[發(fā)明專利]一種人臉對(duì)齊方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810021987.3
• 申請(qǐng)日: 2018-01-10
• 公開（公告）號(hào): CN108090470B
• 公開（公告）日: 2020-06-23
• 發(fā)明（設(shè)計(jì)）人: 王斌;王剛
• 申請(qǐng)（專利權(quán)）人: 浙江大華技術(shù)股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 黃志華

本申請(qǐng)?zhí)峁┮环N人臉對(duì)齊方法及裝置，用以改善在進(jìn)行人臉對(duì)齊時(shí)存在的計(jì)算量大，對(duì)硬件的要求較高，以及較難移植到移動(dòng)設(shè)備上的問(wèn)題。所述方法包括：建立多個(gè)偏轉(zhuǎn)角度不同的人臉對(duì)齊模型；在通過(guò)偏轉(zhuǎn)角度不同的所述人臉對(duì)齊模型對(duì)待檢測(cè)人臉圖像進(jìn)行T個(gè)階段預(yù)測(cè)時(shí)，確定不同偏轉(zhuǎn)角度的所述人臉對(duì)齊模型對(duì)所述待檢測(cè)人臉圖像在當(dāng)前預(yù)測(cè)階段預(yù)測(cè)的預(yù)測(cè)形狀的置信度，其中，T為正整數(shù)；去除所述置信度小于預(yù)設(shè)閾值的所述人臉對(duì)齊模型，并繼續(xù)以剩余的所述人臉對(duì)齊模型對(duì)所述待檢測(cè)人臉圖像進(jìn)行下一階段的預(yù)測(cè)；根據(jù)第T?1階段剩余的所述人臉對(duì)齊模型對(duì)所述待檢測(cè)人臉圖像在第T階段預(yù)測(cè)的預(yù)測(cè)形狀，確定所述待檢測(cè)人臉圖像的最終預(yù)測(cè)形狀。

技術(shù)領(lǐng)域

本申請(qǐng)涉及圖像處理人臉識(shí)別領(lǐng)域，尤其涉及一種人臉對(duì)齊方法及裝置。

背景技術(shù)

人臉識(shí)別是目前計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域的熱門技術(shù)，其在多種場(chǎng)合下都有廣泛的應(yīng)用。人臉對(duì)齊是指通過(guò)算法把人臉上關(guān)鍵部分如眼睛、眉毛、嘴巴的位置信息通過(guò)坐標(biāo)點(diǎn)的形式獲取。

在實(shí)際操作過(guò)程中，待檢測(cè)的人臉圖像并非總是正臉對(duì)著攝像頭，大量情況下會(huì)有因不同角度的側(cè)臉導(dǎo)致眼睛等部分被遮擋，導(dǎo)致人臉對(duì)齊的效果并不理想。

現(xiàn)有技術(shù)在進(jìn)行人臉對(duì)齊時(shí)，由于不知道真實(shí)的人臉偏轉(zhuǎn)情況，通常需要建立多個(gè)不同角度的模型，因而需要單獨(dú)計(jì)算各個(gè)模型的檢測(cè)結(jié)果，存在計(jì)算量大，對(duì)硬件的要求較高，并且很難移植到移動(dòng)設(shè)備上，降低了實(shí)時(shí)性可能。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┮环N人臉對(duì)齊方法及裝置，用以改善在進(jìn)行人臉對(duì)齊時(shí)存在的計(jì)算量大，對(duì)硬件的要求較高，以及較難移植到移動(dòng)設(shè)備上的問(wèn)題。

參見圖1和圖2所示，本申請(qǐng)實(shí)施例提供一種人臉對(duì)齊方法，所述方法包括：

建立多個(gè)偏轉(zhuǎn)角度不同的人臉對(duì)齊模型；

在通過(guò)偏轉(zhuǎn)角度不同的所述人臉對(duì)齊模型對(duì)待檢測(cè)人臉圖像進(jìn)行T個(gè)階段預(yù)測(cè)時(shí)，確定不同偏轉(zhuǎn)角度的所述人臉對(duì)齊模型對(duì)所述待檢測(cè)人臉圖像在當(dāng)前預(yù)測(cè)階段預(yù)測(cè)的預(yù)測(cè)形狀的置信度，其中，T為正整數(shù)；

去除所述置信度小于預(yù)設(shè)閾值的所述人臉對(duì)齊模型，并繼續(xù)以剩余的所述人臉對(duì)齊模型對(duì)所述待檢測(cè)人臉圖像進(jìn)行下一階段的預(yù)測(cè)；

根據(jù)第T-1階段剩余的所述人臉對(duì)齊模型對(duì)所述待檢測(cè)人臉圖像在第T階段預(yù)測(cè)的預(yù)測(cè)形狀，確定所述待檢測(cè)人臉圖像的最終預(yù)測(cè)形狀。

優(yōu)選的，所述建立多個(gè)偏轉(zhuǎn)角度不同的人臉對(duì)齊模型，具體包括：

獲取多個(gè)偏轉(zhuǎn)角度不同的訓(xùn)練人臉圖片；

通過(guò)SDM算法對(duì)每一偏轉(zhuǎn)角度的所述訓(xùn)練人臉圖片進(jìn)行T個(gè)階段訓(xùn)練獲得相對(duì)應(yīng)的人臉對(duì)齊模型。

優(yōu)選的，所述通過(guò)SDM算法對(duì)每一偏轉(zhuǎn)角度的所述訓(xùn)練人臉圖片進(jìn)行T個(gè)階段訓(xùn)練獲得相對(duì)應(yīng)的人臉對(duì)齊模型，具體包括：

對(duì)每一偏轉(zhuǎn)角度的所述訓(xùn)練人臉圖片賦予初始形狀，其中，所述初始形狀包括多個(gè)關(guān)鍵點(diǎn)；

獲取該所述初始形狀所有所述關(guān)鍵點(diǎn)處的梯度方向直方圖描述特征集合；

求解線性回歸方程ΔS_t＝W_tφ_t(I,S_t-1)，得到映射矩陣W_t，其中，φ_t表示梯度方向直方圖特征提取算法，I表示圖像矩陣，S_t-1表示t-1階段的形狀，ΔS_t表示訓(xùn)練階段的t階段的形狀與真實(shí)形狀的差；

依次更新形狀S_t＝S_t-1+ΔS_t-1，直至到達(dá)預(yù)設(shè)條件為止。

優(yōu)選的，所述獲取該所述初始形狀所有所述關(guān)鍵點(diǎn)處的梯度方向直方圖描述特征集合，具體包括：