基于神经网络的人脸姿态角度检测方法及系统与流程

本发明涉及人脸姿态角度检测领域，尤其涉及基于神经网络的人脸姿态角度检测方法及系统。

背景技术：

目前的对于人脸姿态角度检测包括以下两种：1.基于人脸关键点点与点之间的距离比例进行角度的映射。2.通过计算人脸3d点云与标准人脸3d点云的一个角度映射关系求得人脸姿态角度。上述两种方法存在以下问题：方法1：准确率不高并且无法做到大角度的角度估计，对于不同人脸脸型波动比较大；方法2：检测非常耗时，检测过程需要大量时间。

技术实现要素：

为了克服现有技术的不足，本发明的目的之一在于提供基于神经网络的人脸姿态角度检测方法，其能解决传统方法检测的局限性以及检测非常耗时的问题。

本发明的目的之二在于提供基于神经网络的人脸姿态角度检测系统，其能解决传统方法检测的局限性以及检测非常耗时的问题。

本发明提供目的之一采用以下技术方案实现：

基于神经网络的人脸姿态角度检测方法，包括：

图像获取，获取含有待测人脸的待测图像；

人脸检测，检测所述待测图像中的含有人脸特征区域的待测人脸图像；

关键点定位，通过预设关键点神经网络对所述待测人脸图像进行关键点定位得到68个关键点；

人脸姿态角度检测，对所述关键点进行归一化处理得到对应的关键点坐标，将所述关键点坐标输入至预设人脸姿态角度检测神经网络中，所述预设人脸姿态角度检测神经网络输出人脸姿态角度值。

进一步地，所述预设人脸姿态角度检测神经网络包括输入层、第一全连接层、第二全连接层以及输出层。

进一步地，所述输入层的维度为1*136，所述第一全连接层的维度为136*68，所述第二全连接层的维度为68*3，所述输出层的维度为1*3。

进一步地，所述人脸姿态角度检测具体为：对所述关键点进行归一化处理得到对应的关键点坐标，将所述关键点坐标通过输入层进入，并依次经过第一全连接层以及第二全连接层处理，最终输出层输出人脸姿态角度值。

进一步地，所述人脸姿态角度值包括水平转角值、倾斜角值以及俯仰角值。

本发明提供目的之二采用以下技术方案实现：

基于神经网络的人脸姿态角度检测系统，包括：

图像获取模块，所述图像获取模块用于获取含有待测人脸的待测图像；

人脸检测模块，所述人脸检测模块用于检测所述待测图像中的含有人脸特征区域的待测人脸图像；

关键点定位模块，所述关键点定位模块用于通过预设关键点神经网络对所述待测人脸图像进行关键点定位得到68个关键点；

人脸姿态角度检测模块，所述人脸姿态角度检测模块用于对所述关键点进行归一化处理得到对应的关键点坐标，将所述关键点坐标输入至预设人脸姿态角度检测神经网络中，所述预设人脸姿态角度检测神经网络输出人脸姿态角度值。

进一步地，所述人脸姿态角度检测模块包括归一化单元和检测单元，所述归一化单元用于对所述关键点进行归一化处理得到对应的关键点坐标，所述检测单元用于将所述关键点坐标输入至预设人脸姿态角度检测神经网络中，所述预设人脸姿态角度检测神经网络输出人脸姿态角度值。

进一步地，所述人脸姿态角度值包括水平转角值、倾斜角值以及俯仰角值。

相比现有技术，本发明的有益效果在于：本发明的基于神经网络的人脸姿态角度检测方法，包括获取含有待测人脸的待测图像；人脸检测，检测待测图像中的含有人脸特征区域的待测人脸图像；通过预设关键点神经网络对待测人脸图像进行关键点定位得到68个关键点；对关键点进行归一化处理得到对应的关键点坐标，将关键点坐标输入至预设人脸姿态角度检测神经网络中，预设人脸姿态角度检测神经网络输出人脸姿态角度值。通过预设关键点神经网络对待测人脸图像进行关键点定位获得68个关键点，采用预设人脸姿态角度检测神经网络对关键点进行检测得到人脸姿态角度值，整个过程检测结果精确、速度快、对各种人脸脸型的鲁棒性极高。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的基于神经网络的人脸姿态角度检测方法的流程示意图；

