CN103824049A - 一种基于级联神经网络的人脸关键点检测方法 - Google Patents
一种基于级联神经网络的人脸关键点检测方法 Download PDFInfo
- Publication number
- CN103824049A CN103824049A CN201410053321.8A CN201410053321A CN103824049A CN 103824049 A CN103824049 A CN 103824049A CN 201410053321 A CN201410053321 A CN 201410053321A CN 103824049 A CN103824049 A CN 103824049A
- Authority
- CN
- China
- Prior art keywords
- face
- key point
- neural network
- region
- regional area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明涉及一种基于级联神经网络的人脸关键点检测方法,其步骤包括:a)建立训练用人脸图像集,标注需要检测的关键点位置;b)构建第一层深度神经网络并训练人脸区域估计模型;c)构建第二层深度神经网络,做人脸关键点初步检测;d)对内脸区域继续做局部区域划分;e)对每个局部区域分别构建第三层深度神经网络;f)对每个局部区域估计其旋转角度;g)按照估计的旋转角度做矫正;h)对每个局部区域的矫正数据集构建第四层深度神经网络;i)任给一张新的人脸图像,采用上述四层深度神经网络模型进行关键点检测,得到最终的人脸关键点检测结果。本发明有效地提高了人脸关键点检测,尤其是密集人脸关键点检测的准确性和实时性。
Description
技术领域
本发明属于数字图像处理及人脸识别技术领域,具体涉及一种基于级联神经网络的人脸关键点检测方法。
背景技术
人脸关键点检测(facial landmark detection),即给定一张人脸图片,要从中准确定位出一系列关键点(如瞳孔,眼角,眉角,嘴角,唇沿等等)的位置。人脸关键点检测作为人脸对齐前最重要的一步,它将很大程度影响到人脸识别/分析/搜索系统的整体性能。
传统的人脸关键点检测算法主要可以分为两类:第一类将每个关键点作为独立的部分,每一个关键点根据其局部特征单独训练检测器;第二类将所有关键点放在一起训练,重点考虑关键点之间的相对位置关系,最后得到一个全局最优解。然而在实际应用中,这两类算法都有着自己极大的缺陷:1)对第一类算法,由于每个关键点被单独检测,人脸的全局几何信息被完全忽略了,这使得其对细微扰动非常敏感,对光照变化、姿态变化等都不够鲁邦。此外,该算法的时间复杂程度和关键点的个数成正比,待检测的关键点越多,所需的检测器就越多,这使得其在较密(60点+)关键点的应用中很难实施;2)而对第二类算法,由于人脸不同关键点的检测难度不同(例如,眼睛附近的关键点要远比人脸轮廓上的关键点简单,因为眼睛附近特征明显且不易受姿态变化影响),用一个模型去求解所有关键点的位置往往会得出一个折中的结果,即那些比较容易的关键点被比较难的点所“拖累”,而其实它们单独做本可以做的更好。同时,这类算法使用了大量的冗余信息,就像用嘴和鼻子附近的特征去检测眼睛的关键点,这其实浪费了许多计算资源。
发明内容
本发明针对上述问题,提供一种基于级联神经网络的人脸关键点检测方法,能够有效地提高人脸关键点检测,尤其是密集人脸关键点检测的准确性和实时性。
为实现上述目的,本发明采用的技术方案如下:
一种基于级联神经网络的人脸关键点检测方法,其步骤包括:
a)建立训练用人脸图像集,对其中每一张人脸标注需要检测的关键点位置;
b)构建第一层深度神经网络并训练人脸区域估计模型,此模型中任一张人脸被分为内脸区域与外脸区域两部分;
c)构建第二层深度神经网络,对步骤b)中输出的内脸区域和外脸区域分别做独立的人脸关键点初步检测;
d)根据步骤c)的初步检测结果,对内脸区域继续做局部区域划分;
e)对步骤d)得到的每个局部区域分别构建第三层深度神经网络,用来训练针对该局部区域的人脸关键点检测器;
f)根据步骤e)的人脸关键点检测器的关键点输出结果,对每个局部区域估计其旋转角度;
g)将每个局部区域按照其估计的旋转角度做矫正,将矫正的图片收集作为新的训练集合;
h)对步骤g)中生成的每个局部区域的矫正数据集构建第四层深度神经网络,用来训练人脸关键点检测器;
i)任给一张新的人脸图像,采用经过上述步骤生成的四层深度神经网络模型进行关键点检测,并将最终生成的内脸区域、外脸区域、及各个局部区域的关键点结合输出,即为最终人脸关键点检测结果。
进一步地,步骤b)所述内脸区域包括眉、眼、鼻、嘴,所述外脸区域包括完整人脸轮廓;步骤d)对内脸区域做局部区域划分时,划分成为眉、眼、鼻、嘴四个局部区域。
进一步地,每一层深度神经网络内部由三部分组成:卷积层,最大采样层及全连接层,对输入图像做多轮的卷积和采样,最终经过全连接层输出人脸区域或人脸关键点的坐标。
进一步地,步骤f)对每个局部区域采用最小二乘法估计其旋转角度:
其中M为旋转矩阵,X’i为对正模版的关键点坐标,Xi为步骤e)中获得的关键点坐标。
进一步地,步骤g)将每个局部区域按照其估计的旋转角度做矫正的方法为:
相对于传统方法,本发明的主要贡献在于:
1)提出一种针对密集人脸关键点检测的四层级联神经网络结构。在该结构中,人脸关键点首先被“化繁为简”地逐级拆分成各个部分(如外脸/内脸,眉/眼等),而每个部分被单独地作为下一级的深度神经网络的输入。这样使得最后训练得到的检测器模型既考虑了每个部分的局部上下文信息(local context),又避免了将所有关键点放在一起而产生的相互干扰。同时,该结构亦遵循“由粗到精”的原则,即在每一级中优化上一级的输出结果,逐级优化,使得一些在最初级定位不准确的关键点能在后面的检测器中被逐步纠正,以期在最终层达到最优的关键点检测结果;
2)提出一种基于局部区域旋转估计的关键点检测算法。该算法被实施在整个级联框架最后一级,对关键点的位置做最后的精准定位。该算法能有效地减小人脸平面内旋转对关键点检测产生的负面影响。
基于以上原因,本发明有效地提高了人脸关键点检测,尤其是密集人脸关键点检测的准确性和实时性。
附图说明
图1是本发明的基于级联神经网络的人脸关键点检测方法的步骤流程示意图;
图2是实施例中单层深度神经网络示意图;
图3是本发明与传统方法的实验对比结果图。
具体实施方式
下面通过具体实施例和附图,对本发明做进一步说明。
本发明的基于级联神经网络的人脸关键点检测方法,其具体流程如图1所示,对其具体说明如下:
a)建立训练用人脸图像集A,其中每一张人脸都被人工标注了需要检测的关键点位置;
b)构建第一层深度神经网络(见图2)训练一个人脸区域估计模型,此模型中,任一张人脸被分为内脸区域(包括眉、眼、鼻、嘴)与外脸区域(包括完整人脸轮廓)两部分;
图2是单层深度神经网络的示意图。如图2所示,每一层深度神经网络内部都是由三部分组成:卷积层Con,最大采样层Mp及全连接层Fuc。按照如图2所示的顺序结构,依次对输入图像做多轮的卷积和采样,最终经过全连接输出人脸区域(第一级)或人脸关键点(第二至四级)的坐标。
