[發(fā)明專利]確定正面的臉部姿態(tài)的方法

有效

• 申請?zhí)枺?/td>: 201010576227.2
• 申請日: 2010-12-07
• 公開（公告）號: CN102087703A
• 公開（公告）日: 2011-06-08
• 發(fā)明（設(shè)計）人: 洪泰和;鄭榮民;孫柱榮;金昌漢;趙成大
• 申請（專利權(quán)）人: 三星電子株式會社
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京市柳沈律師事務(wù)所 11105
• 代理人: 邵亞麗

技術(shù)領(lǐng)域

本發(fā)明總體上涉及用于確定正面的臉部姿態(tài)的方法，并且更具體地，涉及通過使用臉部的對稱性來確定正面的臉部姿態(tài)的方法。

背景技術(shù)

通常，物理量化臉部姿態(tài)要求知道三個方向軸的旋轉(zhuǎn)信息-偏轉(zhuǎn)(yaw)、俯仰(pitch)和側(cè)傾(roll)。然而，由于通過照相機輸入的圖像信息被投影到二維(2D)平面上，在實踐中軸的測量是不可能的。結(jié)果，對這樣的方案已經(jīng)展開研究，在該方案中，臉部的形狀以類似于圓柱體的三維(3D)形式建模，計算與圖像投影平面的關(guān)系，然后估計臉部的姿態(tài)。然而，該方案不得不重復(fù)計算模型與投影平面之間的關(guān)系逆矩陣，這要求大量的處理時間和并具有較高的復(fù)雜度。因此，該方案不能被應(yīng)用于嵌入式環(huán)境中的實時應(yīng)用，因為這樣的系統(tǒng)的性能關(guān)于測量值具有10度的允許誤差(tolerance?error)。

已經(jīng)對用于檢測或跟蹤檢測到的臉部中的多個特征點(例如眼睛、鼻子、嘴等)并使用它們之間的幾何關(guān)系(例如距離、角度、面積等)來估計臉部的姿態(tài)的方法(“基于特征點跟蹤的方法”)展開了許多研究。這種方法在速度方面比基于圓柱體模型的方法更具優(yōu)勢，但是幾何姿態(tài)估計方法只有在必須獨立檢測每個特征點并且必須確保所檢測位置的準確性時才有意義，由此使得計算量不小，并且該方法的性能可能并不優(yōu)于基于圓柱體模型的方法。

上述方法被用來估計臉部的姿態(tài)(即，偏轉(zhuǎn)、俯仰或側(cè)傾)，并且通常用于解決確定姿態(tài)是否是正面的臉部姿態(tài)這一問題的方法大多通過學(xué)習(xí)來實現(xiàn)。換句話說，定義正面的臉部姿態(tài)的可能范圍，大量收集對應(yīng)于正面臉部姿態(tài)的學(xué)習(xí)數(shù)據(jù)和對應(yīng)于非正面臉部姿態(tài)的學(xué)習(xí)數(shù)據(jù)，然后通過學(xué)習(xí)方法設(shè)計能夠最大限度區(qū)分學(xué)習(xí)數(shù)據(jù)的分類器。為此，經(jīng)常使用諸如神經(jīng)網(wǎng)絡(luò)或支持矢量機(Support?Vector?Machine，SVM)的模式識別方法。

然而，用于分析臉部姿態(tài)的傳統(tǒng)方法需要可觀的計算時間。基于模型的方法很難應(yīng)用到單個圖像，甚至對于移動圖像也必須定期地糾正錯誤。出于這個原因，基于模型的方法不適合要求實時姿態(tài)分析功能的嵌入式系統(tǒng)。基于特征點跟蹤的方法需要以準確檢測必要特征點為基礎(chǔ)，并且具有較高的誤差率，且在實時生成結(jié)果方面存在困難。

利用臉部對稱性對臉部進行分析的傳統(tǒng)方法已經(jīng)被用于檢測圖像中的臉部區(qū)域，但是這些方法由于臉部對稱性而對臉部姿態(tài)有所限制，從而在實踐中具有許多問題。

發(fā)明內(nèi)容

因此，本發(fā)明的方面提供使用臉部對稱性來確定正面臉部姿態(tài)的方法。

根據(jù)本發(fā)明的一個方面，提供了用于確定正面的臉部姿態(tài)的方法。該方法包括：在圖像中檢測臉部區(qū)域；在所檢測的臉部區(qū)域中檢測眼部區(qū)域；標準化臉部區(qū)域；分析標準化的臉部區(qū)域中的對稱性；以及基于對稱性分析確定臉部姿態(tài)是否是正面的臉部姿態(tài)。

附圖說明

通過以下結(jié)合附圖的具體說明，本發(fā)明實施例的上述和其他特征和有益效果將變得更明顯，附圖中：

圖1是例示根據(jù)本發(fā)明的實施例的用于確定正面的臉部姿態(tài)的方法的流程圖；

圖2是例示圖1的臉部標準化過程的流程圖；

圖3是例示圖1的對稱性分析過程的流程圖；

圖4至圖5B是例示圖2的眼部區(qū)域檢測過程的示圖；

圖6是例示圖2中的應(yīng)用了掩模的圖像的示圖；

圖7A至圖7E是例示圖2中的安排了臉部的圖像和應(yīng)用了掩模的圖像的示圖；

圖8A至8C是例示旋轉(zhuǎn)不變性局部二值模式(Rotation-invariant?Local?Binary?Pattern，Ri-LBP)的示圖；以及

圖9A至圖9C是例示圖1的對稱性分析過程的示圖。

具體實施方式

將參考附圖詳細說明本發(fā)明的實施例。附圖全文中相同的附圖標記表示相同的元件。

圖1是例示根據(jù)本發(fā)明的實施例的用于確定正面的臉部姿態(tài)的方法的流程圖。

參考圖1，如果在步驟100在正面的臉部姿態(tài)確定模式下輸入圖像，則在步驟200控制器(未示出)檢測圖像的輸入并且從輸入圖像中檢測臉部區(qū)域。

控制器使用基于Adaboost學(xué)習(xí)模式的窗口掃描方案(Adaboost?learning?pattern-based?window?scan?scheme)利用輸入圖像形成具有N級的金字塔，然后掃描從每個金字塔圖像學(xué)習(xí)的臉部窗口以搜索候選圖像。然后，合并在候選圖像中位于相似位置的對象以確定和檢測臉部區(qū)域。

一旦控制器在步驟200檢測到臉部區(qū)域，控制器就在步驟300從所檢測的臉部區(qū)域中檢測眼部區(qū)域。