特征点定位的方法及装置制造方法及图纸

本发明专利技术公开了一种特征点定位的方法及装置。该方法包括：获取图像I，图像I包括至少一个特征点；基于图像I的三维姿态二值化特征，对预设的初始三维姿态参数θ0进行回归运算，得到收敛的三维姿态参数θ；根据收敛的三维姿态参数θ，确定初始的第1层特征点集的形状参数基于图像I的第1层形状二值化特征，对初始的第1层特征点集的形状参数进行回归运算，得到收敛的第1层特征点集的形状参数V1。本发明专利技术实施例中，分别对三维姿态和特征点集合进行建模，然后根据三维姿态的输出结果选取特征点集合模型的初始化参数，从而能够实现多姿态场景下的特征点定位，同时有较高的准确度和较快的处理速度。

【技术实现步骤摘要】
特征点定位的方法及装置
本专利技术涉及领域图像处理领域，并且更具体地，涉及一种特征点定位的方法及装置。
技术介绍
自动化人脸特征定位是计算机视觉领域的重要研究课题。目前，在最新的人脸识别技术中，所有输入用以进行自动识别的人脸图像，均需通过人脸特征点定位来实现局部人脸特征的抽取和人脸的几何校正。例如，在微软的体感设备采用的人脸识别技术中，利用五个关键特征点（左右眼睛、左右嘴角和鼻尖）的位置来抽取人脸特征并进行识别。随着无标记点表情捕捉系统在影视特效产业中的应用，类似于“阿凡达”特效的场景已经成为一种广泛使用的特效，业界对于鲁棒的真实场景下的人脸特征点实时定位和动作捕捉技术的需求越来越高。而自动化的多视角人脸特征定位，作为无标记点表情捕捉的核心，也广泛地应用在数字娱乐、增强现实等诸多应用场景中。当前采用的一种特征点定位技术中，利用二值化图像特征和回归算法实现人脸特征点定位。该类技术对人脸特征点进行参数化描述，并把相应的定位问题建模为直接从图像到形状参数的回归计算。然而，该类技术无法有效地处理多姿态人脸特征点的定位问题。
技术实现思路
本专利技术实施例提供了一种特征点定位的方法及装置，能够实现多姿态场景下的特征点定位，同时有较高的准确度和较快的处理速度。第一方面，提供了一种特征点定位的方法，包括：获取图像I，图像I包括至少一个特征点；基于图像I的三维姿态二值化特征，对预设的初始三维姿态参数θ0进行回归运算，得到收敛的三维姿态参数θ；根据收敛的三维姿态参数θ，确定初始的第1层特征点集的形状参数基于图像I的第1层形状二值化特征，对初始的第1层特征点集的形状参数进行回归运算，得到收敛的第1层特征点集的形状参数V1。结合第一方面，在第一方面的第一种实现方式中，该方法还包括：预设i的值为1；根据收敛的第i层特征点集的形状参数Vi，确定初始的第i+1层特征点集的形状参数基于图像I的第i+1层形状二值化特征，对初始的第i+1层特征点集的形状参数进行回归运算，得到收敛的第i+1层特征点集的形状参数Vi+1；i的值增加1，执行上一步骤直至i的值为n，n为预设的大于1的正整数。结合第一方面及其上述实现方式，在第一方面的第二种实现方式中，初始的第1层特征点集合包括根特征点和子特征点，基于矢量坐标表示子特征点与根特征点之间的位置关系，根特征点和子特征点共同呈现为预设的几何形状。结合第一方面及其上述实现方式，在第一方面的第三种实现方式中，基于图像I的三维姿态二值化特征，对预设的初始三维姿态参数θ0进行回归运算，得到收敛的三维姿态参数θ，包括：基于初始三维姿态参数θ0，确定图像I的三维姿态二值化特征的第1值β1；基于第1值β1，确定初始三维姿态参数θ0的更新量Δθ0；根据初始三维姿态参数θ0和更新量Δθ0，确定更新后的三维姿态参数θ1；预设j的值为1；基于更新后的三维姿态参数θj，确定图像I的三维姿态二值化特征的第j+1值βj+1，基于第j+1值βj+1，确定更新后的三维姿态参数θj的更新量Δθj，根据更新后的三维姿态参数θj和更新量Δθj，确定更新后的三维姿态参数θj+1；j的值增加1，执行上一步骤直至j的值为m，m为预设的大于1的正整数；根据更新后的三维姿态参数θj+1，确定收敛的三维姿态参数θ。