c)构建第二层深度神经网络,对b)中的输出的内脸/外脸区域分别做独立的人脸关键点初步检测;
d)根据c)的初步检测结果,对内脸继续做局部区域划分,划分成为眉、眼、鼻、嘴四个局部区域;
e)对d)中的每个局部区域分别构建第三层深度神经网络,用来训练一个针对该局部区域的人脸关键点检测器;
f)根据e)的人脸关键点检测器的关键点输出结果,对其每个局部区域用最小二乘法估计其旋转角度。具体方法为:
其中M为旋转矩阵,X’i为对正模版的关键点坐标,Xi为e)中获得的关键点坐标;
g)将每个局部区域按照其估计的旋转角度做矫正,即进行如图1所示的旋转优化,将矫正的图片收集作为新的训练集合。具体矫正方法为:
其中M为步骤f)估计的旋转矩阵,X为原始区域,MX即将原始区域的位置乘上旋转矩阵,即为矫正后的对正区域;
h)对g)中生成的每个局部区域的矫正数据集,构建第四层深度神经网络,用来训练人脸关键点检测器;
i)任给一张新的无标注人脸图像,经过步骤b)c)e)h)生成的深度神经网络模型,并将最终生成的内脸/外脸,及各个局部区域的关键点结合输出,即为最终人脸关键点检测结果,最终结果如图1所示。
本发明提出的上述方法是针对密集人脸关键点检测的四层级联神经网络结构。在该结构中,人脸关键点首先被“化繁为简”地逐级拆分成各个部分(如外脸/内脸,眉/眼等),而每个部分被单独地作为下一级的深度神经网络的输入。这样使得最后训练得到的检测器模型既考虑了每个部分的局部上下文信息(local context),又避免了将所有关键点放在一起而产生的相互干扰。同时,该结构亦遵循“由粗到精”的原则,即在每一级中优化上一级的输出结果,逐级优化,使得一些在最初级定位不准确的关键点能在后面的检测器中被逐步纠正,以期在最终层达到最优的关键点检测结果。
在上述方法中,本发明提出了一种基于局部区域旋转估计的关键点检测算法。该算法被实施在整个级联框架最后一级,对关键点的位置做最后的精准定位。该算法能有效地减小人脸平面内旋转对关键点检测产生的负面影响。
基于以上原因,本发明有效地提高了人脸关键点检测,尤其是密集人脸关键点检测的准确性和实时性。如图3所示,给定测试/训练图片样本的比例,本发明对关键点预测的平均误差要远远低于传统方法。
以上实施例仅用以说明本发明的技术方案而非对其进行限制,本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明的精神和范围,本发明的保护范围应以权利要求所述为准。
Claims (6)
1.一种基于级联神经网络的人脸关键点检测方法,其步骤包括:
a)建立训练用人脸图像集,对其中每一张人脸标注需要检测的关键点位置;
b)构建第一层深度神经网络并训练人脸区域估计模型,此模型中任一张人脸被分为内脸区域与外脸区域两部分;
c)构建第二层深度神经网络,对步骤b)中输出的内脸区域和外脸区域分别做独立的人脸关键点初步检测;
d)根据步骤c)的初步检测结果,对内脸区域继续做局部区域划分;
e)对步骤d)得到的每个局部区域分别构建第三层深度神经网络,用来训练针对该局部区域的人脸关键点检测器;
f)根据步骤e)的人脸关键点检测器的关键点输出结果,对每个局部区域估计其旋转角度;
g)将每个局部区域按照其估计的旋转角度做矫正,将矫正的图片收集作为新的训练集合;
h)对步骤g)中生成的每个局部区域的矫正数据集构建第四层深度神经网络,用来训练人脸关键点检测器;
i)任给一张新的人脸图像,采用经过上述步骤生成的四层深度神经网络模型进行关键点检测,并将最终生成的内脸区域、外脸区域、及各个局部区域的关键点结合输出,即为最终人脸关键点检测结果。
2.如权利要求1所述的方法,其特征在于:步骤b)所述内脸区域包括眉、眼、鼻、嘴,所述外脸区域包括完整人脸轮廓。
3.如权利要求1所述的方法,其特征在于:步骤d)对内脸区域做局部区域划分时,划分成为眉、眼、鼻、嘴四个局部区域。
4.如权利要求1所述的方法,其特征在于:每一层深度神经网络内部由三部分组成:卷积层,最大采样层及全连接层,对输入图像做多轮的卷积和采样,最终经过全连接层输出人脸区域或人脸关键点的坐标。
5.如权利要求1所述的方法,其特征在于:步骤f)对每个局部区域采用最小二乘法估计其旋转角度:
其中M为旋转矩阵,X’i为对正模版的关键点坐标,Xi为步骤e)中获得的关键点坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410053321.8A CN103824049A (zh) | 2014-02-17 | 2014-02-17 | 一种基于级联神经网络的人脸关键点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410053321.8A CN103824049A (zh) | 2014-02-17 | 2014-02-17 | 一种基于级联神经网络的人脸关键点检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103824049A true CN103824049A (zh) | 2014-05-28 |
Family
ID=50759101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410053321.8A Pending CN103824049A (zh) | 2014-02-17 | 2014-02-17 | 一种基于级联神经网络的人脸关键点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103824049A (zh) |
Cited By (74)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268591A (zh) * | 2014-09-19 | 2015-01-07 | 海信集团有限公司 | 一种面部关键点检测方法及装置 |
CN104346607A (zh) * | 2014-11-06 | 2015-02-11 | 上海电机学院 | 基于卷积神经网络的人脸识别方法 |
CN104361362A (zh) * | 2014-11-21 | 2015-02-18 | 江苏刻维科技信息有限公司 | 一种得出人脸部位轮廓定位模型的方法 |
CN104462778A (zh) * | 2014-11-06 | 2015-03-25 | 华北电力大学 | 一种基于深度学习的pm2.5污染物测量方法 |
CN105095857A (zh) * | 2015-06-26 | 2015-11-25 | 上海交通大学 | 基于关键点扰动技术的人脸数据增强方法 |
WO2015180100A1 (en) * | 2014-05-29 | 2015-12-03 | Beijing Kuangshi Technology Co., Ltd. | Facial landmark localization using coarse-to-fine cascaded neural networks |
CN105184275A (zh) * | 2015-09-21 | 2015-12-23 | 北京中科虹霸科技有限公司 | 基于二值决策树的红外局部人脸关键点选获取方法 |
