人臉特徵點的檢測定位方法以及系統的製作方法
2023-06-06 17:00:36
人臉特徵點的檢測定位方法以及系統的製作方法
【專利摘要】提供一種人臉特徵點的檢測定位方法以及系統。一種人臉特徵點的檢測定位方法包括：對輸入的人臉圖像執行人臉區域檢測；由檢測出的人臉區域檢測人眼瞳孔位置；根據檢測到的人眼瞳孔位置執行特徵點初始化賦值；基於初始化賦值的特徵點以及人眼瞳孔位置，對檢測出的人臉區域執行多解析度的人臉特徵點定位搜索；基於Gabor紋理特徵執行各特徵點的精確定位處理，從而獲得最終的人臉特徵點位置。
【專利說明】人臉特徵點的檢測定位方法以及系統
【技術領域】
[0001]本申請涉及一種人臉特徵點的檢測定位方法以及系統，尤其涉及一種通過檢測的人眼瞳孔位置進行特徵點初始化賦值，再對人臉區域進行多解析度的特徵點定位搜索，此後基於Gabor紋理特徵執行特徵點精確定位的特徵點檢測定位方法和系統。
【背景技術】
[0002]人臉特徵點定位所要解決的問題是，對一個待處理對象(通常是圖片或者影像)檢測出人臉區域，再進一步地定位出人臉重要五官的坐標位置。人臉特徵點一般包括眉毛、眼睛、鼻子、嘴巴和臉部輪廓。這裡的定位信息通常用作進一步後續處理，例如圖像主人身份的判別、表情識別、人臉追蹤和人臉合成等。
[0003]目前在人臉特徵點檢測領域用得最多最廣的方法是主動形狀模型(ActiveShapeModel, ASM)，ASM由國外學者Cootes和Taylor在上世紀90年代提出的，它思想上源自於主動輪廓模型(Active Contour Model)。是一個基於訓練和統計的模型。它處理的對象通常具有特定的形狀，例如人臉五官，它的形狀樣本是由訓練圖像上的標定點的坐標向量集合表示的。訓練階段，由於處理對象可能存在大小、角度、位置的變換，因此通過對模型(點序列)進行變形(通常包括旋轉、縮放、仿射變換)，歸一化向基準對齊。傳統ASM利用的是局部的灰度信息建立紋理模型。在搜索過程，使用訓練學習得到的紋理信息指導特徵點的走向，得到特徵點新的位置，與此同時，利用形狀訓練結果，輔助修正形狀。通過循環迭代，得到理想的匹配結果。某種程度上，ASM能夠得到不錯的效果，是目前主流的人臉特徵點檢測方法。
[0004]但是，由於ASM使用的是局部紋理，僅利用局部的一維灰度信息作為紋理信息，不太具有區分性，所以容易陷入局部最小，而且也無法實現進一步精確定位。加上標定點周圍的局部灰度信息易受光照和噪音的影響，使得算法不收斂、特徵點定位不理想甚至失敗。此夕卜，ASM對初始位置十分敏感，一旦初始位置偏離目標位置較遠的時候，往往定位結果不盡如意。
【發明內容】
[0005]本發明的目的在於提供一種人臉特徵點的檢測定位方法以及系統，通過檢測的人眼瞳孔位置進行特徵點初始化賦值，再對人臉區域進行多解析度的特徵點定位搜索，此後基於Gabor紋理特徵執行特徵點精確定位，從而較為精確地定位人臉特徵點。
[0006]本發明的目的在於提供一種通過網絡提供人臉特徵點的檢測定位服務的方法和系統，通過從客戶機提供的人臉圖片檢測的人眼瞳孔位置進行特徵點初始化賦值，再對人臉區域進行多解析度的特徵點定位搜索，此後基於Gabor紋理特徵執行特徵點精確定位，並且將確定的特徵點信息提供給客戶機，從而較為精確地定位人臉特徵點。