结合第一方面及其上述实现方式，在第一方面的第四种实现方式中，基于初始三维姿态参数θ0，确定图像I的三维姿态二值化特征的第1值β1，包括：根据图像I和初始三维姿态参数θ0，确定第1数量的点对或块对；基于第1数量的点对或块对，确定图像I的三维姿态二值化特征的第1值β1；基于更新后的三维姿态参数θj，确定图像I的三维姿态二值化特征的第j+1值βj+1，包括：根据图像I和更新后的三维姿态参数θj，确定第j数量的点对或块对；基于第j数量的点对或块对，确定图像I的三维姿态二值化特征的第j+1值βj+1。结合第一方面及其上述实现方式，在第一方面的第五种实现方式中，根据初始三维姿态参数θ0和更新量Δθ0，确定更新后的三维姿态参数θ1，包括：根据以下公式确定更新后的三维姿态参数θ1，θ1=θ0·Δθ0，其中，二元运算·满足数学中群的定义，θ1存在单位元和逆元；根据更新后的三维姿态参数θj和更新量Δθj，确定更新后的三维姿态参数θj+1，包括：根据以下公式确定更新后的三维姿态参数θj+1，θj+1=θj·Δθj，其中，二元运算·满足数学中群的定义，θj+1存在单位元和逆元。结合第一方面及其上述实现方式，在第一方面的第六种实现方式中，基于图像I的第1层形状二值化特征，对初始的第1层特征点集的形状参数进行回归运算，得到收敛的第1层特征点集的形状参数V1，包括：基于初始的第1层特征点集的形状参数确定图像I的第1层形状二值化特征的第1值γ1；基于第1值γ1，确定初始的第1层特征点集的形状参数的更新量根据初始的第1层特征点集的形状参数和更新量确定更新后的第1层特征点集的形状参数V11；预设j的值为1；基于更新后的第1层特征点集的形状参数确定图像I的第1层形状二值化特征的第j+1值γj+1，基于第j+1值γj+1，确定更新后的第1层特征点集的形状参数的更新量根据更新后的第1层特征点集的形状参数和更新量确定更新后的第1层特征点集的形状参数j的值增加1，执行上一步骤直至j的值为m，m为预设的大于1的正整数；根据更新后的第1层特征点集的形状参数确定收敛的第1层特征点集的形状参数V1。结合第一方面及其上述实现方式，在第一方面的第七种实现方式中，基于初始的第1层特征点集的形状参数确定图像I的第1层形状二值化特征的第1值γ1，包括：根据图像I和初始的第1层特征点集的形状参数确定第1层第1数量的点对或块对；基于第1层第1数量的点对和/或块对，确定图像I的第1层形状二值化特征的第1值γ1；基于更新后的第1层特征点集的形状参数确定图像I的第1层形状二值化特征的第j+1值γj+1，包括：根据图像I和更新后的第1层特征点集的形状参数确定第1层第j数量的点对或块对；基于第1层第j数量的点对或块对，确定图像I的第1层形状二值化特征的第j+1值γj+1。结合第一方面及其上述实现方式，在第一方面的第八种实现方式中，根据初始的第1层特征点集的形状参数和更新量确定更新后的第1层特征点集的形状参数V11，包括：根据以下公式确定更新后的第1层特征点集的形状参数V11，其中，二元运算·满足数学中群的定义，V11存在单位元和逆元；根据更新后的第1层特征点集的形状参数和更新量确定更新后的第1层特征点集的形状参数包括：根据以下公式确定更新后的第1层特征点集的形状参数其中，二元运算·满足数学中群的定义，存在单位元和逆元。结合第一方面及其上述实现方式，在第一方面的第九种实现方式中，基于图像I的第i+1层形状二值化特征，对初始的第i+1层特征点集的形状参数进行回归运算，得到收敛的第i+1层特征点集的形状参数Vi+1，包括：基于初始的第i+1层特征点集的形状参数确定图像I的第i+1层形状二值化特征的第1值α1；基于第1值α1，确定初始的第i+1层特征点集的形状参数的更新量根据初始的第i+1层特征点集的形状参数和更新量确定更新后的第i+1层特征点集的形状参数预设j的值为1；基于更新后的第i+1层特征点集的形状参数确定图像I本文档来自技高网...

