一种人脸特征点检测方法、装置、电子设备及存储介质

专利主权项内容

1.一种人脸特征点检测方法，其特征在于，包括：获取原始人脸图像；对所述原始人脸图像进行多尺度变换，得到至少一个备选图像，所述多尺度变换至少包括如下一种：尺寸变换、亮度变换、角度变换以及噪声变换；将所述原始人脸图像和各所述备选图像依次作为待识别图像；将所述待识别图像作为输入，输入到预训练的目标特征点检测网络中顺次连接的卷积层、批标准化层以及激活函数和最大池化层中进行全局特征提取，得到第一提取结果，其中，所述卷积层为11×11的大卷积层；将所述第一提取结果作为输入，输入到所述目标特征点检测网络中顺次连接的三个多尺度模块中进行多尺度特征提取，得到第二提取结果；将所述第二提取结果作为输入，输入到所述目标特征点检测网络中顺次连接的平均池化层、全连接层和输出层，得到特征点坐标集合；每个所述特征点坐标集合中包括至少一个特征点坐标及所述特征点坐标对应的特征点标识；对于每个特征点标识，基于所述特征点标识对应的各所述特征点坐标进行运算，得到人脸特征点坐标；所述将所述第一提取结果作为输入，输入到所述目标特征点检测网络中顺次连接的三个多尺度模块中进行多尺度特征提取，得到第二提取结果，包括：将所述第一提取结果作为当前输入数据，第一个多尺度模块作为当前多尺度模块，将所述当前输入数据输入到所述当前多尺度模块中进行特征提取，得到输出数据；将所述输出数据作为新的当前输入数据，所述当前多尺度模块的下一个多尺度模块作为新的当前多尺度模块，重复执行所述将所述当前输入数据输入到所述当前多尺度模块中进行特征提取，得到输出数据的步骤，直到所述当前多尺度模块为最后一个多尺度模块，将最后一个多尺度模块的输出数据作为第二提取结果；相应的，所述将所述当前输入数据输入到所述当前多尺度模块中进行特征提取，得到输出数据，包括：将所述当前输入数据输入到所述当前多尺度模块的第一卷积层进行卷积处理，得到第一卷积结果，将所述第一卷积结果分为至少三个特征图；将第一个特征图直接作为第一个特征图的输出结果；将第二个特征图输入到对应的第二卷积层中进行卷积处理，得到卷积结果并作为第二个特征图的输出结果；将第三个特征图作为当前特征图，第二个特征图的输出结果作为当前卷积输入数据，将所述当前特征图和所述当前卷积输入数据输入到对应的第二卷积层中进行卷积处理，得到的卷积结果作为所述当前特征图的输出结果；将所述当前特征图的下一个特征图作为新的当前特征图，所述当前特征图对应的输出结果作为新的当前卷积输入数据，重新执行所述将所述当前特征图和所述当前卷积输入数据输入到对应的第二卷积层中进行卷积处理，得到的卷积结果作为所述当前特征图的输出结果的步骤，直到所有特征图均完成遍历；将所有的特征图对应的输出结果进行拼接，并将拼接后的数据输入到第三卷积层进行融合，得到融合结果；将所述当前输入数据输入到所述当前多尺度模块的第四卷积层进行卷积处理，得到第二卷积结果，并对所述第二卷积结果进行最大池化处理，得到池化结果；将所述融合结果与所述池化结果进行融合，得到所述当前多尺度模块的输出数据。