WO2016019709A1 (en) * | 2014-08-07 | 2016-02-11 | Huawei Technologies Co., Ltd. | A processing device and method for face detection |
WO2016074247A1 (en) * | 2014-11-15 | 2016-05-19 | Beijing Kuangshi Technology Co., Ltd. | Face detection using machine learning |
CN105787878A (zh) * | 2016-02-25 | 2016-07-20 | 杭州格像科技有限公司 | 一种美颜处理方法及装置 |
CN105769120A (zh) * | 2016-01-27 | 2016-07-20 | 深圳地平线机器人科技有限公司 | 疲劳驾驶检测方法和装置 |
CN105868769A (zh) * | 2015-01-23 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 图像中的人脸关键点定位方法及装置 |
CN105976400A (zh) * | 2016-05-10 | 2016-09-28 | 北京旷视科技有限公司 | 基于神经网络模型的目标跟踪方法及装置 |
CN106295620A (zh) * | 2016-08-28 | 2017-01-04 | 乐视控股(北京)有限公司 | 发型识别方法及发型识别装置 |
CN106326853A (zh) * | 2016-08-19 | 2017-01-11 | 厦门美图之家科技有限公司 | 一种人脸跟踪方法及装置 |
CN106339680A (zh) * | 2016-08-25 | 2017-01-18 | 北京小米移动软件有限公司 | 人脸关键点定位方法及装置 |
CN106529374A (zh) * | 2015-09-10 | 2017-03-22 | 大唐电信科技股份有限公司 | 一种级联式人脸关键点定位方法和系统 |
CN106599830A (zh) * | 2016-12-09 | 2017-04-26 | 中国科学院自动化研究所 | 人脸关键点定位方法及装置 |
CN106651877A (zh) * | 2016-12-20 | 2017-05-10 | 北京旷视科技有限公司 | 实例分割方法及装置 |
WO2017079972A1 (en) * | 2015-11-13 | 2017-05-18 | Xiaogang Wang | A method and a system for classifying objects in images |
CN106980812A (zh) * | 2016-12-14 | 2017-07-25 | 四川长虹电器股份有限公司 | 基于级联卷积神经网络的三维人脸特征点定位方法 |
CN107247955A (zh) * | 2016-07-29 | 2017-10-13 | 竹间智能科技(上海)有限公司 | 配件识别方法及装置 |
CN107451965A (zh) * | 2017-07-24 | 2017-12-08 | 深圳市智美达科技股份有限公司 | 畸变人脸图像校正方法、装置、计算机设备和存储介质 |
CN107464261A (zh) * | 2017-07-07 | 2017-12-12 | 广州市百果园网络科技有限公司 | 一种图像数据标定训练方法及其设备、存储介质、服务器 |
CN107871098A (zh) * | 2016-09-23 | 2018-04-03 | 北京眼神科技有限公司 | 人脸特征点的获取方法和装置 |
CN108038540A (zh) * | 2017-11-08 | 2018-05-15 | 北京卓视智通科技有限责任公司 | 一种多尺度神经网络及基于该网络的图像特征提取方法 |
CN108062545A (zh) * | 2018-01-30 | 2018-05-22 | 北京搜狐新媒体信息技术有限公司 | 一种人脸对齐的方法及装置 |
CN108062543A (zh) * | 2018-01-16 | 2018-05-22 | 中车工业研究院有限公司 | 一种面部识别方法及装置 |
CN108073910A (zh) * | 2017-12-29 | 2018-05-25 | 百度在线网络技术(北京)有限公司 | 用于生成人脸特征的方法和装置 |
CN108133220A (zh) * | 2016-11-30 | 2018-06-08 | 北京市商汤科技开发有限公司 | 模型训练、关键点定位及图像处理方法、系统及电子设备 |
CN108229278A (zh) * | 2017-04-14 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
CN108229291A (zh) * | 2017-07-28 | 2018-06-29 | 北京市商汤科技开发有限公司 | 特征点检测、网络训练方法、装置、电子设备和存储介质 |
CN108399373A (zh) * | 2018-02-06 | 2018-08-14 | 北京达佳互联信息技术有限公司 | 人脸关键点的模型训练及其检测方法和装置 |
CN108416304A (zh) * | 2018-03-12 | 2018-08-17 | 中科视拓(北京)科技有限公司 | 一种利用上下文信息的三分类人脸检测方法 |
CN105224935B (zh) * | 2015-10-28 | 2018-08-24 | 南京信息工程大学 | 一种基于Android平台的实时人脸关键点定位方法 |
CN108509894A (zh) * | 2018-03-28 | 2018-09-07 | 北京市商汤科技开发有限公司 | 人脸检测方法及装置 |
CN108550384A (zh) * | 2018-03-30 | 2018-09-18 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108596121A (zh) * | 2018-04-28 | 2018-09-28 | 浙江大学 | 一种基于上下文和结构建模的人脸关键点检测方法 |
CN108615016A (zh) * | 2018-04-28 | 2018-10-02 | 北京华捷艾米科技有限公司 | 人脸关键点检测方法和人脸关键点检测装置 |
CN108664885A (zh) * | 2018-03-19 | 2018-10-16 | 杭州电子科技大学 | 基于多尺度级联HourGlass网络的人体关键点检测方法 |
CN108764133A (zh) * | 2018-05-25 | 2018-11-06 | 北京旷视科技有限公司 | 图像识别方法、装置及系统 |
CN108846342A (zh) * | 2018-06-05 | 2018-11-20 | 四川大学 | 一种唇裂手术标志点识别系统 |
