CN107038429A - 一种基于深度学习的多任务级联人脸对齐方法 - Google Patents
一种基于深度学习的多任务级联人脸对齐方法 Download PDFInfo
- Publication number
- CN107038429A CN107038429A CN201710304638.8A CN201710304638A CN107038429A CN 107038429 A CN107038429 A CN 107038429A CN 201710304638 A CN201710304638 A CN 201710304638A CN 107038429 A CN107038429 A CN 107038429A
- Authority
- CN
- China
- Prior art keywords
- face
- layer
- layers
- error
- key point
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于深度学习的多任务级联人脸对齐方法,包括如下步骤:采用卷积神经网络进行人脸对齐模型训练,其中:主线网络包括8层卷积层、4层归一化层、4层激活层、4层池化层以及一层全连接层,结构是每两层卷积层之后是归一化层、激活层和池化层,以此类推;前三层归一化和最后一层全连接层之后分别由全连接层作为支线网络进行预测,分别预测出人脸的关键点和人脸的属性。本发明在模型的训练过程中加入了性别、是否笑、是否带眼睛、姿态等辅助信息实现了多任务学习,在网络的每两层都有预测输出,实现了由粗到精的级联人脸关键点定位检测,提高了人脸对齐对人脸表情、姿态、性别和遮挡的鲁棒性。
Description
技术领域
本发明涉及一种基于深度学习的多任务级联人脸对齐方法。
背景技术
人脸对齐应用的领域非常广泛:一、人脸识别,关键点预测是人脸识别中的一个极其重要的环节,人脸对齐的鲁棒性直接关系人脸识别的精度;二、人脸器官定位、器官跟踪。通过人脸对齐,我们能够定位到人脸的每个部件,提取相应的部件特征做后续的开发;三、表情识别。通过人脸对齐后,我们能够利用对齐后的人脸形状分析人脸的表情状态;四、人脸漫画/素描图像生成。通过人脸对齐后,我们能够进行人脸漫画和素描生成;五、虚拟现实和增强现实。通过人脸对齐后,我们能够做出很多好玩的应用;六、人脸老化、年轻化、年龄推断。特征融合/图像增强。通过人脸对齐后,我们能够有效提取人脸特征,并分析人脸年龄、人脸老化等;七、性别鉴别。通过人脸对齐,能够对人脸进行性别识别,男女之间的人脸形状有一定的差异性;八、3D卡通。通过人脸对齐能够进行3D卡通模拟。因此提高人脸对齐的鲁棒性具有重大的意义。
现有人脸对齐方法对人脸表情、姿态、遮挡和性别的鲁棒性不高。因此,我们需要设计一种高效率的、高准确率的人脸对齐方法。
发明内容
为了克服现有技术的上述缺点,本发明提出了一种基于深度学习的多任务级联人脸对齐方法。
本发明解决其技术问题所采用的技术方案是:一种基于深度学习的多任务级联人脸对齐方法,包括如下步骤:
步骤一、样本采集:标记人脸的关键点和人脸的属性标签;
步骤二、样本预处理:对人脸图像进行灰度化和归一化处理;
步骤三、采用卷积神经网络进行人脸对齐模型训练,其中:主线网络包括8层卷积层、4层归一化层、4层激活层、4层池化层以及一层全连接层,结构是每两层卷积层之后是归一化层、激活层和池化层,以此类推;前三层归一化和最后一层全连接层之后分别由全连接层作为支线网络进行预测,分别预测出人脸的关键点和人脸的属性;
步骤四、实时输出人脸的关键点和人脸的属性。
与现有技术相比,本发明的积极效果是:在模型的训练过程中加入了性别、是否笑、是否带眼睛、姿态等辅助信息实现了多任务学习,在网络的每两层都有预测输出,实现了由粗到精的级联人脸关键点定位检测。本发明通过基于深度学习的多任务级联训练模型实现了一种高效率和高精度的人脸对齐方法,提高了人脸对齐对人脸表情、姿态、性别和遮挡的鲁棒性。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是人脸对齐训练流程图;
图2是人脸关键点原始图;
图3是人脸轮廓关键点;
图4是人脸五官主要关键点;
图5是人脸五官其余关键点;
图6是人脸对齐预测流程图;
图7是人脸对齐模型结构图。
具体实施方式
一种基于深度学习的多任务级联人脸对齐方法,如图1所示,包括如下步骤:
步骤一、样本采集
(1)人工标记人脸的关键点,如图2所示;
(2)标记人脸属性标签:
性别标签:男性为0,女性为1;是否笑标签:笑为1,不笑为0;是否戴眼镜标签:戴眼镜为1,否则为0;姿态标签:Roll、Pitch、Yaw都为-90至90的范围。人脸姿态为三维空间的右手笛卡尔坐标。pitch是围绕X轴旋转,也叫做俯仰角。yaw是围绕Y轴旋转,也叫偏航角。roll是围绕Z轴旋转,也叫翻滚角。
步骤二、样本预处理
(1)人脸图像灰度化,并做归一化处理:
人脸图像采用灰度图像,并且对图像做归一化处理,即减去图像自身的均值且除以图像自身的标准差。
(2)人脸关键点拆分并做归一化处理:
1)人脸关键点拆分:
将人脸关键点拆分为三个部分:人脸轮廓关键点、人脸五官主要关键点、人脸五官外的其余关键点。拆分效果图如图3、图4、图5所示。
2)人脸关键点归一化处理:截取人脸图像部分,重新确定关键点的坐标,将这些坐标的x和y分别除以人脸图像的宽和高。
步骤三、人脸对齐模型训练:用于训练人脸对齐模型。
人脸对齐模型网络结构图如图7所示。
人脸关键点定位算法采用卷积神经网络,主线网络包括8层卷积层、4层BatchNormalization层,4层激活函数层、4层pooling层以及一层全连接层。结构是每两层卷积层之后是Batch Normalization层,激活层,pooling层,以此类推。前三层pooling和最后一层全连接层之后分别由7层全连接层作为支线网络进行预测,分别预测面部轮廓关键点(Contour Points),五官的主要关键点(Inner Principal Points),五官的其余关键点(Inner Elaborate Points),姿态(Roll Pitch Yaw),性别、是否笑、是否戴眼镜。
人脸关键点的预测和姿态(Roll Pitch Yaw)预测是属于回归问题,而性别、是否笑和是否戴眼镜属于二分类问题。
误差函数的选择方法:由于回归问题的输出是连续的,所以误差计算采用欧式距离;而分类问题的输出是整数非连续,所以误差采用SOFTMAX。
将归一化的图像(50x50x1)作为整个网络的输入,经过两层卷积层、归一化层、激活层和池化层之后分别输入一个34维的全连接层预测人脸轮廓关键点、一个22维的全连层预测人脸五官主要关键点、一个80维的全连层预测人脸其余关键点、一个两维的全连接层预测性别、一个两维的全连接层预测是否微笑、一个两维的全连接层预测是否戴眼镜和一个三维的全连接层预测姿态,并得到误差E1,以此类推分别得到误差E2,E3,E4;E4的误差通过回馈网络到达E3处,假设此时的误差为E4',E4'和误差E3加权求和得到误差E3',E3'通过回馈网络到达E2处,假设此时的误差为E3”,E3”和误差E2加权求得到误差E2’,E2'通过回馈网络到达E1处,假设此时的网络误差为E2”,E2”和误差E1加权求和得到误差E1',E1'通过回馈网络到达网络的入口,此时整个网络的参数更新一次;继续输入图像重复上述的过程,直到E4误差达到一个稳定值,即网络收敛,停止训练,得到人脸对齐模型。
步骤四、实时输出人脸的关键点和人脸的属性(性别、是否笑、是否戴眼镜、姿态)。
本发明的原理为:对姿态、遮挡、面部表情及性别敏感的问题,设计一种基于深度学习的多任务级联人脸对齐方法。该方法将人脸中若干个面部关键点分为三个部分,其中一部分为面部轮廓关键点,一部分为五官主要关键点,一部分为五官次要关键点,且每张人脸的属性标记:性别、是否微笑、是否戴眼镜、脸部姿态(Roll Pitch Yaw)。将这些属性、脸部特征和灰度图像作为卷积神经网络的输入,在网络的每两层都会有相应的预测输出。这样通过多个任务(姿态、遮挡、面部表情及性别)和级联(每两层都有预测输出)训练,模型就会学习到一个对姿态、遮挡、面部表情及性别鲁棒性高的人脸对齐模型。
Claims (7)
1.一种基于深度学习的多任务级联人脸对齐方法,其特征在于:包括如下步骤:
步骤一、样本采集:标记人脸的关键点和人脸的属性标签;
步骤二、样本预处理:对人脸图像进行灰度化和归一化处理;
步骤三、采用卷积神经网络进行人脸对齐模型训练,其中:主线网络包括8层卷积层、4层归一化层、4层激活层、4层池化层以及一层全连接层,结构是每两层卷积层之后是归一化层、激活层和池化层,以此类推;前三层归一化和最后一层全连接层之后分别由全连接层作为支线网络进行预测,分别预测出人脸的关键点和人脸的属性;
步骤四、实时输出人脸的关键点和人脸的属性。
2.根据权利要求1所述的一种基于深度学习的多任务级联人脸对齐方法,其特征在于:在训练阶段将人脸关键点拆分为人脸轮廓关键点、人脸五官主要关键点和人脸五官外的其余关键点三个部分。
3.根据权利要求2所述的一种基于深度学习的多任务级联人脸对齐方法,其特征在于:人脸的属性标签包括:性别标签、是否笑标签、是否戴眼镜标签和姿态标签。
4.根据权利要求3所述的一种基于深度学习的多任务级联人脸对齐方法,其特征在于:步骤三所述采用卷积神经网络进行人脸对齐模型训练包括如下步骤:
第一步,将归一化处理后的人脸图像作为整个网络的输入,经过两层卷积层、归一化层、激活层和池化层之后分别输入一个34维的全连接层预测人脸轮廓关键点、一个22维的全连层预测人脸五官主要关键点、一个80维的全连层预测人脸其余关键点、一个两维的全连接层预测性别、一个两维的全连接层预测是否微笑、一个两维的全连接层预测是否戴眼镜和一个三维的全连接层预测姿态,并得到误差E1,以此类推分别得到误差E2,E3,E4;