【技术保护点】
一种特征点定位的方法，其特征在于，包括：获取图像I，所述图像I包括至少一个特征点；基于所述图像I的三维姿态二值化特征，对预设的初始三维姿态参数θ0进行回归运算，得到收敛的三维姿态参数θ；根据所述收敛的三维姿态参数θ，确定初始的第1层特征点集的形状参数基于所述图像I的第1层形状二值化特征，对所述初始的第1层特征点集的形状参数进行回归运算，得到收敛的第1层特征点集的形状参数V1。

【技术特征摘要】
1.一种特征点定位的方法，其特征在于，包括：获取图像I，所述图像I包括至少一个特征点；基于所述图像I的三维姿态二值化特征，对预设的初始三维姿态参数θ0进行回归运算，得到收敛的三维姿态参数θ；根据所述收敛的三维姿态参数θ，确定初始的第1层特征点集的形状参数基于所述图像I的第1层形状二值化特征，对所述初始的第1层特征点集的形状参数进行回归运算，得到收敛的第1层特征点集的形状参数V1。2.根据权利要求1所述的方法，其特征在于，还包括：预设i的值为1；根据收敛的第i层特征点集的形状参数Vi，确定初始的第i+1层特征点集的形状参数基于所述图像I的第i+1层形状二值化特征，对所述初始的第i+1层特征点集的形状参数进行回归运算，得到收敛的第i+1层特征点集的形状参数Vi+1；将i的值增加1，执行上一步骤直至i的值为n，n为预设的大于1的正整数。3.根据权利要求1所述的方法，其特征在于，所述初始的第1层特征点集合包括根特征点和子特征点，基于矢量坐标表示所述子特征点与所述根特征点之间的位置关系，所述根特征点和所述子特征点共同呈现为预设的几何形状。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述图像I的三维姿态二值化特征，对预设的初始三维姿态参数θ0进行回归运算，得到收敛的三维姿态参数θ，包括：基于所述初始三维姿态参数θ0，确定所述图像I的三维姿态二值化特征的第1值β1；基于所述第1值β1，确定所述初始三维姿态参数θ0的更新量Δθ0；根据所述初始三维姿态参数θ0和所述更新量Δθ0，确定更新后的三维姿态参数θ1；预设j的值为1；基于所述更新后的三维姿态参数θj，确定所述图像I的三维姿态二值化特征的第j+1值βj+1，基于所述第j+1值βj+1，确定更新后的三维姿态参数θj的更新量Δθj，根据所述更新后的三维姿态参数θj和所述更新量Δθj，确定更新后的三维姿态参数θj+1；将j的值增加1，执行上一步骤直至j的值为m，m为预设的大于1的正整数；根据所述更新后的三维姿态参数θj+1，确定收敛的三维姿态参数θ。5.根据权利要求4所述的方法，其特征在于，所述基于所述初始三维姿态参数θ0，确定所述图像I的三维姿态二值化特征的第1值β1，包括：根据所述图像I和所述初始三维姿态参数θ0，确定第1数量的点对或块对；基于所述第1数量的点对或块对，确定所述图像I的三维姿态二值化特征的第1值β1；所述基于所述更新后的三维姿态参数θj，确定所述图像I的三维姿态二值化特征的第j+1值βj+1，包括：根据所述图像I和所述更新后的三维姿态参数θj，确定第j数量的点对或块对；基于所述第j数量的点对或块对，确定所述图像I的三维姿态二值化特征的第j+1值βj+1。6.根据权利要求5所述的方法，其特征在于，所述根据所述初始三维姿态参数θ0和所述更新量Δθ0，确定更新后的三维姿态参数θ1，包括：根据以下公式确定更新后的三维姿态参数θ1，θ1＝θ0·Δθ0，其中，二元运算·满足数学中群的定义，θ1存在单位元和逆元；所述根据所述更新后的三维姿态参数θj和所述更新量Δθj，确定更新后的三维姿态参数θj+1，包括：根据以下公式确定更新后的三维姿态参数θj+1，θj+1＝θj·Δθj，其中，二元运算·满足数学中群的定义，θj+1存在单位元和逆元。7.