[發明專利]一種魯棒的人臉特征點定位方法

有效

• 申請號: 201610054766.7
• 申請日: 2016-01-26
• 公開（公告）號: CN105718913B
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 尚凌輝;高勇;郝麗;林國錫;張兆生
• 申請（專利權）人: 浙江捷尚視覺科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 杭州奧創知識產權代理有限公司 33272
• 代理人: 王佳健

1.一種魯棒的人臉特征點定位方法，其特征在于該方法包括以下步驟：

步驟1、建立人臉照片訓練樣本庫；

步驟2、設定訓練集中形狀概率分布為均勻分布；

步驟3、根據概率分布選取N_l個形狀作為初始化形狀；

步驟4、在訓練樣本庫中的每個樣本隨機選取N_l個初始化形狀，提取形狀在圖像中的特征，利用級聯回歸方法學習回歸模型；

步驟5、根據回歸模型逐層來調整形狀殘差，從而得到N_l個回歸形狀；

步驟6、計算N_l個回歸形狀中各自的權重；

步驟7、由N_l個回歸形狀和對應的權重來估計子區域的中心；

步驟8、根據子區域的中心來估計子區域中形狀的概率分布；

步驟9、對概率升序排列，選取前N_l個概率所對應的形狀作為算法中初始化形狀；跳轉至步驟4開始迭代，直到收斂結束，從而完成人臉特征點定位；

其中步驟6具體是：

(1)計算回歸形狀兩兩之間的距離a_pq；p,q∈(1,2,...N_l)：

其中和分別表示第p、q個回歸形狀；

(2)由a_pq組成一個N_l*N_l的二維矩陣A，并初始化Wⁱ(0)，Wⁱ(0)為一個N_l維的列向量，值全部為1/N_l，迭代L次后得到N_l個回歸形狀的權重W^ij；

其中°表示矩陣中對應元素相乘。

2.根據權利要求1所述的一種魯棒的人臉特征點定位方法，其特征在于：步驟4具體是：

(1)學習局部二值特征

使用基于回歸的隨機森林去歸納二值特征，其中樹的節點利用兩個像素的像素差特征來訓練；

(2)學習全局線性回歸W^t

利用訓練好的隨機森林能夠學習到當前形狀的局部二值特征，由局部二值特征組合成全局特征用線性回歸方法得到全局線性回歸模型W^t；t＝1,2,…,T；其中線性回歸方法是指每次迭代的形狀增量與特征向量成線性關系；這樣通過回歸模型一級一級估計形狀增量進階式地調整形狀殘差：

其中是第t次的形狀增量，W^t是第t次的回歸模型，是對形狀在圖像I中提取的特征，T是線性回歸次數。

3.根據權利要求1所述的一種魯棒的人臉特征點定位方法，其特征在于：步驟8具體是；

(1)在標定好的特征點Xⁱ中選取除輪廓外區域R中的m個特征點j∈R，提取每個特征點的sift特征作為特征點的局部紋理特征來訓練m個局部特征分類器；

(2)利用最近鄰域法，在樣本庫Xⁱ中為每個特征點x_j選出K個與中心點最近和最遠的樣本，取這些樣本中x_j作為該特征點的代表點；其中為Xⁱ中第j個特征點x_j的坐標均值；

(3)選擇對應的局部特征分類器來判定子區域的中心中m個特征點的分類情況，如果當前特征點為正樣本：如果是負樣本：分別判定的K個代表點的分類情況和置信度，歸一化置信度作為權重重新得到中心中坐標，

其中Δ_x和Δ_y為中心中的橫坐標和縱坐標與訓練集中所有樣本X^*中的差，γ為概率參數，p為概率形狀；

(4)在子區域的中心中選取輪廓點上的n個特征點，分別計算每個特征點的概率：

(5)由上面m和n個特征點的概率相乘后歸一化計算得到概率分布。