[發明專利]一種基于面部特征信息的三維頭部姿態估計算法

在審

• 申請號: 202110741653.5
• 申請日: 2021-06-30
• 公開（公告）號: CN113569653A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 王臣豪;孫萌
• 申請（專利權）人: 寧波春建電子科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/80
• 代理公司: 無錫嘉馳知識產權代理事務所(普通合伙) 32388
• 代理人: 張華偉

本發明公開了一種基于面部特征信息的三維頭部姿態估計算法，包括以下步驟：獲取相機標定參數以及在頭部模型的面部區域選取的多個模型點的三維坐標；通過相機采集待估計姿態的人臉面部圖片，提取與模型點相對應的特征點，獲得二維像素坐標；根據相機標定參數、三維坐標以及二維像素坐標，計算頭部姿態估計參數；對頭部姿態估計參數進行重投影驗算，若重投影誤差大于設定值，再通過擴展卡爾曼濾波對頭部姿態估計參數進行修正，以使修正后的頭部姿態參數重投影誤差小于等于設定值。如此設置，通過擴展卡爾曼濾波修正，確保頭部姿態估計參數的重投影誤差較小，避免出現基于二維圖像的算法會對頭部姿態估計產生誤判的情況。

技術領域

本發明涉及人臉識別和姿態分析技術領域，更具體地說，涉及一種基于面部特征信息的三維頭部姿態估計算法。

背景技術

頭部姿態(Head Pose Estimation，HPE)作為人臉識別和姿態分析的交叉領域，在現實生活中有廣泛的應用。在道路交通事故中由于駕駛員注意力不集中而導致的事故占事故總數的很大比重。通過頭部姿態估計算法可以判斷駕駛員的注意力情況，以降低道路安全事故發生的機率。

頭部姿態的估計通過人臉在三維空間的位置變化來完成，其估計算法通常包括基于模型的算法和基于圖像表觀的算法。基于圖像表觀的算法大致可以分為三類，分別為基于三維彩色圖像、基于圖像深度信息以及基于二維圖像的算法。三維圖像包含的信息較多，因此需要處理的數據量較大，對設備要求較高；基于圖像深度信息的算法需要使用深度傳感器獲取圖像深度信息，增加了設備成本。而基于二維彩色圖像的算法所需設備成本低，但是當頭部左右轉或仰視角過大時，人臉特征點易缺失，對三維頭部姿態的估計易發生誤判。

因此，如何解決現有技術中基于三維圖像和深度信息的算法所需設備成本高、而基于二維圖像的算法又會對頭部姿態估計產生誤判的問題，成為本領域技術人員所要解決的重要技術問題。

發明內容

本發明的目的在于提供一種基于面部特征信息的三維頭部姿態估計算法，解決現有技術中基于三維圖像和深度信息的算法所需設備成本高、而基于二維圖像的算法又會對頭部姿態估計產生誤判的問題。本發明提供的諸多技術方案中的優選技術方案所能產生的諸多技術效果詳見下文闡述。

為實現上述目的，本發明提供了以下技術方案：

本發明提供了一種基于面部特征信息的三維頭部姿態估計算法，包括以下步驟：

獲取相機標定參數以及在頭部模型的面部區域選取的多個模型點的三維坐標；

通過相機采集待估計姿態的人臉面部圖片，提取出人臉面部圖片中與模型點相對應的特征點，獲得各個特征點在像素坐標系下的二維像素坐標；

根據相機標定參數、三維坐標以及二維像素坐標，計算頭部姿態估計參數；

對頭部姿態估計參數進行重投影驗算，判斷重投影誤差是否大于設定值，若重投影誤差大于設定值，再通過擴展卡爾曼濾波對頭部姿態估計參數進行修正，以使修正后的頭部姿態參數重投影誤差小于等于設定值。

優選地，頭部姿態估計參數包括歐拉角以及平移向量，歐拉角包括頭部的滾轉角α、俯仰角β以及偏航角γ，頭部的平移向量為(tx，ty，tz)。

優選地，通過擴展卡爾曼濾波進行修正的系統狀態方程為：

θ_k＝f(θ_k|k-1)+S_K

Z_k＝h(θ_k)+V_K (1)，

修正步驟包括：

將頭部姿態預測參數代入式(2)，得到的結果再代入式(3)，循環迭代式(2)和式(3)，得到修正后的頭部姿態參數，其中，