[0007]根據本發明的一方面，提供一種人臉特徵點的檢測定位方法，所述方法包括:對輸入的人臉圖像執行人臉區域檢測；由檢測出的人臉區域檢測人眼瞳孔位置；根據檢測到的人眼瞳孔位置執行特徵點初始化賦值；基於初始化賦值的特徵點以及人眼瞳孔位置，對檢測出的人臉區域執行多解析度的人臉特徵點定位搜索；基於Gabor紋理特徵執行各特徵點的精確定位處理，從而獲得最終的人臉特徵點位置。
[0008]可根據類Haar特徵以及AdaBoost人臉檢測方法執行人臉區域的檢測。
[0009]所述由檢測出的人臉區域檢測人眼瞳孔位置的步驟可包括:將左眼估
算區域和右眼估算區域分別確定為左上角坐標分別為和
【權利要求】
1.一種人臉特徵點的檢測定位方法，所述方法包括: 對輸入的人臉圖像執行人臉區域檢測； 由檢測出的人臉區域檢測人眼瞳孔位置； 根據檢測到的人眼瞳孔位置執行特徵點初始化賦值； 基於初始化賦值的特徵點以及人眼瞳孔位置，對檢測出的人臉區域執行多解析度的人臉特徵點定位搜索； 基於Gabor紋理特徵執行各特徵點的精確定位處理，從而獲得最終的人臉特徵點位置。
2.如權利要求1所述的方法，其中，根據類Haar特徵以及AdaBoost人臉檢測方法執行人臉區域的檢測。
3.如權利要求1所述的方法，其中，所述由檢測出的人臉區域檢測人眼瞳孔位置的步驟包括: 將左眼估算區域和右眼估算區域分別確定為左上角坐標分別為
4.如權利要求3所述的方法，其中，所述根據檢測到的人眼瞳孔位置執行特徵點初始化賦值的步驟包括: 根據以下公式分別計算旋轉因子Θ、伸縮因子s以及平移因子X。:
5.如權利要求4所述的方法，其中，所述對檢測出的人臉區域執行多解析度的人臉特徵點定位搜索的步驟包括: 根據金字塔圖像處理原理將檢測的人臉圖像進行多解析度子圖像分解，得到K層不同解析度的子圖像，其中，從低到高每層子圖像的長寬是上一層子圖像長寬的一半， 將i取值自K到1，迭代變量j初始化為1，對與i相應的層的子圖像迭代地執行操作a)~d): a)將當前點和其法線上兩邊候選點進行Sobel梯度紋理與訓練模型的馬氏距離的比較，取最小者替換當前位置特徵點， b)根據步驟a)得到的特徵點，更新當前人臉特徵點的形狀參數作為新的當前人臉形狀，然後以該人臉形狀取得平均臉形狀去重新計算並更新平移、伸縮、旋轉參數，以使當前獲得的人臉模型形狀和待檢測人臉的形狀更為匹配， c)在當前層，如果所有特徵點與訓練模型的平均馬氏距離小於一小常數值，或者特徵點的平均更新移動距離小於某一個小常數值，或者j > c*(K_i+l)，其中c為整數常量，則i=1-1，j = I，並返回 a),
d)j = j+1，返回 a)。
6.如權利要求5所述的方法，其中，所述基於Gabor紋理特徵執行各特徵點的精確定位處理的步驟包括: 在經過多解析度的人臉特徵點定位檢索得到的形狀基礎上，針對每個特徵點執行以下操作:選取所述特徵點周圍N*N的方塊,計算所述方塊內每一個點對該特徵點的Gabor紋理特徵值的相似度，選取相似度最高者為作為所述特徵點對應的最終特徵點。
7.—種人臉特徵點的檢測定位方法，所述方法包括在伺服器端執行以下步驟: 從客戶機接收人臉圖像； 對接收的人臉圖像執行人臉區域檢測； 由檢測出的人臉區域檢測人眼瞳孔位置； 根據檢測到的人眼瞳孔位置執行特徵點初始化賦值； 基於初始化賦值的特徵點以及人眼瞳孔位置，對檢測出的人臉區域執行多解析度的人臉特徵點定位搜索； 基於Gabor紋理特徵執行各特徵點的精確定位處理，從而獲得最終的人臉特徵點位置； 將標註有各個最終特徵點位置的人臉圖像發送給所述客戶機。