第二步,E4的误差通过回馈网络到达E3处,得到误差E4',将误差E4'和误差E3加权求和得到误差E3';E3'通过回馈网络到达E2处,得到误差E3”,将误差E3”和误差E2加权求得到误差E2’;E2'通过回馈网络到达E1处,得到误差E2”,将E2”和误差E1加权求和得到误差E1';将E1'通过回馈网络到达网络的入口,此时整个网络的参数更新一次;
第三步,继续输入图像重复上述的过程,直到E4误差达到一个稳定值、网络收敛时,停止训练,得到人脸对齐模型。
5.根据权利要求4所述的一种基于深度学习的多任务级联人脸对齐方法,其特征在于:所述人脸关键点的预测和姿态预测时采用欧式距离函数计算误差。
6.根据权利要求4所述的一种基于深度学习的多任务级联人脸对齐方法,其特征在于:所述人脸的性别、是否笑和是否戴眼镜预测时采用SOFTMAX函数计算误差。
7.根据权利要求1所述的一种基于深度学习的多任务级联人脸对齐方法,其特征在于:对人脸关键点进行归一化处理的方法为:截取人脸图像部分,重新确定关键点的坐标(x,y),然后分别除以人脸图像的宽和高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710304638.8A CN107038429A (zh) | 2017-05-03 | 2017-05-03 | 一种基于深度学习的多任务级联人脸对齐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710304638.8A CN107038429A (zh) | 2017-05-03 | 2017-05-03 | 一种基于深度学习的多任务级联人脸对齐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107038429A true CN107038429A (zh) | 2017-08-11 |
Family
ID=59537454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710304638.8A Pending CN107038429A (zh) | 2017-05-03 | 2017-05-03 | 一种基于深度学习的多任务级联人脸对齐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107038429A (zh) |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107527029A (zh) * | 2017-08-18 | 2017-12-29 | 卫晨 | 一种改进的Faster R‑CNN人脸检测方法 |
CN107578435A (zh) * | 2017-09-11 | 2018-01-12 | 清华-伯克利深圳学院筹备办公室 | 一种图像深度预测方法及装置 |
CN107704813A (zh) * | 2017-09-19 | 2018-02-16 | 北京飞搜科技有限公司 | 一种人脸活体识别方法及系统 |
CN107729838A (zh) * | 2017-10-12 | 2018-02-23 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的头部姿态估算方法 |
CN107766850A (zh) * | 2017-11-30 | 2018-03-06 | 电子科技大学 | 基于结合人脸属性信息的人脸识别方法 |
CN107886074A (zh) * | 2017-11-13 | 2018-04-06 | 苏州科达科技股份有限公司 | 一种人脸检测方法以及人脸检测系统 |
CN108229445A (zh) * | 2018-02-09 | 2018-06-29 | 深圳市唯特视科技有限公司 | 一种基于级联金字塔网络的多人姿态估计方法 |
CN108446672A (zh) * | 2018-04-20 | 2018-08-24 | 武汉大学 | 一种基于由粗到细脸部形状估计的人脸对齐方法 |
CN108564029A (zh) * | 2018-04-12 | 2018-09-21 | 厦门大学 | 基于级联多任务学习深度神经网络的人脸属性识别方法 |
CN108564088A (zh) * | 2018-04-17 | 2018-09-21 | 广东工业大学 | 车牌识别方法、装置、设备及可读存储介质 |
CN108596024A (zh) * | 2018-03-13 | 2018-09-28 | 杭州电子科技大学 | 一种基于人脸结构信息的肖像生成方法 |
CN108875499A (zh) * | 2017-11-06 | 2018-11-23 | 北京旷视科技有限公司 | 人脸形状点和状态属性检测及增强现实方法和装置 |
CN109360270A (zh) * | 2018-11-13 | 2019-02-19 | 盎锐(上海)信息科技有限公司 | 基于人工智能的3d人脸姿态对齐算法及装置 |
