。
8、根据本专利技术的另一方面，提供了一种人脸关键点检测装置，包括：
9、人脸图像获取模块，用于获取原始人脸图像，对所述原始人脸图像进行缩放，得到目标人脸图像；
10、多级特征提取模块，用于将所述目标人脸图像输入到主干网络中进行特征提取，得到多级特征；
11、热力图生成模块，用于对所述多级特征进行编码生成编码特征，对所述编码特征进行合并生成粗粒度热力图，对所述多级特征进行细粒度特征提取，得到细粒度热力图；
12、关键点检测模块，用于基于所述粗粒度热力图和所述细粒度热力图确定至少一个人脸关键点坐标；
13、目标坐标确定模块，用于将各所述人脸关键点坐标进行缩放还原，确定人脸关键点在所述原始人脸图像中的目标人脸关键点坐标。
14、根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
15、至少一个处理器，以及与所述至少一个处理器通信连接的存储器；
16、其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的人脸关键点检测方法。
17、根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的人脸关键点检测方法。
18、本专利技术实施例的技术方案，通过获取原始人脸图像，对所述原始人脸图像进行缩放，得到目标人脸图像；将所述目标人脸图像输入到主干网络中进行特征提取，得到多级特征；对所述多级特征进行编码生成编码特征，对所述编码特征进行合并生成粗粒度热力图，对所述多级特征进行细粒度特征提取，得到细粒度热力图；基于所述粗粒度热力图和所述细粒度热力图确定至少一个人脸关键点坐标；将各所述人脸关键点坐标进行缩放还原，确定人脸关键点在所述原始人脸图像中的目标人脸关键点坐标，解决了人脸关键点检测准确性较低的问题，通过采集原始人脸图像，对原始人脸图像进行尺寸缩放，得到目标人脸图像；通过主干网络对目标人脸图像进行特征提取，得到多级特征，通过对多级特征进行编码生成编码特征并通过对编码特征进行特征合并生成粗粒度热力图，实现人脸关键点的粗略定位，通过对多级特征进行细粒度特征提取，得到细粒度热力图，对亚像素坐标进行表示，结合粗粒度热力图和细粒度热力图进行人脸关键点识别，实现对人脸关键点的准确识别；最后将各人脸关键点坐标进行缩放还原，确定原始人脸图像中的目标人脸关键点坐标，实现对人脸关键点的精度定位，提高人脸关键点的识别准确性。
19、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种人脸关键点检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述主干网络包括：预处理模块和三个沙漏网络，所述预处理模块和各所述沙漏网络顺次连接；所述多级特征包括：第一多尺度特征数据、第二多尺度特征数据和第三多尺度特征；
3.根据权利要求2所述的方法，其特征在于，所述预处理模块包括：卷积块、第一个残差模块、最大池化层、第二个残差模块和第三个残差模块；
4.根据权利要求2所述的方法，其特征在于，所述对所述多级特征进行编码生成编码特征，对所述编码特征进行合并生成粗粒度热力图，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述多级特征进行细粒度特征提取，得到细粒度热力图，包括：
6.根据权利要求5所述的方法，其特征在于，所述下采样模块处理数据的过程为：数据输入到顺次连接的两个卷积块中得到第三卷积特征，将数据输入到一个卷积块中得到第四卷积特征，对所述第三卷积特征进行卷积处理，得到卷积结果，将所述卷积结果和所述第四卷积特征进行跳跃链接，通过卷积对跳跃链接结果进行下采样，得到所述下采样模块的输出
7.根据权利要求1所述的方法，其特征在于，所述主干网络、特征编码模块和特征解码模块的参数在模型训练时通过分类损失函数调整，所述分类损失函数基于对关键点标签相邻的像素的概率进行软化确定，所述像素的概率为像素的置信度。
8.根据权利要求1所述的方法，其特征在于，所述基于所述粗粒度热力图和所述细粒度热力图确定至少一个人脸关键点坐标，包括：
9.一种人脸关键点检测装置，其特征在于，包括：
10.一种电子设备，其特征在于，所述电子设备包括：
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的人脸关键点检测方法。
...【技术特征摘要】
1.一种人脸关键点检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述主干网络包括：预处理模块和三个沙漏网络，所述预处理模块和各所述沙漏网络顺次连接；所述多级特征包括：第一多尺度特征数据、第二多尺度特征数据和第三多尺度特征；
3.根据权利要求2所述的方法，其特征在于，所述预处理模块包括：卷积块、第一个残差模块、最大池化层、第二个残差模块和第三个残差模块；
4.根据权利要求2所述的方法，其特征在于，所述对所述多级特征进行编码生成编码特征，对所述编码特征进行合并生成粗粒度热力图，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述多级特征进行细粒度特征提取，得到细粒度热力图，包括：
6.根据权利要求5所述的方法，其特征在于，所述下采样模块处理数据的过程为：数据输入到顺次连接的两个卷积块中得到第三卷积特征，将数据输入到一个卷积块中得到第...
【专利技术属性】
技术研发人员：王念欧，郦轲，刘文华，万进，
申请(专利权)人：深圳市宗匠科技有限公司，
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。