基于MTCNN算法的人脸多特征点检测方法及装置与流程

技术特征：
1.一种基于mtcnn算法的人脸多特征点检测方法，其特征在于所述方法为在mtcnn算法的基础上，将输入数据集中的人脸特征点的标定数量设置为大于或等于六个；所述人脸特征点均为在初始人脸图像上进行的自由标定点，且将标定人脸特征点后的初始人脸图像利用mtcnn算法训练，形成人脸特征数据模型，以所述人脸特征数据模型作为mtcnn算法的检测依据。2.根据权利要求1所述的基于mtcnn算法的人脸多特征点检测方法，其特征在于：输入数据集中人脸特征点的标定数量设置为19
‑
21个，且均布于人脸的面部五官的位置。3.根据权利要求1或2所述的基于mtcnn算法的人脸多特征点检测方法，其特征在于：所述输入数据集中的人脸特征点包括至少两个侧脸特征点。4.根据权利要求1所述的基于mtcnn算法的人脸多特征点检测方法，其特征在于：所述输入数据集为多个，分别基于各自的初始人脸图像完成人脸检测与人脸特征点标定，且所述输入数据集基于aflw数据集完成的人脸特征点标定。5.根据权利要求1所述的基于mtcnn算法的人脸多特征点检测方法，其特征在于：所述输入数据集中包括人脸图像数据与人脸特征点数据，所述输入数据集通过金字塔处理后形成p
‑
net数据，所述p
‑
net数据为基于输入数据集识别出的不同尺寸大小的人脸数据，基于所述p
‑
net数据去掉重复人脸矩形框后形成r
‑
net数据，再基于所述r
‑
net标定人脸矩形框后形成具有人脸特征数据模型的o
‑
net数据。6.一种基于mtcnn算法的人脸多特征点检测装置，其特征在于所述的装置包括摄像头与检测处理模块，所述摄像头接入检测处理模块，所述摄像头用于采集图像数据并传输至检测处理模块中，所述检测处理模块用于通过权利要求1至5任意一项所述的方法，对当前的图像数据进行人脸检测。7.根据权利要求6所述的基于mtcnn算法的人脸多特征点检测装置，其特征在于：所述检测处理模块通过具有19
‑
21个人脸特征点的人脸特征数据模型，对当前图像数据中的人脸进行检测。8.根据权利要求6或7所述的基于mtcnn算法的人脸多特征点检测装置，其特征在于：所述检测处理模块用于执行mtcnn算法，且其内部预置有经过mtcnn算法程序训练的人脸特征数据模型。

技术总结
本发明公开了一种基于MTCNN算法的人脸多特征点检测方法及装置，属一种人脸检测方法，所述方法为在MTCNN算法的基础上，将输入数据集中的人脸特征点的标定数量设置为大于或等于六个；所述人脸特征点均为在初始人脸图像上进行的自由标定点，且将标定人脸特征点后的初始人脸图像均利用MTCNN算法训练，形成人脸特征数据模型，以所述人脸特征数据模型作为MTCNN算法的识别依据。通过将MTCNN算法模型中的特征点的标定数量增多，并通过算法训练，从而有效提升了人脸识别的精确性，亦可对特征点标定数量进行扩展，实现对侧脸识别，更为适宜在TMS系统等医疗器械等领域中对人脸识别精度要求更为精确的场景中使用。要求更为精确的场景中使用。要求更为精确的场景中使用。


技术研发人员：龚启勇 幸浩洋 黄晓琦 吕粟
受保护的技术使用者：四川大学华西医院
技术研发日：2021.11.03
技术公布日：2021/12/3