中的异常像素 点对应的拟合向量的元素，以获取第N+1修正后的人脸图像。
[0047]根据本公开实施例的第三方面，提供一种人脸关键点定位处理装置，包括：
[0048]存储器；
[0049] 用于存储处理器可执行指令的存储器；
[0050] 其中，所述处理器被配置为：
[0051] 采集待处理的人脸图像，并获取所述待处理的人脸图像中各个像素点对应的待拟 合向量；
[0052] 查询本地保存的人脸图像样本集对应的样本矩阵，对所述待处理的人脸图像进行 剔除异常像素点处理，直至获取不存在异常像素点的人脸图像；
[0053] 查询所述人脸图像样本集对应的样本矩阵，对不存在异常像素点的人脸图像进行 人脸关键点定位处理。
[0054]本公开的实施例提供的技术方案可以包括以下有益效果：
[0055] 通过采集待处理的人脸图像，并获取待处理的人脸图像中各个像素点对应的待拟 合向量;查询本地保存的人脸图像样本集对应的样本矩阵，对待处理的人脸图像进行剔除 异常像素点处理，直至获取不存在异常像素点的人脸图像;查询人脸图像样本集对应的样 本矩阵，对不存在异常像素点的人脸图像进行人脸关键点定位处理，这样，通过查询人脸图 像样本集对应的样本矩阵，对不存在异常像素点的人脸图像进行人脸关键点定位处理，提 尚了人脸图像中关键点的定位精度。
[0056] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不 能限制本公开。
【附图说明】
[0057]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施 例，并与说明书一起用于解释本发明的原理。
[0058]图1是根据一示例性实施例示出的一种人脸关键点定位处理方法的流程图；
[0059] 图2是根据另一示例性实施例示出的一种人脸关键点定位处理方法的流程图；
[0060] 图3是根据又一示例性实施例示出的一种人脸关键点定位处理方法的流程图；
[0061 ]图4是根据再一示例性实施例示出的一种人脸关键点定位处理方法的流程图；
[0062] 图5是根据再一示例性实施例示出的一种人脸关键点定位处理方法的流程图；
[0063] 图6是根据一示例性实施例示出的一种人脸关键点定位处理装置的框图；
[0064] 图7是根据另一示例性实施例示出的一种人脸关键点定位处理装置的框图；
[0065] 图8是根据又一示例性实施例示出的一种人脸关键点定位处理装置的框图；
[0066] 图9是根据再一示例性实施例示出的一种人脸关键点定位处理装置的框图；
[0067] 图10是根据再一示例性实施例示出的一种人脸关键点定位处理装置的框图；
[0068] 图11是根据再一示例性实施例示出的一种人脸关键点定位处理装置的框图；
[0069] 图12是根据一示例性实施例示出的一种用于人脸关键点定位处理的装置。
【具体实施方式】
[0070] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及 附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例 中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附 权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
[0071] 图1是根据一示例性实施例示出的一种人脸关键点定位处理方法的流程图，如图1 所示，该人脸关键点定位处理方法包括以下步骤。
[0072] 在步骤101中，采集待处理的人脸图像，并获取待处理的人脸图像中各个像素点对 应的待拟合向量。
[0073] 在本实施例中，待处理的人脸图像中各个像素点与拟合向量中的元素一一对应。
[0074] 在步骤102中，查询本地保存的人脸图像样本集对应的样本矩阵，对待处理的人脸 图像进行剔除异常像素点处理，直至获取不存在异常像素点的人脸图像。
[0075] 在步骤103中，查询人脸图像样本集对应的样本矩阵，对不存在异常像素点的人脸 图像进行人脸关键点定位处理。
[0076]在本实施例中，通过采集待处理的人脸图像，并获取待处理的人脸图像中各个像 素点对应的待拟合向量;查询本地保存的人脸图像样本集对应的样本矩阵，对待处理的人 脸图像进行剔除异常像素点处理，直至获取不存在异常像素点的人脸图像;查询人脸图像 样本集对应的样本矩阵，对不存在异常像素点的人脸图像进行人脸关键点定位处理，这样， 通过查询人脸图像样本集对应的样本矩阵，对不存在异常像素点的人脸图像进行人脸关键 点定位处理，提高了人脸图像中关键点的定位精度。
[0077]图2是根据另一示例性实施例示出的一种人脸关键点定位处理方法的流程图，如 图2所示，在上述图1实施例的基础上，在步骤102中，查询本地保存的人脸图像样本集对应 的样本矩阵，对待处理的人脸图像进行剔除异常像素点处理，直至获取不存在异常像素点 的人脸图像具体包括如下步骤。
[0078] 在步骤201中，根据待拟合向量，查询人脸图像样本集对应的样本矩阵，获取待处 理的人脸图像对应的第一待修正的人脸图像。
