[發明專利]一種特征點定位方法和裝置

有效

• 申請號: 201610053455.9
• 申請日: 2016-01-27
• 公開（公告）號: CN107016319B
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 周明才;許珍九;洪濤;劉志花;王再冉;李煒明;南東暻;王海濤
• 申請（專利權）人: 北京三星通信技術研究有限公司;三星電子株式會社
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 蔣歡;王琦

1.一種特征點定位方法，其特征在于，包括：

提取待檢測圖像的非線性特征；

根據訓練得到的回歸因子矩陣與所述非線性特征，對形狀系數進行迭代更新；

根據更新后的形狀系數與訓練得到的統計形狀模型，檢測所述待檢測圖像的特征點位置；

其中，所述回歸因子矩陣

根據訓練樣本的最優形狀系數更新量與所述訓練樣本的非線性特征確定。

2.如權利要求1所述的方法，其特征在于：

該方法還包括：每次對形狀系數進行迭代更新之后，將本次迭代更新得到的中間形狀與平均形狀進行對齊，得到全局相似性變換矩陣；

根據所述全局相似性變換矩陣，對所述中間形狀和所述待檢測圖像進行全局相似性變換。

3.如權利要求2所述的方法，其特征在于：

將本次迭代更新得到的中間形狀與平均形狀進行對齊，具體包括：

采用多分辨率金字塔框架，將本次迭代更新得到的中間形狀與平均形狀進行對齊。

4.根據權利要求3所述的方法，其特征在于：

采用多分辨率金字塔框架，將本次迭代更新得到的中間形狀與平均形狀進行對齊，具體包括：

先在第一分辨率的圖像上進行特征點定位，收斂到設定閾值之后，將所述特征點定位的結果映射到第二分辨率的圖像上繼續進行特征點定位，其中，第一分辨率小于第二分辨率。

5.根據權利要求4所述的方法，其特征在于：

進行對齊之后，還包括：根據每次迭代后進行對齊所得到的全局相似性變換矩陣，將對齊后得到的特征點逆變換到所述待檢測圖像的坐標系內。

6.根據權利要求2至5任一項所述的方法，其特征在于：

第k次對形狀系數進行迭代更新所用的全局相似性變換矩陣A_k通過以下目標函數得到：

其中，是第k次迭代后第i個樣本的形狀，s₀為平均形狀。

7.如權利要求1至5任一項所述的方法，其特征在于：

通過下述方式訓練得到所述統計形狀模型：

以標出特征點位置的圖像作為訓練樣本，學習統計形狀模型。

8.如權利要求1所述的方法，其特征在于：

所述非線性特征包括非線性紋理特征；

訓練樣本的非線性特征通過以下方式確定：

從訓練樣本中學習平均紋理特征；

根據從訓練樣本中提取的非線性紋理特征與所述平均紋理特征，確定所述訓練樣本的非線性紋理特征。

9.如權利要求8所述的方法，其特征在于：將從訓練樣本中提取的非線性紋理特征與所述平均紋理特征的差值，確認為所述訓練樣本的非線性紋理特征。

10.如權利要求1所述的方法，其特征在于：

所述非線性特征包括非線性紋理特征；

訓練樣本的非線性特征通過以下方式確定：

從訓練樣本中學習統計紋理模型；

將從訓練樣本中提取的非線性紋理特征投影到所述統計紋理模型切空間后輸出的結果，確認為所述訓練樣本的非線性紋理特征。

11.如權利要求8至10任一項所述的方法，其特征在于：

所述非線性紋理特征包括一種非線性紋理特征或至少兩種非線性紋理特征的組合；

在不同的迭代階段使用相同或不同的非線性紋理特征或至少兩種非線性紋理特征的組合。

12.如權利要求11所述的方法，其特征在于：

p_k+1＝p_k+R_kφ_k

其中，p_k是當前形狀(第k次迭代后的形狀)對應的形狀系數，φ_k是在當前形狀下提取的非線性特征，R_k是第k次迭代所用的回歸因子。