CN108875492A (zh) * | 2017-10-11 | 2018-11-23 | 北京旷视科技有限公司 | 人脸检测及关键点定位方法、装置、系统和存储介质 |
CN108875524A (zh) * | 2018-01-02 | 2018-11-23 | 北京旷视科技有限公司 | 视线估计方法、装置、系统和存储介质 |
WO2018220566A1 (en) * | 2017-06-01 | 2018-12-06 | International Business Machines Corporation | Neural network classification |
CN108986210A (zh) * | 2018-08-27 | 2018-12-11 | 清华大学 | 三维场景重建的方法和设备 |
CN109145783A (zh) * | 2018-08-03 | 2019-01-04 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN109146845A (zh) * | 2018-07-16 | 2019-01-04 | 中南大学 | 基于卷积神经网络的头颅影像标志点检测方法 |
CN109242789A (zh) * | 2018-08-21 | 2019-01-18 | 成都旷视金智科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN109359537A (zh) * | 2018-09-14 | 2019-02-19 | 杭州宇泛智能科技有限公司 | 基于神经网络的人脸姿态角度检测方法及系统 |
CN109376712A (zh) * | 2018-12-07 | 2019-02-22 | 广州纳丽生物科技有限公司 | 一种人脸额头关键点的识别方法 |
CN109492540A (zh) * | 2018-10-18 | 2019-03-19 | 北京达佳互联信息技术有限公司 | 一种图像中的人脸交换方法、装置及电子设备 |
CN109558864A (zh) * | 2019-01-16 | 2019-04-02 | 苏州科达科技股份有限公司 | 人脸关键点检测方法、装置及存储介质 |
CN109740491A (zh) * | 2018-12-27 | 2019-05-10 | 北京旷视科技有限公司 | 一种人眼视线识别方法、装置、系统及存储介质 |
CN109784293A (zh) * | 2019-01-24 | 2019-05-21 | 苏州科达科技股份有限公司 | 多类目标对象检测方法、装置、电子设备、存储介质 |
CN109800635A (zh) * | 2018-12-11 | 2019-05-24 | 天津大学 | 一种基于光流法的受限局部人脸关键点检测与跟踪方法 |
CN109949412A (zh) * | 2019-03-26 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种三维对象重建方法和装置 |
CN109977751A (zh) * | 2019-01-16 | 2019-07-05 | 上海理工大学 | 一种基于卷积神经网络的人脸关键点检测方法 |
CN110059623A (zh) * | 2019-04-18 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN110069959A (zh) * | 2018-01-22 | 2019-07-30 | 中国移动通信有限公司研究院 | 一种人脸检测方法、装置及用户设备 |
CN110516626A (zh) * | 2019-08-29 | 2019-11-29 | 上海交通大学 | 一种基于人脸识别技术的面部对称性评估方法 |
CN110826534A (zh) * | 2019-11-30 | 2020-02-21 | 杭州趣维科技有限公司 | 一种基于局部主成分分析的人脸关键点检测方法及系统 |
CN110852257A (zh) * | 2019-11-08 | 2020-02-28 | 深圳和而泰家居在线网络科技有限公司 | 一种人脸关键点的检测方法、装置及存储介质 |
US10599977B2 (en) | 2016-08-23 | 2020-03-24 | International Business Machines Corporation | Cascaded neural networks using test ouput from the first neural network to train the second neural network |
US10713783B2 (en) | 2017-06-01 | 2020-07-14 | International Business Machines Corporation | Neural network classification |
US10783393B2 (en) | 2017-06-20 | 2020-09-22 | Nvidia Corporation | Semi-supervised learning for landmark localization |
CN111695405A (zh) * | 2018-12-28 | 2020-09-22 | 北京旷视科技有限公司 | 一种狗脸特征点的检测方法、装置、系统及存储介质 |
CN112016371A (zh) * | 2019-05-31 | 2020-12-01 | 广州市百果园信息技术有限公司 | 人脸关键点检测方法、装置、设备及存储介质 |
CN112052843A (zh) * | 2020-10-14 | 2020-12-08 | 福建天晴在线互动科技有限公司 | 一种从粗到精的人脸关键点检测方法 |
WO2021036726A1 (en) * | 2019-08-29 | 2021-03-04 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method, system, and computer-readable medium for using face alignment model based on multi-task convolutional neural network-obtained data |
WO2021068323A1 (zh) * | 2019-10-12 | 2021-04-15 | 平安科技(深圳)有限公司 | 多任务面部动作识别模型训练方法、多任务面部动作识别方法、装置、计算机设备和存储介质 |
WO2021175020A1 (zh) * | 2020-03-06 | 2021-09-10 | 深圳壹账通智能科技有限公司 | 一种人脸图像关键点方法、装置、计算机设备及存储介质 |
US11132824B2 (en) | 2017-04-14 | 2021-09-28 | Shenzhen Sensetime Technology Co., Ltd. | Face image processing method and apparatus, and electronic device |