8.—種人臉特徵點的檢測定位系統，所述系統包括: 第一裝置，用於對輸入的人臉圖像執行人臉區域檢測； 第二裝置，用於由檢測出的人臉區域檢測人眼瞳孔位置； 第三裝置，用於根據檢測到的人眼瞳孔位置執行特徵點初始化賦值； 第四裝置，用於基於初始化賦值的特徵點以及人眼瞳孔位置，對檢測出的人臉區域執行多解析度的人臉特徵點定位搜索； 第五裝置，用於基於Gabor紋理特徵執行各特徵點的精確定位處理，從而獲得最終的人臉特徵點位置。
9.如權利要求8所述的系統，其中，第一裝置根據類Haar特徵以及AdaBoost人臉檢測方法執行人臉區域的檢測。
10.如權利要求8所述的系統，其中，第二裝置在所述由檢測出的人臉區域檢測人眼瞳孔位置時，將左眼估算區域和右眼估算區域分別確定為左上角坐標分別為
11.如權利要求10所述的系統，其中，第三裝置在根據檢測到的人眼瞳孔位置執行特徵點初始化賦值時， 根據以下公式分別計算旋轉因子Θ、伸縮因子s以及平移因子X。:
12.如權利要求11所述的系統，其中，第四裝置在對檢測出的人臉區域執行多解析度的人臉特徵點定位搜索時， 根據金字塔圖像處理原理將檢測的人臉圖像進行多解析度子圖像分解，得到K層不同解析度的子圖像，其中，從低到高每層子圖像的長寬是上一層子圖像長寬的一半， 將i取值自K到1，迭代變量j初始化為1，對與i相應的層的子圖像迭代地執行操作a)~d): a)將當前點和其法線上兩邊候選點進行Sobel梯度紋理與訓練模型的馬氏距離的比較，取最小者替換當前位置特徵點， b)根據步驟a)得到的特徵點，更新當前人臉特徵點的形狀參數作為新的當前人臉形狀，然後以該人臉形狀取得平均臉形狀去重新計算並更新平移、伸縮、旋轉參數，以使當前獲得的人臉模型形狀和待檢測人臉的形狀更為匹配， c)在當前層，如果所有特徵點與訓練模型的平均馬氏距離小於一小常數值，或者特徵點的平均更新移動距離小於某一個小常數值，或者j > c*(K_i+l)，其中c為整數常量，則i=1-1，j = I，並返回 a),
d)j = j+1，返回 a)。
13.如權利要求12所述的系統，其中，第五裝置在基於Gabor紋理特徵執行各特徵點的精確定位處理時， 在經過多解析度的人臉特徵點定位檢索得到的形狀基礎上，針對每個特徵點執行以下操作:選取所述特徵點周圍N*N的方塊,計算所述方塊內每一個點對該特徵點的Gabor紋理特徵值的相似度，選取相似度最高者為作為所述特徵點對應的最終特徵點。
14.一種在伺服器端執行人臉特徵點的檢測定位的系統，所述系統包括: 第一裝置，用於從客戶機接收人臉圖像； 第二裝置，用於對接收的人臉圖像執行人臉區域檢測； 第三裝置，用於由檢測出的人臉區域檢測人眼瞳孔位置； 第四裝置，用於根據檢測到的人眼瞳孔位置執行特徵點初始化賦值； 第五裝置，用於基於初始化賦值的特徵點以及人眼瞳孔位置，對檢測出的人臉區域執行多解析度的人臉特徵點定位搜索； 第六裝置，用於基於Gabor紋理特徵執行各特徵點的精確定位處理，從而獲得最終的人臉特徵點位置； 第七裝置，用於將標註有各個最終特徵點位置的人臉圖像發送給所述客戶機。
【文檔編號】G06K9/00GK103824087SQ201210464085
【公開日】2014年5月28日 申請日期:2012年11月16日 優先權日:2012年11月16日
【發明者】金連文, 葉植超, 毛慧芸, 梁凌宇 申請人:廣州三星通信技術研究有限公司, 華南理工大學, 三星電子株式會社