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述图像I的第1层形状二值化特征，对所述初始的第1层特征点集的形状参数进行回归运算，得到收敛的第1层特征点集的形状参数V1，包括：基于所述初始的第1层特征点集的形状参数确定所述图像I的第1层形状二值化特征的第1值γ1；基于所述第1值γ1，确定所述初始的第1层特征点集的形状参数的更新量根据所述初始的第1层特征点集的形状参数和所述更新量确定更新后的第1层特征点集的形状参数预设j的值为1；基于所述更新后的第1层特征点集的形状参数确定所述图像I的第1层形状二值化特征的第j+1值γj+1，基于所述第j+1值γj+1，确定更新后的第1层特征点集的形状参数的更新量根据所述更新后的第1层特征点集的形状参数和所述更新量确定更新后的第1层特征点集的形状参数将j的值增加1，执行上一步骤直至j的值为m，m为预设的大于1的正整数；根据所述更新后的第1层特征点集的形状参数确定收敛的第1层特征点集的形状参数V1。8.根据权利要求7所述的方法，其特征在于，所述基于所述初始的第1层特征点集的形状参数确定所述图像I的第1层形状二值化特征的第1值γ1，包括：根据所述图像I和所述初始的第1层特征点集的形状参数确定第1层第1数量的点对或块对；基于所述第1层第1数量的点对和/或块对，确定所述图像I的第1层形状二值化特征的第1值γ1；所述基于所述更新后的第1层特征点集的形状参数确定所述图像I的第1层形状二值化特征的第j+1值γj+1，包括：根据所述图像I和所述更新后的第1层特征点集的形状参数确定第1层第j数量的点对或块对；基于所述第1层第j数量的点对或块对，确定所述图像I的第1层形状二值化特征的第j+1值γj+1。9.根据权利要求8所述的方法，其特征在于，所述根据所述初始的第1层特征点集的形状参数和所述更新量确定更新后的第1层特征点集的形状参数包括：根据以下公式确定更新后的第1层特征点集的形状参数其中，二元运算·满足数学中群的定义，存在单位元和逆元；所述根据所述更新后的第1层特征点集的形状参数和所述更新量确定更新后的第1层特征点集的形状参数包括：根据以下公式确定更新后的第1层特征点集的形状参数其中，二元运算·满足数学中群的定义，存在单位元和逆元。10.根据权利要求2所述的方法，其特征在于，所述基于所述图像I的第i+1层形状二值化特征，对所述初始的第i+1层特征点集的形状参数进行回归运算，得到收敛的第i+1层特征点集的形状参数Vi+1，包括：基于所述初始的第i+1层特征点集的形状参数确定所述图像I的第i+1层形状二值化特征的第1值α1；基于所述第1值α1，确定所述初始的第i+1层特征点集的形状参数的更新量根据所述初始的第i+1层特征点集的形状参数和所述更新量确定更新后的第i+1层特征点集的形状参数预设j的值为1；基于所述更新后的第i+1层特征点集的形状参数确定所述图像I的第i+1层形状二值化特征的第j+1值αj+1，基于所述第j+1值αj+1，确定所述更新后的第i+1层特征点集的形状参数的更新量根据所述更新后的第i+1层特征点集的形状参数和所述更新量确定更新后的第i+1层特征点集的形状参数将j的值增加1，执行上一步骤直至j的值为m，m为预设的大于1的正整数；根据所述更新后的第i+1层特征点集的形状参数确定收敛的第i+1层特征点集的形状参数Vi+1。11.根据权利要求10所述的方法，其特征在于，所述基于所述初始的第i+1层特征点集的形状参数确定所述图像I的第i+1层形状二值化特征的第1值α1，包括：根据所述图像I和所述初始的第i+1层特征点集的形状参数确定第i+1层第1数量的点对或块对；基于所述第i+1层第1数量的点对或块对，确定所述图像I的第i+1层形状二值化特征的第1值α1；所述基于所述更新后的第i+1层特征点集的形状参数确定所述图像I的第i+1层形状二值化特征的第j+1值αj+1，包括：根据所述图像I和所述更新后的第i+1层特征点集的形状参数确定第i+1层第j数量的点对或块对；基于所述第i+1层第j数量的点对或块对，确定所述图像I的第i+1层形状二值化特征的第j+1值αj+1。12.根据权利要求10或11所述的方法，其特征在于，所述根据所述初始的...

【专利技术属性】
技术研发人员：张维，刘健庄，许春景，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44