CN115601819A (zh) * | 2022-11-29 | 2023-01-13 | 四川大学华西医院(Cn) | 基于多模态暴力倾向识别方法、装置、设备及介质 |
-
2014
- 2014-02-17 CN CN201410053321.8A patent/CN103824049A/zh active Pending
Cited By (115)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105981041A (zh) * | 2014-05-29 | 2016-09-28 | 北京旷视科技有限公司 | 使用粗到细级联神经网络的面部关键点定位 |
WO2015180100A1 (en) * | 2014-05-29 | 2015-12-03 | Beijing Kuangshi Technology Co., Ltd. | Facial landmark localization using coarse-to-fine cascaded neural networks |
CN106462736A (zh) * | 2014-08-07 | 2017-02-22 | 华为技术有限公司 | 用于人脸检测的处理设备和方法 |
CN106462736B (zh) * | 2014-08-07 | 2020-11-06 | 华为技术有限公司 | 用于人脸检测的处理设备和方法 |
WO2016019709A1 (en) * | 2014-08-07 | 2016-02-11 | Huawei Technologies Co., Ltd. | A processing device and method for face detection |
US10296782B2 (en) | 2014-08-07 | 2019-05-21 | Huawei Technologies Co., Ltd. | Processing device and method for face detection |
CN104268591A (zh) * | 2014-09-19 | 2015-01-07 | 海信集团有限公司 | 一种面部关键点检测方法及装置 |
CN104268591B (zh) * | 2014-09-19 | 2017-11-28 | 海信集团有限公司 | 一种面部关键点检测方法及装置 |
CN104462778A (zh) * | 2014-11-06 | 2015-03-25 | 华北电力大学 | 一种基于深度学习的pm2.5污染物测量方法 |
CN104346607B (zh) * | 2014-11-06 | 2017-12-22 | 上海电机学院 | 基于卷积神经网络的人脸识别方法 |
CN104346607A (zh) * | 2014-11-06 | 2015-02-11 | 上海电机学院 | 基于卷积神经网络的人脸识别方法 |
WO2016074247A1 (en) * | 2014-11-15 | 2016-05-19 | Beijing Kuangshi Technology Co., Ltd. | Face detection using machine learning |
CN104361362A (zh) * | 2014-11-21 | 2015-02-18 | 江苏刻维科技信息有限公司 | 一种得出人脸部位轮廓定位模型的方法 |
CN105868769A (zh) * | 2015-01-23 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 图像中的人脸关键点定位方法及装置 |
CN105095857A (zh) * | 2015-06-26 | 2015-11-25 | 上海交通大学 | 基于关键点扰动技术的人脸数据增强方法 |
CN105095857B (zh) * | 2015-06-26 | 2018-11-16 | 上海交通大学 | 基于关键点扰动技术的人脸数据增强方法 |
CN106529374A (zh) * | 2015-09-10 | 2017-03-22 | 大唐电信科技股份有限公司 | 一种级联式人脸关键点定位方法和系统 |
CN105184275A (zh) * | 2015-09-21 | 2015-12-23 | 北京中科虹霸科技有限公司 | 基于二值决策树的红外局部人脸关键点选获取方法 |
CN105224935B (zh) * | 2015-10-28 | 2018-08-24 | 南京信息工程大学 | 一种基于Android平台的实时人脸关键点定位方法 |
WO2017079972A1 (en) * | 2015-11-13 | 2017-05-18 | Xiaogang Wang | A method and a system for classifying objects in images |
CN105769120B (zh) * | 2016-01-27 | 2019-01-22 | 深圳地平线机器人科技有限公司 | 疲劳驾驶检测方法和装置 |
CN105769120A (zh) * | 2016-01-27 | 2016-07-20 | 深圳地平线机器人科技有限公司 | 疲劳驾驶检测方法和装置 |
CN105787878A (zh) * | 2016-02-25 | 2016-07-20 | 杭州格像科技有限公司 | 一种美颜处理方法及装置 |
CN105787878B (zh) * | 2016-02-25 | 2018-12-28 | 杭州格像科技有限公司 | 一种美颜处理方法及装置 |
CN105976400B (zh) * | 2016-05-10 | 2017-06-30 | 北京旷视科技有限公司 | 基于神经网络模型的目标跟踪方法及装置 |
CN105976400A (zh) * | 2016-05-10 | 2016-09-28 | 北京旷视科技有限公司 | 基于神经网络模型的目标跟踪方法及装置 |
CN107247955A (zh) * | 2016-07-29 | 2017-10-13 | 竹间智能科技(上海)有限公司 | 配件识别方法及装置 |
CN106326853A (zh) * | 2016-08-19 | 2017-01-11 | 厦门美图之家科技有限公司 | 一种人脸跟踪方法及装置 |
US10599977B2 (en) | 2016-08-23 | 2020-03-24 | International Business Machines Corporation | Cascaded neural networks using test ouput from the first neural network to train the second neural network |
CN106339680A (zh) * | 2016-08-25 | 2017-01-18 | 北京小米移动软件有限公司 | 人脸关键点定位方法及装置 |
CN106339680B (zh) * | 2016-08-25 | 2019-07-23 | 北京小米移动软件有限公司 | 人脸关键点定位方法及装置 |
CN106295620A (zh) * | 2016-08-28 | 2017-01-04 | 乐视控股(北京)有限公司 | 发型识别方法及发型识别装置 |
CN107871098A (zh) * | 2016-09-23 | 2018-04-03 | 北京眼神科技有限公司 | 人脸特征点的获取方法和装置 |
CN108133220A (zh) * | 2016-11-30 | 2018-06-08 | 北京市商汤科技开发有限公司 | 模型训练、关键点定位及图像处理方法、系统及电子设备 |
CN106599830B (zh) * | 2016-12-09 | 2020-03-17 | 中国科学院自动化研究所 | 人脸关键点定位方法及装置 |
CN106599830A (zh) * | 2016-12-09 | 2017-04-26 | 中国科学院自动化研究所 | 人脸关键点定位方法及装置 |
CN106980812A (zh) * | 2016-12-14 | 2017-07-25 | 四川长虹电器股份有限公司 | 基于级联卷积神经网络的三维人脸特征点定位方法 |
CN106651877A (zh) * | 2016-12-20 | 2017-05-10 | 北京旷视科技有限公司 | 实例分割方法及装置 |
CN106651877B (zh) * | 2016-12-20 | 2020-06-02 | 北京旷视科技有限公司 | 实例分割方法及装置 |
CN108229278A (zh) * | 2017-04-14 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
CN108229278B (zh) * | 2017-04-14 | 2020-11-17 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
US11132824B2 (en) | 2017-04-14 | 2021-09-28 | Shenzhen Sensetime Technology Co., Ltd. | Face image processing method and apparatus, and electronic device |
US11250241B2 (en) | 2017-04-14 | 2022-02-15 | Shenzhen Sensetime Technology Co., Ltd. | Face image processing methods and apparatuses, and electronic devices |
GB2577017A (en) * | 2017-06-01 | 2020-03-11 | Ibm | Neural network classification |
CN110622175A (zh) * | 2017-06-01 | 2019-12-27 | 国际商业机器公司 | 神经网络分类 |
US11138724B2 (en) | 2017-06-01 | 2021-10-05 | International Business Machines Corporation | Neural network classification |
CN110622175B (zh) * | 2017-06-01 | 2023-09-19 | 国际商业机器公司 | 神经网络分类 |
US11935233B2 (en) | 2017-06-01 | 2024-03-19 | International Business Machines Corporation | Neural network classification |
WO2018220566A1 (en) * | 2017-06-01 | 2018-12-06 | International Business Machines Corporation | Neural network classification |
US10713783B2 (en) | 2017-06-01 | 2020-07-14 | International Business Machines Corporation | Neural network classification |
US10783394B2 (en) | 2017-06-20 | 2020-09-22 | Nvidia Corporation | Equivariant landmark transformation for landmark localization |
US10783393B2 (en) | 2017-06-20 | 2020-09-22 | Nvidia Corporation | Semi-supervised learning for landmark localization |
CN107464261A (zh) * | 2017-07-07 | 2017-12-12 | 广州市百果园网络科技有限公司 | 一种图像数据标定训练方法及其设备、存储介质、服务器 |
CN107451965A (zh) * | 2017-07-24 | 2017-12-08 | 深圳市智美达科技股份有限公司 | 畸变人脸图像校正方法、装置、计算机设备和存储介质 |
CN107451965B (zh) * | 2017-07-24 | 2019-10-18 | 深圳市智美达科技股份有限公司 | 畸变人脸图像校正方法、装置、计算机设备和存储介质 |
CN108229291A (zh) * | 2017-07-28 | 2018-06-29 | 北京市商汤科技开发有限公司 | 特征点检测、网络训练方法、装置、电子设备和存储介质 |
CN108875492A (zh) * | 2017-10-11 | 2018-11-23 | 北京旷视科技有限公司 | 人脸检测及关键点定位方法、装置、系统和存储介质 |
CN108875492B (zh) * | 2017-10-11 | 2020-12-22 | 北京旷视科技有限公司 | 人脸检测及关键点定位方法、装置、系统和存储介质 |
CN108038540A (zh) * | 2017-11-08 | 2018-05-15 | 北京卓视智通科技有限责任公司 | 一种多尺度神经网络及基于该网络的图像特征提取方法 |
CN108073910A (zh) * | 2017-12-29 | 2018-05-25 | 百度在线网络技术(北京)有限公司 | 用于生成人脸特征的方法和装置 |
CN108875524A (zh) * | 2018-01-02 | 2018-11-23 | 北京旷视科技有限公司 | 视线估计方法、装置、系统和存储介质 |
CN108875524B (zh) * | 2018-01-02 | 2021-03-02 | 北京旷视科技有限公司 | 视线估计方法、装置、系统和存储介质 |
CN108062543A (zh) * | 2018-01-16 | 2018-05-22 | 中车工业研究院有限公司 | 一种面部识别方法及装置 |
CN110069959A (zh) * | 2018-01-22 | 2019-07-30 | 中国移动通信有限公司研究院 | 一种人脸检测方法、装置及用户设备 |
CN108062545A (zh) * | 2018-01-30 | 2018-05-22 | 北京搜狐新媒体信息技术有限公司 | 一种人脸对齐的方法及装置 |
CN108062545B (zh) * | 2018-01-30 | 2020-08-28 | 北京搜狐新媒体信息技术有限公司 | 一种人脸对齐的方法及装置 |
CN108399373B (zh) * | 2018-02-06 | 2019-05-10 | 北京达佳互联信息技术有限公司 | 人脸关键点的模型训练及其检测方法和装置 |
CN108399373A (zh) * | 2018-02-06 | 2018-08-14 | 北京达佳互联信息技术有限公司 | 人脸关键点的模型训练及其检测方法和装置 |
CN108416304A (zh) * | 2018-03-12 | 2018-08-17 | 中科视拓(北京)科技有限公司 | 一种利用上下文信息的三分类人脸检测方法 |
CN108416304B (zh) * | 2018-03-12 | 2022-02-25 | 中科视拓(北京)科技有限公司 | 一种利用上下文信息的三分类人脸检测方法 |
CN108664885B (zh) * | 2018-03-19 | 2021-08-31 | 杭州电子科技大学 | 基于多尺度级联HourGlass网络的人体关键点检测方法 |
CN108664885A (zh) * | 2018-03-19 | 2018-10-16 | 杭州电子科技大学 | 基于多尺度级联HourGlass网络的人体关键点检测方法 |
CN108509894A (zh) * | 2018-03-28 | 2018-09-07 | 北京市商汤科技开发有限公司 | 人脸检测方法及装置 |
CN108550384A (zh) * | 2018-03-30 | 2018-09-18 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108550384B (zh) * | 2018-03-30 | 2022-05-03 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108615016B (zh) * | 2018-04-28 | 2020-06-19 | 北京华捷艾米科技有限公司 | 人脸关键点检测方法和人脸关键点检测装置 |
CN108615016A (zh) * | 2018-04-28 | 2018-10-02 | 北京华捷艾米科技有限公司 | 人脸关键点检测方法和人脸关键点检测装置 |
CN108596121A (zh) * | 2018-04-28 | 2018-09-28 | 浙江大学 | 一种基于上下文和结构建模的人脸关键点检测方法 |
CN108764133A (zh) * | 2018-05-25 | 2018-11-06 | 北京旷视科技有限公司 | 图像识别方法、装置及系统 |
CN108764133B (zh) * | 2018-05-25 | 2020-10-20 | 北京旷视科技有限公司 | 图像识别方法、装置及系统 |
CN108846342A (zh) * | 2018-06-05 | 2018-11-20 | 四川大学 | 一种唇裂手术标志点识别系统 |
CN109146845A (zh) * | 2018-07-16 | 2019-01-04 | 中南大学 | 基于卷积神经网络的头颅影像标志点检测方法 |
CN109145783A (zh) * | 2018-08-03 | 2019-01-04 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN109145783B (zh) * | 2018-08-03 | 2022-03-25 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN109242789A (zh) * | 2018-08-21 | 2019-01-18 | 成都旷视金智科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN108986210A (zh) * | 2018-08-27 | 2018-12-11 | 清华大学 | 三维场景重建的方法和设备 |
CN109359537A (zh) * | 2018-09-14 | 2019-02-19 | 杭州宇泛智能科技有限公司 | 基于神经网络的人脸姿态角度检测方法及系统 |
CN109492540B (zh) * | 2018-10-18 | 2020-12-25 | 北京达佳互联信息技术有限公司 | 一种图像中的人脸交换方法、装置及电子设备 |
CN109492540A (zh) * | 2018-10-18 | 2019-03-19 | 北京达佳互联信息技术有限公司 | 一种图像中的人脸交换方法、装置及电子设备 |
CN109376712A (zh) * | 2018-12-07 | 2019-02-22 | 广州纳丽生物科技有限公司 | 一种人脸额头关键点的识别方法 |
CN109800635A (zh) * | 2018-12-11 | 2019-05-24 | 天津大学 | 一种基于光流法的受限局部人脸关键点检测与跟踪方法 |
CN109740491A (zh) * | 2018-12-27 | 2019-05-10 | 北京旷视科技有限公司 | 一种人眼视线识别方法、装置、系统及存储介质 |
CN111695405A (zh) * | 2018-12-28 | 2020-09-22 | 北京旷视科技有限公司 | 一种狗脸特征点的检测方法、装置、系统及存储介质 |
CN111695405B (zh) * | 2018-12-28 | 2023-12-12 | 北京旷视科技有限公司 | 一种狗脸特征点的检测方法、装置、系统及存储介质 |
CN109977751A (zh) * | 2019-01-16 | 2019-07-05 | 上海理工大学 | 一种基于卷积神经网络的人脸关键点检测方法 |
CN109558864A (zh) * | 2019-01-16 | 2019-04-02 | 苏州科达科技股份有限公司 | 人脸关键点检测方法、装置及存储介质 |
CN109784293A (zh) * | 2019-01-24 | 2019-05-21 | 苏州科达科技股份有限公司 | 多类目标对象检测方法、装置、电子设备、存储介质 |
CN109949412A (zh) * | 2019-03-26 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种三维对象重建方法和装置 |
CN109949412B (zh) * | 2019-03-26 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 一种三维对象重建方法和装置 |
US11715224B2 (en) | 2019-03-26 | 2023-08-01 | Tencent Technology (Shenzhen) Company Limited | Three-dimensional object reconstruction method and apparatus |
CN110059623B (zh) * | 2019-04-18 | 2021-06-11 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN110059623A (zh) * | 2019-04-18 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN112016371B (zh) * | 2019-05-31 | 2022-01-14 | 广州市百果园信息技术有限公司 | 人脸关键点检测方法、装置、设备及存储介质 |
CN112016371A (zh) * | 2019-05-31 | 2020-12-01 | 广州市百果园信息技术有限公司 | 人脸关键点检测方法、装置、设备及存储介质 |
CN110516626A (zh) * | 2019-08-29 | 2019-11-29 | 上海交通大学 | 一种基于人脸识别技术的面部对称性评估方法 |
WO2021036726A1 (en) * | 2019-08-29 | 2021-03-04 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method, system, and computer-readable medium for using face alignment model based on multi-task convolutional neural network-obtained data |
WO2021068323A1 (zh) * | 2019-10-12 | 2021-04-15 | 平安科技(深圳)有限公司 | 多任务面部动作识别模型训练方法、多任务面部动作识别方法、装置、计算机设备和存储介质 |
CN110852257B (zh) * | 2019-11-08 | 2023-02-10 | 深圳数联天下智能科技有限公司 | 一种人脸关键点的检测方法、装置及存储介质 |
CN110852257A (zh) * | 2019-11-08 | 2020-02-28 | 深圳和而泰家居在线网络科技有限公司 | 一种人脸关键点的检测方法、装置及存储介质 |
CN110826534B (zh) * | 2019-11-30 | 2022-04-05 | 杭州小影创新科技股份有限公司 | 一种基于局部主成分分析的人脸关键点检测方法及系统 |
CN110826534A (zh) * | 2019-11-30 | 2020-02-21 | 杭州趣维科技有限公司 | 一种基于局部主成分分析的人脸关键点检测方法及系统 |
WO2021175020A1 (zh) * | 2020-03-06 | 2021-09-10 | 深圳壹账通智能科技有限公司 | 一种人脸图像关键点方法、装置、计算机设备及存储介质 |
CN112052843B (zh) * | 2020-10-14 | 2023-06-06 | 福建天晴在线互动科技有限公司 | 一种从粗到精的人脸关键点检测方法 |
CN112052843A (zh) * | 2020-10-14 | 2020-12-08 | 福建天晴在线互动科技有限公司 | 一种从粗到精的人脸关键点检测方法 |
CN115601819A (zh) * | 2022-11-29 | 2023-01-13 | 四川大学华西医院(Cn) | 基于多模态暴力倾向识别方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103824049A (zh) | 一种基于级联神经网络的人脸关键点检测方法 | |
CN109636905B (zh) | 基于深度卷积神经网络的环境语义建图方法 | |
CN108765363B (zh) | 一种基于人工智能的冠脉cta自动后处理系统 | |
CN109325398B (zh) | 一种基于迁移学习的人脸属性分析方法 | |
Simo-Serra et al. | A joint model for 2d and 3d pose estimation from a single image | |
CN107103613B (zh) | 一种三维手势姿态估计方法 | |
CN103824050B (zh) | 一种基于级联回归的人脸关键点定位方法 | |
Yao et al. | Application of convolutional neural network in classification of high resolution agricultural remote sensing images | |
CN104392223B (zh) | 二维视频图像中的人体姿态识别方法 | |
CN107392964A (zh) | 基于室内特征点和结构线结合的室内slam方法 | |
CN108681692A (zh) | 一种基于深度学习的遥感图像内新增建筑识别方法 | |
CN107895160A (zh) | 人脸检测与识别装置及方法 | |
CN106951840A (zh) | 一种人脸特征点检测方法 | |
CN105760836A (zh) | 基于深度学习的多角度人脸对齐方法、系统及拍摄终端 | |
CN109063584B (zh) | 基于级联回归的面部特征点定位方法、装置、设备及介质 | |
CN104167003A (zh) | 一种遥感影像的快速配准方法 | |
CN102930278A (zh) | 一种人眼视线估计方法及其装置 | |
WO2021051526A1 (zh) | 多视图3d人体姿态估计方法及相关装置 | |
CN110135277B (zh) | 一种基于卷积神经网络的人体行为识别方法 | |
CN103065351A (zh) | 一种双目三维重建的方法 | |
CN106934351A (zh) | 手势识别方法、装置及电子设备 | |
CN107704817A (zh) | 一种动物面部关键点的检测算法 | |
CN109829353A (zh) | 一种基于空间约束的人脸图像风格化方法 | |
Zhu et al. | Change detection based on the combination of improved SegNet neural network and morphology | |
CN109670401A (zh) | 一种基于骨骼运动图的动作识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140528 |