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 |
CN109493297A (zh) * | 2018-11-01 | 2019-03-19 | 重庆中科云丛科技有限公司 | 低质量人脸图像增强方法、系统、设备及存储介质 |
CN109543498A (zh) * | 2017-10-16 | 2019-03-29 | 浙江工商大学 | 一种基于多任务网络的车道线检测方法 |
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 |
CN109635674A (zh) * | 2018-11-22 | 2019-04-16 | 深圳市唯特视科技有限公司 | 一种基于姿态适应的树突状卷积神经网络的人脸对齐方法 |
WO2019075666A1 (zh) * | 2017-10-18 | 2019-04-25 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、终端及存储介质 |
CN109902716A (zh) * | 2019-01-22 | 2019-06-18 | 厦门美图之家科技有限公司 | 一种对齐分类模型的训练方法和图像分类方法 |
WO2019128932A1 (zh) * | 2017-12-25 | 2019-07-04 | 北京市商汤科技开发有限公司 | 人脸姿态分析方法、装置、设备、存储介质以及程序 |
CN109978063A (zh) * | 2019-03-28 | 2019-07-05 | 厦门美图之家科技有限公司 | 一种生成目标对象的对齐模型的方法 |
CN110020600A (zh) * | 2019-03-05 | 2019-07-16 | 厦门美图之家科技有限公司 | 生成用于训练人脸对齐模型的数据集的方法 |
CN110060296A (zh) * | 2018-01-18 | 2019-07-26 | 北京三星通信技术研究有限公司 | 估计姿态的方法、电子设备和显示虚拟对象的方法及设备 |
CN110059637A (zh) * | 2019-04-22 | 2019-07-26 | 上海云从企业发展有限公司 | 一种人脸对齐的检测方法及装置 |
CN110119676A (zh) * | 2019-03-28 | 2019-08-13 | 广东工业大学 | 一种基于神经网络的驾驶员疲劳检测方法 |
CN111223164A (zh) * | 2020-01-08 | 2020-06-02 | 浙江省北大信息技术高等研究院 | 人脸简笔画生成方法及装置 |
CN111259753A (zh) * | 2020-01-10 | 2020-06-09 | 杭州飞步科技有限公司 | 人脸关键点处理方法及装置 |
CN111612133A (zh) * | 2020-05-20 | 2020-09-01 | 广州华见智能科技有限公司 | 基于人脸图像多阶段关系学习的内脏器官特征编码方法 |
CN111680597A (zh) * | 2020-05-29 | 2020-09-18 | 北京百度网讯科技有限公司 | 人脸识别模型处理方法、装置、设备和存储介质 |
CN111753641A (zh) * | 2020-05-07 | 2020-10-09 | 中山大学 | 一种基于人脸高维特征的性别预测方法 |
CN112070058A (zh) * | 2020-09-18 | 2020-12-11 | 深延科技(北京)有限公司 | 人脸面部复合情感表情识别方法及系统 |
CN112450885A (zh) * | 2020-11-27 | 2021-03-09 | 湖南师范大学 | 一种面向癫痫脑电的识别方法 |
CN112699784A (zh) * | 2020-12-29 | 2021-04-23 | 深圳市普渡科技有限公司 | 一种人脸朝向估计方法、装置、电子设备及存储介质 |
CN112825119A (zh) * | 2019-11-20 | 2021-05-21 | 北京眼神智能科技有限公司 | 人脸属性判断方法、装置、计算机可读存储介质及设备 |
CN112825117A (zh) * | 2019-11-20 | 2021-05-21 | 北京眼神智能科技有限公司 | 基于头部特征的行为属性判断方法、装置、介质及设备 |
CN113591967A (zh) * | 2021-07-27 | 2021-11-02 | 南京旭锐软件科技有限公司 | 一种图像处理方法、装置、设备及计算机存储介质 |
CN113610115A (zh) * | 2021-07-14 | 2021-11-05 | 广州敏视数码科技有限公司 | 一种基于灰度图像的高效人脸对齐方法 |
