申请/专利权人：广州敏视数码科技有限公司

申请日：2021-07-14

公开（公告）日：2024-04-12

公开（公告）号：CN113610115B

主分类号：G06V10/774

分类号：G06V10/774;G06V40/16;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.11.23#实质审查的生效;2021.11.05#公开

摘要：本发明公开了一种基于灰度图像的高效人脸对齐方法，包括获取包含人脸图片组成的图片集和当前需要对齐的人脸区域灰度图像，将包含人脸图片组成的图片集输入至深度神经网络学习框架，依据整张人脸的热力图和人脸边缘热力图、整张人脸的特征点热力图进行监督回归训练输出人脸对齐模型，将当前需要对齐的人脸区域灰度图像输入至人脸对齐模型计算出人脸各特征点的热力图，遍历当前人脸各特征点的热力图，并计算各特征点的坐标，根据各特征点的坐标以实现人脸对齐。本发明所述的基于灰度图像的高效人脸对齐方法通过局部到细节逐渐回归的策略，训练中除了特征点热力图监督，还有人脸边缘监督，能够提高模型的回归精度。

主权项：1.一种基于灰度图像的高效人脸对齐方法，其特征在于，包括以下步骤：S1、获取包含人脸图片组成的图片集和当前需要对齐的人脸区域灰度图像；S2、将包含人脸图片组成的图片集输入至深度神经网络学习框架，依据整张人脸的热力图和人脸边缘热力图、整张人脸的特征点热力图进行监督回归训练输出人脸对齐模型；S3、将当前需要对齐的人脸区域灰度图像输入至人脸对齐模型计算出人脸各特征点的热力图；S4、遍历当前人脸各特征点的热力图，并计算各特征点的坐标，根据各特征点的坐标以实现人脸对齐;所述人脸对齐模型由卷积模块、MobileNetV2模块以及MobileNetV2漏斗模块组成;所述人脸对齐模型以粗略到精细的方式逐渐回归得到人脸特征点热力图；模型结构分为三部分，第一人脸边缘热力图回归模块、第二人脸边缘热力图回归模块和人脸特征点热力图回归模块；第一人脸边缘热力图回归模块与第二人脸边缘热力图回归模块逐渐回归人脸边缘热力图以及整张人脸热力图，人脸特征点热力图回归模块在前两部分计算基础上回归人脸特征点热力图;步骤S3包括以下步骤：S3-1、将当前需要对齐的人脸区域灰度图像输入至卷积模块、MobileNetV2模块获取图像宽度和图像高度为原来14的三维矩阵数据；S3-2、将三维矩阵数据输入由至MobileNetV2漏斗模块、卷积模块、MobileNetV2模块组成的第一人脸边缘热力图回归模块进行计算，获取两个的三维矩阵数据；S3-3、将三维矩阵数据和两个的三维矩阵数据进行元素相加融合，然后输入由MobileNetV2漏斗模块、卷积模块、MobileNetV2模块组成的第二人脸边缘热力图回归模块进行计算，同样获取两个三维矩阵数据；S3-4、再次将三维矩阵数据和三维矩阵数据进行元素相加融合，然后输入由MobileNetV2漏斗模块、卷积模块、MobileNetV2模块组成人脸特征点热力图回归模块进行计算，获取特征点个数与通道数相等的人脸各特征点的热力图。

全文数据：

权利要求：

百度查询： 广州敏视数码科技有限公司 一种基于灰度图像的高效人脸对齐方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD