[發明專利]用于圖像對準的最佳梯度尋蹤

在審

• 申請號: 201210143415.5
• 申請日: 2012-04-27
• 公開（公告）號: CN103377382A
• 公開（公告）日: 2013-10-30
• 發明（設計）人: 劉小明;F·W·惠勒;P·H·圖;涂吉林
• 申請（專利權）人: 通用電氣公司
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 葉曉勇;朱海煜

1.一種方法包括：

獲取人的面部圖像；以及

通過由系統的處理器所執行的軟件，使用判別面部對準模型將通用面部網格對準到所述面部圖像以幫助所述面部圖像的面部特征的定位，所述判別面部對準模型包括生成形狀模型組件和判別表觀模型組件，所述判別表觀模型組件用訓練數據訓練以評估評分函數，所述評分函數是給定圖像的形狀參數的函數，并且力圖最小化用于所述形狀參數的所述評分函數的梯度方向與用于所述形狀參數的理想對準移動方向之間的角度。

2.如權利要求1所述的方法，其中所述判別表觀模型組件用訓練數據訓練，以通過目標函數評估所述評分函數，對所述訓練數據的所有形狀參數p，所述目標函數定義為：

argminFΣp(H(p;p→+)-1)2]]>

其中F是所述評分函數并且是等于分別表示所述梯度方向和所述理想對準移動方向的兩單位向量之間的內積的分類器。

3.如權利要求2所述的方法，其中最小化所述目標函數包括將每個操作于各自的單個矩形面部特征的弱函數相加。

4.如權利要求1所述的方法，包括在對準之后，由所述處理器通過額外的軟件在所述面部圖像上進行面部辨別。

5.如權利要求1所述的方法，其中獲取所述人的所述面部圖像包括分析圖像數據以檢測所述人的所述面部。

6.如權利要求1所述的方法，包括用所述訓練數據來訓練所述判別表觀模型。

7.如權利要求6所述的方法，包括通過梯度上升最佳化所述評分函數。

8.如權利要求6所述的方法，包括：

對多個面部圖像的每個面部圖像計算地表真實形狀參數；以及

通過所述地表真實形狀參數的隨機擾亂為每個面部圖像合成多個變更的形狀參數。

9.如權利要求8所述的方法，其中所述訓練數據包括基于所述變更的形狀參數的翹曲圖像集，以及用于所述翹曲圖像的理想移動方向。

10.一種系統包括：

存儲器裝置，具有存儲于其中的多個例程；

處理器，配置為執行存儲于所述存儲器裝置的所述多個例程，所述多個例程包括：

配置為訪問訓練圖像集的例程；以及

配置為使用所述訓練圖像集來訓練表觀模型以學習對準評分函數的例程，所述對準評分函數將所述對準評分函數的梯度方向與理想移動方向之間的角度最小化到期望的對準。

11.如權利要求10所述的系統，其中所述多個例程包括：

配置成為所述訓練圖像集的每個圖像確定地表真實形狀參數的例程；以及

配置為合成從所述地表真實形狀參數中偏離的多個形狀參數的例程。

12.如權利要求11所述的系統，其中配置為合成所述多個形狀參數的例程包括配置為通過隨機擾亂來合成所述多個形狀參數的例程。

13.如權利要求10所述的系統，其中配置為訓練所述表觀模型的例程包括通過以下這些來學習所述對準評分函數的例程，即初始化所述對準評分函數，迭代地評估多個操作于單個矩形特征上的弱函數，以及遞增地將所述多個弱函數的所述評估加到所述對準評分函數。

14.如權利要求13所述的系統，其中迭代地評估所述多個弱函數包括相對于1基于分類器函數的最小二乘距離擬合所述多個弱函數的所述弱函數。