CN115311730A (zh) * | 2022-09-23 | 2022-11-08 | 北京智源人工智能研究院 | 一种人脸关键点的检测方法、系统和电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446862A (zh) * | 2016-10-11 | 2017-02-22 | 厦门美图之家科技有限公司 | 一种人脸检测方法及系统 |
CN106575367A (zh) * | 2014-08-21 | 2017-04-19 | 北京市商汤科技开发有限公司 | 用于基于多任务的人脸关键点检测的方法和系统 |
US20170109571A1 (en) * | 2010-06-07 | 2017-04-20 | Affectiva, Inc. | Image analysis using sub-sectional component evaluation to augment classifier usage |
-
2017
- 2017-05-03 CN CN201710304638.8A patent/CN107038429A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170109571A1 (en) * | 2010-06-07 | 2017-04-20 | Affectiva, Inc. | Image analysis using sub-sectional component evaluation to augment classifier usage |
CN106575367A (zh) * | 2014-08-21 | 2017-04-19 | 北京市商汤科技开发有限公司 | 用于基于多任务的人脸关键点检测的方法和系统 |
CN106446862A (zh) * | 2016-10-11 | 2017-02-22 | 厦门美图之家科技有限公司 | 一种人脸检测方法及系统 |
Cited By (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107527029A (zh) * | 2017-08-18 | 2017-12-29 | 卫晨 | 一种改进的Faster R‑CNN人脸检测方法 |
CN107578435A (zh) * | 2017-09-11 | 2018-01-12 | 清华-伯克利深圳学院筹备办公室 | 一种图像深度预测方法及装置 |
CN107578435B (zh) * | 2017-09-11 | 2019-11-29 | 清华-伯克利深圳学院筹备办公室 | 一种图像深度预测方法及装置 |
CN107704813A (zh) * | 2017-09-19 | 2018-02-16 | 北京飞搜科技有限公司 | 一种人脸活体识别方法及系统 |
CN107704813B (zh) * | 2017-09-19 | 2020-11-17 | 北京一维大成科技有限公司 | 一种人脸活体识别方法及系统 |
CN107729838A (zh) * | 2017-10-12 | 2018-02-23 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的头部姿态估算方法 |
CN109543498A (zh) * | 2017-10-16 | 2019-03-29 | 浙江工商大学 | 一种基于多任务网络的车道线检测方法 |
US11043011B2 (en) | 2017-10-18 | 2021-06-22 | Tencent Technology (Shenzhen) Company Limited | Image processing method, apparatus, terminal, and storage medium for fusing images of two objects |
WO2019075666A1 (zh) * | 2017-10-18 | 2019-04-25 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、终端及存储介质 |
CN109952594B (zh) * | 2017-10-18 | 2022-01-07 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、终端及存储介质 |
CN109952594A (zh) * | 2017-10-18 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、终端及存储介质 |
CN108875499A (zh) * | 2017-11-06 | 2018-11-23 | 北京旷视科技有限公司 | 人脸形状点和状态属性检测及增强现实方法和装置 |
CN107886074B (zh) * | 2017-11-13 | 2020-05-19 | 苏州科达科技股份有限公司 | 一种人脸检测方法以及人脸检测系统 |
