[發明專利]基于增量主成分分析的特征與模型互匹配人臉跟蹤方法

有效

• 申請號: 201310267907.X
• 申請日: 2013-06-28
• 公開（公告）號: CN103310204A
• 公開（公告）日: 2013-09-18
• 發明（設計）人: 吳懷宇;潘春洪;陳艷琴;趙兩可
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

1.一種基于在線增量主成分分析的特征與模型互匹配人臉跟蹤方法，其特征在于，該方法包括以下步驟：

步驟S1，對于多幅人臉圖像進行離線建模，得到包括形狀模型s和紋理模型w^T的模型匹配(CLM)模型A；

步驟S2，輸入一待跟蹤人臉視頻，對于所述待跟蹤人臉視頻中的每一幀人臉圖像進行關鍵點檢測，將所得到的所有關鍵點的集合和這些關鍵點的魯棒描述子組合起來作為關鍵點模型B；

步驟S3，基于所述步驟S2得到的關鍵點模型B，對于所述待跟蹤人臉視頻中的每一幀人臉圖像進行關鍵點匹配，獲得每一幀人臉圖像中初始的人臉姿態參數組(R，T)，其中，R表示角度參數和T表示位移參數；

步驟S4，利用所述模型A對所述待跟蹤人臉視頻進行CLM人臉跟蹤，得到所述待跟蹤人臉視頻每一幀人臉圖像中特征點的位置；

步驟S5，基于所述步驟S3得到的每一幀人臉圖像中人臉的姿態參數組和所述步驟S4跟蹤得到的每一幀人臉圖像中特征點的位置，對所述待跟蹤人臉視頻中的每一幀人臉圖像進行人臉的再跟蹤；

步驟S6，使用增量PCA方法對所述模型A進行更新，并利用更新后的模型A重復所述步驟S1-S5，得到最終的人臉跟蹤結果。

2.根據權利要求1所述的方法，其特征在于，所述步驟S1進一步包括以下步驟：

步驟S11，根據事先確定的共同的人臉輪廓對所述多幅人臉圖像分別進行標定得到多個標定特征點，并根據所述多個標定特征點的坐標值建立得到一人臉形狀模型s；

步驟12，基于所述步驟S11得到的每一個標定特征點，學習得到能夠體現所述每一個標定特征點對應的具有一定大小區域的紋理特征的紋理模型w^T。

3.根據權利要求2所述的方法，其特征在于，所述步驟S11進一步包括：

步驟S111，采集N張人臉圖像，對于每張人臉圖像都依照所述共同的人臉輪廓進行人為標定，得到多個標定特征點，進而得到N個人臉形狀向量sm：

s_m＝(x₁，y₁，x₂，y₂，...，x_n，y_n)^T，

其中，m表示N張人臉圖像中的第m張人臉圖像，x_i，y_i分別為相應人臉圖像中第i個標定特征點的坐標值，n為所述標定特征點的個數；

步驟S112，用一個平均人臉形狀s₀和u個正交的人臉形狀向量s_i進行線性組合得到所述人臉形狀模型s：

s=s0+Σi=1upisi,]]>

其中，平均人臉形狀s₀為N個人臉形狀向量s_m的均值，p_i是形狀參數，

其值為對所述N個人臉形狀向量s_m進行主成分分析后得到的u個特征向量s_i所對應的權值。

4.根據權利要求3所述的方法，其特征在于，在所述步驟S112中進行主成分分析前，對所述N個人臉形狀向量s_m分別進行普魯斯特分析，以減小運動誤差。

5.根據權利要求2所述的方法，其特征在于，所述步驟12進一步包括以下步驟：

步驟S121，以所述步驟S11得到的每一人臉圖像的每一個標定特征點為中心，取一個大小為r×r的區域作為正樣本，在相應圖像中的任意其他位置處截取多個同樣大小的區域作為負樣本；

步驟S122，基于每個標定特征點所對應的樣本組，利用支持向量機得到每個標定特征點對應的紋理模型w^T。