[發明專利]人臉特征點的檢測定位方法以及系統

在審

• 申請號: 201210464085.X
• 申請日: 2012-11-16
• 公開（公告）號: CN103824087A
• 公開（公告）日: 2014-05-28
• 發明（設計）人: 金連文;葉植超;毛慧蕓;梁凌宇
• 申請（專利權）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
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/00
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 羅延紅

技術領域

本申請涉及一種人臉特征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征點初始化賦值，再對人臉區域進行多分辨率的特征點定位搜索，此后基于Gabor紋理特征執行特征點精確定位的特征點檢測定位方法和系統。

背景技術

人臉特征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。人臉特征點一般包括眉毛、眼睛、鼻子、嘴巴和臉部輪廓。這里的定位信息通常用作進一步后續處理，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。

目前在人臉特征點檢測領域用得最多最廣的方法是主動形狀模型(Active?Shape?Model，ASM)，ASM由國外學者Cootes和Taylor在上世紀90年代提出的，它思想上源自于主動輪廓模型(Active?Contour?Model)。是一個基于訓練和統計的模型。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，由于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征點的走向，得到特征點新的位置，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征點檢測方法。

但是，由于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、特征點定位不理想甚至失敗。此外，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

本發明的目的在于提供一種人臉特征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征點初始化賦值，再對人臉區域進行多分辨率的特征點定位搜索，此后基于Gabor紋理特征執行特征點精確定位，從而較為精確地定位人臉特征點。

本發明的目的在于提供一種通過網絡提供人臉特征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征點初始化賦值，再對人臉區域進行多分辨率的特征點定位搜索，此后基于Gabor紋理特征執行特征點精確定位，并且將確定的特征點信息提供給客戶機，從而較為精確地定位人臉特征點。

根據本發明的一方面，提供一種人臉特征點的檢測定位方法，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征點初始化賦值；基于初始化賦值的特征點以及人眼瞳孔位置，對檢測出的人臉區域執行多分辨率的人臉特征點定位搜索；基于Gabor紋理特征執行各特征點的精確定位處理，從而獲得最終的人臉特征點位置。

可根據類Haar特征以及AdaBoost人臉檢測方法執行人臉區域的檢測。

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寬皆為并且高皆為的矩形區域，其中，(x，y)是人臉矩形區域左上角點的坐標，width和height分別是人臉矩形區域的寬和高；通過對所述左眼估算區域和右眼估算區域分別執行二值化分割得到左眼區域和右眼區域；分別將左眼區域和右眼區域的中心位置確定為人眼左右瞳孔的位置。

所述根據檢測到的人眼瞳孔位置執行特征點初始化賦值的步驟可包括：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_c：