CN107886074A (zh) * | 2017-11-13 | 2018-04-06 | 苏州科达科技股份有限公司 | 一种人脸检测方法以及人脸检测系统 |
CN107766850A (zh) * | 2017-11-30 | 2018-03-06 | 电子科技大学 | 基于结合人脸属性信息的人脸识别方法 |
CN107766850B (zh) * | 2017-11-30 | 2020-12-29 | 电子科技大学 | 基于结合人脸属性信息的人脸识别方法 |
US11341769B2 (en) | 2017-12-25 | 2022-05-24 | Beijing Sensetime Technology Development Co., Ltd. | Face pose analysis method, electronic device, and storage medium |
WO2019128932A1 (zh) * | 2017-12-25 | 2019-07-04 | 北京市商汤科技开发有限公司 | 人脸姿态分析方法、装置、设备、存储介质以及程序 |
CN110060296A (zh) * | 2018-01-18 | 2019-07-26 | 北京三星通信技术研究有限公司 | 估计姿态的方法、电子设备和显示虚拟对象的方法及设备 |
CN108229445A (zh) * | 2018-02-09 | 2018-06-29 | 深圳市唯特视科技有限公司 | 一种基于级联金字塔网络的多人姿态估计方法 |
CN108596024A (zh) * | 2018-03-13 | 2018-09-28 | 杭州电子科技大学 | 一种基于人脸结构信息的肖像生成方法 |
CN108596024B (zh) * | 2018-03-13 | 2021-05-04 | 杭州电子科技大学 | 一种基于人脸结构信息的肖像生成方法 |
CN108564029A (zh) * | 2018-04-12 | 2018-09-21 | 厦门大学 | 基于级联多任务学习深度神经网络的人脸属性识别方法 |
CN108564029B (zh) * | 2018-04-12 | 2020-12-01 | 厦门大学 | 基于级联多任务学习深度神经网络的人脸属性识别方法 |
CN108564088A (zh) * | 2018-04-17 | 2018-09-21 | 广东工业大学 | 车牌识别方法、装置、设备及可读存储介质 |
CN108446672A (zh) * | 2018-04-20 | 2018-08-24 | 武汉大学 | 一种基于由粗到细脸部形状估计的人脸对齐方法 |
CN108446672B (zh) * | 2018-04-20 | 2021-12-17 | 武汉大学 | 一种基于由粗到细脸部形状估计的人脸对齐方法 |
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 |
CN109493297B (zh) * | 2018-11-01 | 2020-08-18 | 重庆中科云从科技有限公司 | 低质量人脸图像增强方法、系统、设备及存储介质 |
CN109493297A (zh) * | 2018-11-01 | 2019-03-19 | 重庆中科云丛科技有限公司 | 低质量人脸图像增强方法、系统、设备及存储介质 |
CN109360270B (zh) * | 2018-11-13 | 2023-02-10 | 盎维云(深圳)计算有限公司 | 基于人工智能的3d人脸姿态对齐方法及装置 |
CN109360270A (zh) * | 2018-11-13 | 2019-02-19 | 盎锐(上海)信息科技有限公司 | 基于人工智能的3d人脸姿态对齐算法及装置 |
CN109635674A (zh) * | 2018-11-22 | 2019-04-16 | 深圳市唯特视科技有限公司 | 一种基于姿态适应的树突状卷积神经网络的人脸对齐方法 |
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 |
CN109558864B (zh) * | 2019-01-16 | 2021-07-30 | 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 |
CN109902716A (zh) * | 2019-01-22 | 2019-06-18 | 厦门美图之家科技有限公司 | 一种对齐分类模型的训练方法和图像分类方法 |
CN109902716B (zh) * | 2019-01-22 | 2021-01-29 | 厦门美图之家科技有限公司 | 一种对齐分类模型的训练方法和图像分类方法 |
CN110020600A (zh) * | 2019-03-05 | 2019-07-16 | 厦门美图之家科技有限公司 | 生成用于训练人脸对齐模型的数据集的方法 |
