[發(fā)明專利]一種基于局部主成分分析的人臉關(guān)鍵點(diǎn)檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911208163.8
• 申請(qǐng)日: 2019-11-30
• 公開（公告）號(hào): CN110826534B
• 公開（公告）日: 2022-04-05
• 發(fā)明（設(shè)計(jì)）人: 戴侃侃;李云夕;熊子瑤
• 申請(qǐng)（專利權(quán)）人: 杭州小影創(chuàng)新科技股份有限公司
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V10/44
• 代理公司: 杭州橙知果專利代理事務(wù)所(特殊普通合伙) 33261
• 代理人: 賀龍萍

本發(fā)明公開了一種基于局部主成分分析的人臉關(guān)鍵點(diǎn)檢測(cè)方法及系統(tǒng)，該方法包括步驟：S1、采集大量人臉圖像樣本數(shù)據(jù)，標(biāo)記人臉關(guān)鍵點(diǎn)；S2、將人臉關(guān)鍵點(diǎn)劃分成多個(gè)局部關(guān)鍵點(diǎn)，采用主成分分析分別對(duì)各局部關(guān)鍵點(diǎn)進(jìn)行處理，獲得各局部關(guān)鍵點(diǎn)的主成分特征；S3、計(jì)算每幅人臉圖像各關(guān)鍵點(diǎn)在所述主成分特征下的組合系數(shù)；S4、構(gòu)建回歸模型，通過(guò)所述組合系數(shù)對(duì)模型進(jìn)行訓(xùn)練，生成組合系數(shù)回歸模型；S5、將待檢測(cè)人臉圖像輸入組合系數(shù)回歸模型，預(yù)測(cè)得到所述其組合系數(shù)；S6、基于預(yù)測(cè)得到的組合系數(shù)及所述主成分特征，還原人臉關(guān)鍵點(diǎn)。本發(fā)明對(duì)關(guān)鍵點(diǎn)進(jìn)行局部主成分分析，預(yù)測(cè)局部主成分系數(shù)，降低了直接進(jìn)行所有關(guān)鍵點(diǎn)主成分分析的復(fù)雜度，提高了回歸建模精度。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，具體涉及一種基于局部主成分分析的人臉關(guān)鍵點(diǎn)檢測(cè)方法及系統(tǒng)

背景技術(shù)

近年來(lái)，針對(duì)人臉?lè)治龅难芯吭絹?lái)越多，所謂人臉?lè)治?，是指在人臉的基礎(chǔ)上，通過(guò)計(jì)算機(jī)視覺(jué)和模式識(shí)別理論，對(duì)人的表情、位置、身份等進(jìn)行識(shí)別。人臉關(guān)鍵點(diǎn)檢測(cè)是人臉識(shí)別任務(wù)中重要的基礎(chǔ)環(huán)節(jié)，人臉關(guān)鍵點(diǎn)的精確檢測(cè)對(duì)許多現(xiàn)實(shí)應(yīng)用和科研課題有關(guān)鍵作用，例如，人臉姿態(tài)識(shí)別與矯正、表情識(shí)別、嘴型識(shí)別等。因此，如何獲取高精度人臉關(guān)鍵點(diǎn)，一直以來(lái)都是計(jì)算機(jī)視覺(jué)、圖像處理等領(lǐng)域的熱門研究問(wèn)題。受到人臉姿態(tài)和遮擋等因素的影響，人臉關(guān)鍵點(diǎn)檢測(cè)的研究也同樣富有挑戰(zhàn)。人臉關(guān)鍵點(diǎn)檢測(cè)是指給定人臉圖像，定位出人臉面部的關(guān)鍵區(qū)域位置，包括眉毛、眼睛、鼻子、嘴巴、臉部輪廓等。