图2为本发明的基于神经网络的人脸姿态角度检测系统的模块连接示意图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

如图1所示，本发明的基于神经网络的人脸姿态角度检测方法，包括：

图像获取，获取含有待测人脸的待测图像；使用摄像头获取含有待测人脸的待测图像，待测图像中含有待测人脸以及其他背景。

人脸检测，检测待测图像中的含有人脸特征区域的待测人脸图像；检测上述待测图像中的人脸特征区域并得到只含有待测人脸的待测人脸图像。

关键点定位，通过预设关键点神经网络对待测人脸图像进行关键点定位得到68个关键点；提前对关键点神经网络输入训练集进行训练得到可以使用的预设关键点神经网络，使用预设关键点神经网络对待测人脸图像进行处理得到共68个关键点。

人脸姿态角度检测，对关键点进行归一化处理得到对应的关键点坐标，将关键点坐标输入至预设人脸姿态角度检测神经网络中，预设人脸姿态角度检测神经网络输出人脸姿态角度值。本实施例中使用原始训练集对人脸姿态角度检测神经网络进行训练，经过多次训练得到可以使用的预设人脸姿态角度检测神经网络。具体为：对关键点进行归一化处理得到对应的关键点坐标，即对待测人脸图像中的关键点进行变换处理最终得到统一的二维坐标。将关键点坐标通过输入层进入，并依次经过第一全连接层以及第二全连接层处理，最终输出层输出人脸姿态角度值。人脸姿态角度值包括水平转角值、倾斜角值以及俯仰角值；水平转角值即为人脸左右转动程度值，倾斜角值为人脸倾斜的程度值，俯仰角值为人脸上扬或俯视的程度值。在本实施例中，对关键点进行归一化处理得到对应的关键点坐标，将关键点坐标通过输入层进入，并依次经过第一全连接层以及第二全连接层处理，最终输出层输出人脸姿态角度值。在本实施例中输入层的维度为1*136，第一全连接层的维度为136*68，第二全连接层的维度为68*3，输出层的维度为1*3。预设人脸姿态角度检测神经网络的大小只有38k。本实施例中预设人脸姿态模型检测神经网络在对人脸姿态角度进行检测时只需要1ms。

如图2所示，本发明还提供基于神经网络的人脸姿态角度检测系统，包括：

图像获取模块，图像获取模块用于获取含有待测人脸的待测图像；

人脸检测模块，人脸检测模块用于检测待测图像中的含有人脸特征区域的待测人脸图像；

关键点定位模块，关键点定位模块用于通过预设关键点神经网络对待测人脸图像进行关键点定位得到68个关键点；

人脸姿态角度检测模块，人脸姿态角度检测模块用于对关键点进行归一化处理得到对应的关键点坐标，将关键点坐标输入至预设人脸姿态角度检测神经网络中，预设人脸姿态角度检测神经网络输出人脸姿态角度值。

在本实施例中，人脸姿态角度检测模块包括归一化单元和检测单元，归一化单元用于对关键点进行归一化处理得到对应的关键点坐标，检测单元用于将关键点坐标输入至预设人脸姿态角度检测神经网络中，预设人脸姿态角度检测神经网络输出人脸姿态角度值。人脸姿态角度值包括水平转角值、倾斜角值以及俯仰角值。

本发明的基于神经网络的人脸姿态角度检测方法，包括获取含有待测人脸的待测图像；人脸检测，检测待测图像中的含有人脸特征区域的待测人脸图像；通过预设关键点神经网络对待测人脸图像进行关键点定位得到68个关键点；对关键点进行归一化处理得到对应的关键点坐标，将关键点坐标输入至预设人脸姿态角度检测神经网络中，预设人脸姿态角度检测神经网络输出人脸姿态角度值。通过预设关键点神经网络对待测人脸图像进行关键点定位获得68个关键点，采用预设人脸姿态角度检测神经网络对关键点进行检测得到人脸姿态角度值，整个过程检测结果精确、速度快、对各种人脸脸型的鲁棒性极高。

以上，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。