CN110020600B (zh) * | 2019-03-05 | 2021-04-16 | 厦门美图之家科技有限公司 | 生成用于训练人脸对齐模型的数据集的方法 |
CN110119676A (zh) * | 2019-03-28 | 2019-08-13 | 广东工业大学 | 一种基于神经网络的驾驶员疲劳检测方法 |
CN110119676B (zh) * | 2019-03-28 | 2023-02-03 | 广东工业大学 | 一种基于神经网络的驾驶员疲劳检测方法 |
CN109978063A (zh) * | 2019-03-28 | 2019-07-05 | 厦门美图之家科技有限公司 | 一种生成目标对象的对齐模型的方法 |
CN110059637A (zh) * | 2019-04-22 | 2019-07-26 | 上海云从企业发展有限公司 | 一种人脸对齐的检测方法及装置 |
CN112825119A (zh) * | 2019-11-20 | 2021-05-21 | 北京眼神智能科技有限公司 | 人脸属性判断方法、装置、计算机可读存储介质及设备 |
CN112825117A (zh) * | 2019-11-20 | 2021-05-21 | 北京眼神智能科技有限公司 | 基于头部特征的行为属性判断方法、装置、介质及设备 |
CN111223164B (zh) * | 2020-01-08 | 2023-10-24 | 杭州未名信科科技有限公司 | 人脸简笔画生成方法及装置 |
CN111223164A (zh) * | 2020-01-08 | 2020-06-02 | 浙江省北大信息技术高等研究院 | 人脸简笔画生成方法及装置 |
CN111259753A (zh) * | 2020-01-10 | 2020-06-09 | 杭州飞步科技有限公司 | 人脸关键点处理方法及装置 |
CN111753641A (zh) * | 2020-05-07 | 2020-10-09 | 中山大学 | 一种基于人脸高维特征的性别预测方法 |
CN111753641B (zh) * | 2020-05-07 | 2023-07-18 | 中山大学 | 一种基于人脸高维特征的性别预测方法 |
CN111612133B (zh) * | 2020-05-20 | 2021-10-19 | 广州华见智能科技有限公司 | 基于人脸图像多阶段关系学习的内脏器官特征编码方法 |
CN111612133A (zh) * | 2020-05-20 | 2020-09-01 | 广州华见智能科技有限公司 | 基于人脸图像多阶段关系学习的内脏器官特征编码方法 |
CN111680597A (zh) * | 2020-05-29 | 2020-09-18 | 北京百度网讯科技有限公司 | 人脸识别模型处理方法、装置、设备和存储介质 |
CN111680597B (zh) * | 2020-05-29 | 2023-09-01 | 北京百度网讯科技有限公司 | 人脸识别模型处理方法、装置、设备和存储介质 |
CN112070058A (zh) * | 2020-09-18 | 2020-12-11 | 深延科技(北京)有限公司 | 人脸面部复合情感表情识别方法及系统 |
CN112450885A (zh) * | 2020-11-27 | 2021-03-09 | 湖南师范大学 | 一种面向癫痫脑电的识别方法 |
CN112699784A (zh) * | 2020-12-29 | 2021-04-23 | 深圳市普渡科技有限公司 | 一种人脸朝向估计方法、装置、电子设备及存储介质 |
CN113610115A (zh) * | 2021-07-14 | 2021-11-05 | 广州敏视数码科技有限公司 | 一种基于灰度图像的高效人脸对齐方法 |
CN113610115B (zh) * | 2021-07-14 | 2024-04-12 | 广州敏视数码科技有限公司 | 一种基于灰度图像的高效人脸对齐方法 |
CN113591967A (zh) * | 2021-07-27 | 2021-11-02 | 南京旭锐软件科技有限公司 | 一种图像处理方法、装置、设备及计算机存储介质 |
CN113591967B (zh) * | 2021-07-27 | 2024-06-11 | 南京旭锐软件科技有限公司 | 一种图像处理方法、装置、设备及计算机存储介质 |
CN115311730A (zh) * | 2022-09-23 | 2022-11-08 | 北京智源人工智能研究院 | 一种人脸关键点的检测方法、系统和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107038429A (zh) | 一种基于深度学习的多任务级联人脸对齐方法 | |