公開號(hào)為CN 107967456 A公開了一種基于人臉關(guān)鍵點(diǎn)的多神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)識(shí)別人臉?lè)椒?，先通過(guò)MTCNN算法檢測(cè)出人臉圖像，然后利用仿射變換對(duì)人臉進(jìn)行旋轉(zhuǎn)、平移、縮放，以便后續(xù)處理。接下來(lái)利用卷積神經(jīng)網(wǎng)絡(luò)分別對(duì)人臉輪廓關(guān)鍵點(diǎn)和人臉內(nèi)部關(guān)鍵點(diǎn)進(jìn)行檢測(cè)，然后用主成分分析(Principal Components Analysis，PCA)算法進(jìn)行特征陣維。在進(jìn)行陣維的時(shí)候，可以根據(jù)不同的類別，采用基于類別模式的方法，可以克服傳統(tǒng)PCA算法不能有效利用類別問(wèn)類別信息，在有光照和表情變化的情況下魯棒性差的問(wèn)題。

然而，上述方法直接對(duì)所有人臉關(guān)鍵點(diǎn)進(jìn)行PCA，會(huì)導(dǎo)致精度不高的問(wèn)題，這是因?yàn)槿四樃鱾€(gè)局部的變化多種多樣，因此排列組合后的維度就更高了。因此，如何實(shí)現(xiàn)復(fù)雜度低、處理效率高、精度高的人臉關(guān)鍵點(diǎn)檢測(cè)是本領(lǐng)域亟待解決的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的缺陷，提供了一種基于局部主成分分析的人臉關(guān)鍵點(diǎn)檢測(cè)方法及系統(tǒng)。本發(fā)明對(duì)關(guān)鍵點(diǎn)進(jìn)行局部主成分分析，特征提取并降維，以此對(duì)人臉關(guān)鍵點(diǎn)進(jìn)行高精度的建模，通過(guò)預(yù)測(cè)局部主成分系數(shù)，降低了模型直接預(yù)測(cè)人臉關(guān)鍵點(diǎn)的難度，同時(shí)可以縮減模型的規(guī)模，大幅提升預(yù)測(cè)速度。

為了實(shí)現(xiàn)以上目的，本發(fā)明采用以下技術(shù)方案：

一種基于局部主成分分析的人臉關(guān)鍵點(diǎn)檢測(cè)方法，包括步驟：

S1、采集大量人臉圖像樣本數(shù)據(jù)，標(biāo)記人臉關(guān)鍵點(diǎn)；

S2、將人臉關(guān)鍵點(diǎn)劃分成多個(gè)局部關(guān)鍵點(diǎn)，采用主成分分析分別對(duì)各局部關(guān)鍵點(diǎn)進(jìn)行處理，獲得各局部關(guān)鍵點(diǎn)的主成分特征；

S3、計(jì)算每幅人臉圖像各關(guān)鍵點(diǎn)在所述主成分特征下的組合系數(shù)；

S4、構(gòu)建回歸模型，通過(guò)所述組合系數(shù)對(duì)模型進(jìn)行訓(xùn)練，生成組合系數(shù)回歸模型；

S5、將待檢測(cè)人臉圖像輸入組合系數(shù)回歸模型，預(yù)測(cè)得到所述其組合系數(shù)；

S6、基于預(yù)測(cè)得到的組合系數(shù)及所述主成分特征，還原人臉關(guān)鍵點(diǎn)。

進(jìn)一步地，所述步驟S2包括：

將人臉圖像樣本數(shù)據(jù)灰度圖各個(gè)局部關(guān)鍵點(diǎn)按行或列向量分別組合成一維向量，第m幅人臉圖像樣本、第n個(gè)局部關(guān)鍵點(diǎn)集合數(shù)據(jù)記為X_mn，人臉圖像樣本數(shù)據(jù)總數(shù)為M，則人臉圖像樣本數(shù)據(jù)集矩陣N為將人臉關(guān)鍵點(diǎn)劃分成局部關(guān)鍵點(diǎn)的個(gè)數(shù)；