本公開涉及一種鼻部關鍵點的標注方法、裝置、電子設備及存儲介質。該方法包括獲取基于渲染數據生成的人臉的渲染圖像，渲染圖像包括鼻部待標注的關鍵點，渲染數據包括關鍵點的三維位置和鼻部的多個預設區域；響應于關鍵點的三維位置投影到二維圖像的投影位置在渲染圖像中不可見，獲取標注參數，標注參數至少包括關鍵點的參考輪廓的位置，參考輪廓為與關鍵點對應的預設區域的輪廓，與關鍵點對應的預設區域為包括關鍵點的概率大于第一閾值的預設區域；依據標注參數，標注關鍵點在渲染圖像中的位置。可見，該方法自動標注關鍵點在渲染圖像中的位置，并因為參數的客觀性而對于同一關鍵點能夠獲得統一的標注結果，有利于降低訓練得到的模型的誤差。

技術領域

本公開涉及圖像處理技術領域，尤其涉及一種鼻部關鍵點的標注方法、裝置、電子設備及存儲介質。

背景技術

人臉關鍵點檢測是人臉識別和分析領域的關鍵一步，它是諸如自動人臉識別、表情分析、三維人臉重建及其它人臉相關問題的前提和突破口。

而基于深度學習的人臉關鍵點檢測模型，需要大量人臉圖像和標注數據進行訓練，所以，目前通常采用人工標注鼻部關鍵點的方法得到鼻部標注數據，但是，人工標注的方法，人工成本較高，且由于不同標注人員對同一關鍵點的標注結果可能不統一，而導致訓練得到的模型的誤差大。

發明內容

本公開提供一種鼻部關鍵點的標注方法、裝置、電子設備及存儲介質，以至少解決現有的鼻部關鍵點的標注方法人工成本較高，且標注結果不統一而導致訓練得到的模型的誤差大的問題。本公開的技術方案如下：

根據本公開實施例的第一方面，提供一種鼻部關鍵點的標注方法，包括：

獲取人臉的渲染圖像，所述渲染圖像包括鼻部待標注的關鍵點，所述渲染圖像基于渲染數據生成，所述渲染數據包括所述關鍵點的三維位置和所述鼻部的多個預設區域；

響應于所述關鍵點的投影位置在所述渲染圖像中不可見，獲取標注參數，所述標注參數至少包括所述關鍵點的參考輪廓的位置，所述參考輪廓為與所述關鍵點對應的所述預設區域的輪廓，所述與所述關鍵點對應的所述預設區域為包括所述關鍵點的概率大于第一閾值的所述預設區域，所述投影位置為將所述關鍵點的三維位置投影到二維圖像空間得到的位置；

依據所述標注參數，標注所述關鍵點在所述渲染圖像中的位置。

可選地，標注參數還包括：參考線，所述參考線為經過所述關鍵點的投影位置、且方向為鼻中軸線的方向或者所述鼻中軸線的垂直方向的直線；

依據所述標注參數，標注所述關鍵點在所述渲染圖像中的位置，包括：

依據所述參考線與所述參考輪廓的交點，標注所述關鍵點在所述渲染圖像中的位置。

可選地，關鍵點位于所述鼻中軸線上，且所述關鍵點的所述參考線的方向為所述鼻中軸線的方向；

依據所述參考線與所述參考輪廓的交點，標注所述關鍵點在所述渲染圖像中的位置，包括：

依據所述關鍵點與目標線在所述鼻中軸線方向的位置關系，從所述參考線與所述參考輪廓的多個所述交點中，選擇一個所述交點標注為所述關鍵點的位置；所述目標線為垂直于所述鼻中軸線，且過所述鼻中軸線的中點的直線。

可選地，關鍵點位于所述鼻中軸線上；

所述關鍵點的所述參考線的方向為所述鼻中軸線的方向；

依據所述參考線與所述參考輪廓的交點，標注所述關鍵點在所述渲染圖像中的位置，包括：

按照所述關鍵點的所述參考輪廓依據所述概率從大到小的排序，依次查詢所述參考線與所述參考輪廓是否存在所述交點，直到查詢到所述交點；