[0079] 在本实施例中，通过查询人脸图像样本集对应的样本矩阵，采用第一待修正的人 脸图像拟合待处理的人脸图像。
[0080] 在步骤202中，将第一待修正的人脸图像中的各个像素点分别与待处理的人脸图 像中的各个像素点进行比较，若获取到待处理的人脸图像中存在异常像素点，则去除待处 理的人脸图像中的异常像素点对应的拟合向量的元素，以获取第一修正后的人脸图像。
[0081] 在步骤203中，根据第N修正后的人脸图像中各个像素点对应的待拟合向量，查询 人脸图像样本集对应的样本矩阵，获取与第N修正后的人脸图像对应的第N+1待修正的人脸 图像，并将第N+1待修正的人脸图像的各个像素点分别与待处理的人脸图像中的各个像素 点进行比较，若获取到待处理的人脸图像中存在异常像素点，则去除第N修正后的人脸图像 中的异常像素点对应的拟合向量的元素，以获取第N+1修正后的人脸图像，并将N加1重复执 行剔除异常像素点处理，直至获取不存在异常像素点的人脸图像。
[0082] 其中，N为正整数，且初始时N等于2。
[0083] 在本实施例中，通过根据待拟合向量，查询人脸图像样本集对应的样本矩阵，获取 待处理的人脸图像对应的第一待修正的人脸图像，将第一待修正的人脸图像中的各个像素 点分别与待处理的人脸图像中的各个像素点进行比较，若获取到待处理的人脸图像中存在 异常像素点，则去除待处理的人脸图像中的异常像素点对应的拟合向量的元素，以获取第 一修正后的人脸图像，根据第N修正后的人脸图像中各个像素点对应的待拟合向量，查询人 脸图像样本集对应的样本矩阵，获取与第N修正后的人脸图像对应的第N+1待修正的人脸图 像，并将第N+1待修正的人脸图像的各个像素点分别与待处理的人脸图像中的各个像素点 进行比较，若获取到待处理的人脸图像中存在异常像素点，则去除第N修正后的人脸图像中 的异常像素点对应的拟合向量的元素，以获取第N+1修正后的人脸图像，并将N加1重复执行 剔除异常像素点处理，直至获取不存在异常像素点的人脸图像，这样，可以快速获取不存在 异常像素点的人脸图像。
[0084] 图3是根据又一示例性实施例示出的一种人脸关键点定位处理方法的流程图，如 图3所示，在上述图1实施例的基础上，该人脸关键点定位处理方法还包括以下步骤。
[0085] 在步骤301中，从数据库中获取人脸图像样本集，并获取与人脸图像样本集对应的 初始样本矩阵X。
[0086] 在步骤302中，对初始样本矩阵X进行低秩和稀疏的分解处理，获得低秩矩阵Ak和 稀疏矩阵Ek;其中，X = Ak+Ek，k为正整数。
[0087]在步骤303中，采用公式（1)
[0088] A = arg min f(A) (1)
[0089] 获取样本矩阵A并保存至本地。
[0090] 其中，f(Ak)=rank(Ak)+X| |Ek| |o，rank(Ak)表示低秩矩阵Ak的秩，λ表示权重系数， I |Ek| |〇表示稀疏矩阵Ek的零范数。
[0091]在本实施例中，从数据库中获取人脸图像样本集，并获取与人脸图像样本集对应 的初始样本矩阵X，对初始样本矩阵X进行低秩和稀疏的分解处理，获得低秩矩阵Ak和稀疏 矩阵Ek，并通过公式（1)获取样本矩阵A并保存至本地，从而可以去除初始样本矩阵中的噪 声，提高了样本矩阵的精度。
[0092] 图4是根据再一示例性实施例示出的一种人脸关键点定位处理方法的流程图，如 图4所示，在图2实施例的基础上，在步骤203中根据第N修正后的人脸图像中各个像素点对 应的待拟合向量，查询人脸图像样本集对应的样本矩阵，获取与第N修正后的人脸图像对应 的第N+1待修正的人脸图像，包括：
[0093] 在步骤401中，对样本矩阵进行主成分分析训练以获取均值向量和特征向量组。
[0094] 在本实施例中，均值向量表示人脸图像样本集的平均人脸，特征向量组表示人脸 图像样本集的特征人脸。
[0095]在步骤402中，采用公式(2)
[0096] (aiN,a2N, . . . ,akN) =arg min E(aiN,a2N, . . . ,akN) (2)
[0097] 计算获取并保存第N修正后的人脸图像中各个像素点对应的待拟合向量的拟合系 数(aiN，a2N, · · ·，akN)。
[0098] 其中
表示第N修正后的人脸 图像中像素点的个数，XlN表示第N修正后的人脸图像中的第i个像素，讲表示均值向量的第i 个像素，ey表示第j个特征向量的第i个像素，a/表示第N修正后的人脸图像中各个像素点 对应的待拟合向量的第j个特征向量的系数，k表示特征向量组中向量的个数。
[0099]在步骤403中，采用公式(3)
[0100]
(3)
[0101]计算获取并保存第N+1待修正的人脸图像/。
[0102]其中，μ表示均值向量，a/表示第N修正后的人脸图像中各个像素点对应的待拟合 向量的第j个特征向量的系数，k表示特征向量组中向量的个数，ej表示第j个特征向量。
[0103] 在本实施例中，通过对样本矩阵进行主成分分析训练以获取均值向量和特征向量 组，采用公式(2)计算获取并保存第N修正后的人脸图像中各个像素点对应的待拟合向量的 拟合系数，并通过采用公式(3)计算获取并保存第N+1待修正的人脸图像，提高了第N+1待修 正的人脸图像的获取效率。
[0104] 图5是根据再一示