【CN109902641A】基于语义对齐的人脸关键点检测方法、系统、装置【专利】

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201910168643.X

(22)申请日 2019.03.06

(71)申请人 中国科学院自动化研究所

地址 100190 北京市海淀区中关村东路95

号

(72)发明人 朱翔昱　雷震　王金桥　刘智威　

(74)专利代理机构 北京市恒有知识产权代理事

务所(普通合伙) 11576

代理人 郭文浩　尹文会

(51)Int.Cl.

G06K 9/00(2006.01)

G06K 9/62(2006.01)

(54)发明名称

基于语义对齐的人脸关键点检测方法、系

统、装置

(57)摘要

本发明属于人脸识别领域，具体涉及一种基

于语义对齐的人脸关键点检测方法、系统、装置，

旨在为了提高人脸关键点检测的准确度，本发明

方法在传统方法获取基本收敛的人脸关键点检

测网络后，采用所构建的包含包括标注有关键点

的人脸图像样本、各关键点位置为中心的标准高

斯的响应图的训练样本，使用含有隐变量的概率

模型作为极大似然估计的目标再进行人脸关键

点检测网络的优化；通过最终优化的人脸关键点

检测网络进行人脸关键点坐标的预测。本发明在

网络训练过程中有效地克服了标注随机性带来

的训练震荡问题，提高人脸关键点检测的准确

度。权利要求书2页 说明书7页 附图1页CN 109902641 A 2019.06.18

C N 109902641

A

1.一种基于语义对齐的人脸关键点检测网络训练方法，其特征在于，该方法包括：步骤S10，基于人脸关键点检测网络，获取待检测人脸图像的每个关键点的响应图；步骤S20，对于获取的每个关键点的响应图，选取响应峰值的坐标作为该关键点的预测坐标；

其中，所述人脸关键点检测网络基于卷积神经网络构建，并使用含有隐变量的概率模型作为极大似然估计的目标进行网络优化，用于输出人脸图像中关键点的响应图。

2.根据权利要求1所述的基于语义对齐的人脸关键点检测方法，其特征在于，所述人脸关键点检测网络，其训练样本包括标注有关键点的人脸图像样本、各关键点位置为中心的标准高斯的响应图。

3.根据权利要求2所述的基于语义对齐的人脸关键点检测方法，其特征在于，所述人脸关键点检测网络，

其优化过程中所采用的目标函数为

其中，x为输入人脸图像；为k个关键点的坐标集合；为网络预测的x中第k个关键点语义一致的真实位置；K为关键点的数量；W为网络权重；o k 代表中x第k个标注关键点；σ1、σ2分别为预设的第一权重、第二权重；代表网络预测的响应图与标准高斯响应图之间的分布距离；N(o k )为以o k 为中心的邻域。

4.根据权利要求3所述的基于语义对齐的人脸关键点检测方法，其特征在于，所述人脸关键点检测网络的迭代优化过程中，第t轮迭代过程中固定网络权重W，通过下式计算真实

位置

其中，o t k 的值为上一轮迭代时优化得到的真实位置然后再基于真实位置

通过下式获取优化的网络权重W，

5.根据权利要求3所述的基于语义对齐的人脸关键点检测方法，其特征在于，所述人脸关键点检测网络的迭代优化过程的结束条件为：

目标函数达到预设的收敛条件，或者迭代次数达到预设的次数。

权　利　要　求　书1/2页2CN 109902641 A