[發(fā)明專利]一種基于ASM算法的人臉特征定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 200910059648.5
• 申請(qǐng)日: 2009-06-18
• 公開（公告）號(hào): CN101593272A
• 公開（公告）日: 2009-12-02
• 發(fā)明（設(shè)計(jì)）人: 解梅;徐華
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/36
• 代理公司: 電子科技大學(xué)專利中心
• 代理人: 葛啟函

1.一種基于ASM算法的人臉特征定位方法，包含下列步驟：

步驟1.選取人臉庫(kù)中的M張圖片作為樣本集并對(duì)其進(jìn)行特征點(diǎn)的標(biāo)定；

對(duì)人臉庫(kù)中的每張樣本圖片的主要器官的輪廓進(jìn)行n個(gè)特征點(diǎn)的手工標(biāo)定，則一張樣本圖片由n個(gè)特征點(diǎn)的坐標(biāo)值X＝(x₁，...，x_n，y₁，...，y_n)^T表示；M張圖片的樣本集表示成XA＝(X₁，X₂，...，X_M)；

步驟2.采用Procrustes?Analysis算法對(duì)樣本集XA進(jìn)行配準(zhǔn)，具體包括；

步驟2-1.固定樣本集XA中的第k列向量X_k，計(jì)算第k列向量X_k和第m列向量X_m的平均值c_k和c_m，其中1≤k≤M，m≠k且1≤m≤M；

步驟2-2.計(jì)算矩陣B＝(X_m-I·c_m)(X_k-I·c_k)^T，其中I為一個(gè)和X具有相同維數(shù)的單位向量；并對(duì)矩陣B進(jìn)行奇異值分解，得到B＝USV^T，其中U為2n階正交矩陣，V為2n階正交矩陣，S是矩陣B的奇異值；

步驟2-3.構(gòu)造旋轉(zhuǎn)矩陣R＝UV^T，位移矩陣T＝I·c_k-R·c_m；

步驟2-4.X_m經(jīng)過(guò)以X_k為基準(zhǔn)進(jìn)行配準(zhǔn)后，得到的向量Y_m＝R·X_m+T；

步驟2-5.對(duì)XA中的每一列不同于X_k的向量做步驟2-2至步驟2-4的變換，得到與XA同樣大小的新的樣本集YA＝(Y₁，Y₂，...，Y_M)，其中Y_k＝X_k；

步驟3.計(jì)算平均人臉模型Y‾=1MΣi=1MYi;]]>

步驟4.采用對(duì)三種分辨率下的圖片進(jìn)行輪廓搜索的策略，建立統(tǒng)計(jì)灰度搜索模型，具體方法如下：

針對(duì)人臉庫(kù)中的每張樣本圖片的每一個(gè)特征點(diǎn)，以該特征點(diǎn)的坐標(biāo)為中心，取其法線方向兩側(cè)各w個(gè)像素點(diǎn)的灰度值按順序組成向量g＝(g₁，g₂，...，g_(2w+1))^T；然后求出向量g＝(g₁，g₂，...，g_(2w+1))^T的一階差分向量g′＝(g₂-g₁，g₃-g₂，...，g_(2w+1)-g_2w)；其次構(gòu)建該特征點(diǎn)的灰度搜索模型接著構(gòu)建該人臉樣本圖片的搜索模型G^*＝(g^*₁，g^*₂，...，g^*_n)；最后構(gòu)建人臉庫(kù)中整個(gè)人臉樣本圖片集的統(tǒng)計(jì)灰度搜索模型

步驟5.對(duì)待定位人臉圖像Y_s進(jìn)行搜索定位，包括以下具體步驟；

步驟5-1.搜索的初始位置為其中為待定位人臉圖像Y_s的人臉模型，其中：M(s，θ)表示縮放、旋轉(zhuǎn)操作，s為縮放因子，θ為旋轉(zhuǎn)因子；T為代表平移操作的平移因子；P＝(p₁，p₂，...，p_t)，b＝(λ₁?λ₂...λ_t)，b由協(xié)方差矩陣的t個(gè)最大的特征值從大到小的順序排列而成，P由b中特征值對(duì)應(yīng)的正交特征向量構(gòu)成，t的取值為不等式確定的最小值，權(quán)值系數(shù)α取0.98或0.95，b向量初始元素值為0；

步驟5-2.根據(jù)待定位人臉圖像Y_s的人臉模型在待定位人臉圖像Y_s中提取n個(gè)特征點(diǎn)，以每個(gè)特征點(diǎn)坐標(biāo)為中心，取其法線方向兩側(cè)各l個(gè)像素點(diǎn)的灰度值，根據(jù)步驟4的方法計(jì)算得到本次搜索的局部灰度模型其中l(wèi)＞w；

步驟5-3.匹配統(tǒng)計(jì)灰度搜索模型和局部灰度模型以確定n個(gè)特征點(diǎn)的移動(dòng)方向dY，移動(dòng)方向dY確定后，姿態(tài)參數(shù)控制的等式(y+dY)＝M(1+ds，dθ)[y]+dT成立；

步驟5-4.位置參數(shù)dy由等式M(s(1+ds)，θ+dθ)[Y+dy]+T+dT＝y(tǒng)+dY確定，等式變換得到dy＝M((s(1+ds))^-1，-(θ+dθ))[M(s，θ)[Y]+dY-dT]-y；

步驟5-5.Y+dy≈Y‾+P(b+db)]]>成立，更新形狀參數(shù)db＝P^-1·dy；

步驟5-6.循環(huán)5-1到5-5，直至本次循環(huán)與上次循環(huán)結(jié)果的n個(gè)特征點(diǎn)的坐標(biāo)值之和的差異值占本次循環(huán)結(jié)果的比例小于閾值Tg時(shí)，搜索完成，定位結(jié)束，得到待定位人臉圖像Y_s的人臉模型Y‾s=Y‾+Pb.]]>

2.根據(jù)權(quán)利要求1所述的基于ASM算法的人臉特征定位方法，其特征在于，步驟5-6中所述閾值Tg的取值范圍是(0，0.001]。