Várkonyi-Kóczy et al. | Human–computer interaction for smart environment applications using fuzzy hand posture and gesture models | |
CN108491880B (zh) | 基于神经网络的物体分类和位姿估计方法 | |
CN116152267B (zh) | 基于对比性语言图像预训练技术的点云实例分割方法 | |
Yin et al. | Finger identification and hand posture recognition for human–robot interaction | |
Kong et al. | Head pose estimation from a 2D face image using 3D face morphing with depth parameters | |
Liu et al. | Facial expression recognition using pose-guided face alignment and discriminative features based on deep learning | |
CN111680550B (zh) | 情感信息识别方法、装置、存储介质及计算机设备 | |
Zhou et al. | Differentiable multi-granularity human parsing | |
Yin et al. | Hand image segmentation using color and RCE neural network | |
Chang et al. | Automated facial expression recognition system using neural networks | |
Liang et al. | Hough forest with optimized leaves for global hand pose estimation with arbitrary postures | |
Yang et al. | Group behavior recognition using attention-and graph-based neural networks | |
CN111401151A (zh) | 一种精确的三维手部姿态估计方法 | |
Sun et al. | 3-D facial feature reconstruction and learning network for facial expression recognition in the wild | |
Gilani et al. | Towards large-scale 3D face recognition | |
Gheitasi et al. | Estimation of hand skeletal postures by using deep convolutional neural networks | |
CN115731275A (zh) | 基于注意力机制的非刚性三维点云配准方法及系统 | |
Wei et al. | Dual regression for efficient hand pose estimation | |
CN114511924A (zh) | 基于自适应增广与表示学习的半监督骨骼动作识别方法 | |
Bakhat et al. | Katz centrality based approach to perform human action recognition by using OMKZ | |
Rosato et al. | Automatic registration of vertex correspondences for 3D facial expression analysis | |
Milad et al. | RETRACTED ARTICLE: An integrated 3D model based face recognition method using synthesized facial expressions and poses for single image applications | |
CN110032270B (zh) | 一种基于手势识别的人机交互方法 | |
Wang et al. | Generative adversarial networks based motion learning towards robotic calligraphy synthesis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170811 |
|
RJ01 | Rejection of invention patent application after publication |