一种面部数据测量方法及系统技术方案

本发明专利技术提供了一种面部数据测量方法，包括以下步骤：将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标，且N为正整数；计算所述N组面部特征点组的空间坐标的算术平均值；输出计算后的所述面部特征点组的空间坐标。本发明专利技术还提供了对应的系统。本发明专利技术通过将面部图像通过预设的映射矩阵生成多组面部特征点组的空间坐标，实现自动测量面部数据，并且测量的面部数据的准确性高。同时，通过摄像头获取面部图像后即可测量面部数据，成本低，且容易普及。

【技术实现步骤摘要】

本专利技术涉及信息处理
，更具体地说，涉及一种面部数据测量方法及系统。
技术介绍
面部识别是基于人的脸部特征信息进行身份识别的一种生物特征识别技术，广泛应用于社区安防、网络视频监控、出入境管理检测、员工考勤以及家庭娱乐等方面，如何在含有人脸的图像或视频流中快速准确地测量面部数据是面部识别技术中的重要方面。目前，传统的人头数据(即面部数据)测量方案大致上分为以下两种：第一种是通过尺规直接测量头部数据，第二种是通过深度传感器获取人头的三维模型，进而间接测量人头模型的数据。其中，第一种测量方案可度量数据少，并且专业性强，需要专业人员来操作，操作过程复杂，测量过程耗时长；第二种测量方案可度量数据多，且精度高，可实现全自动测量，但是测量耗时长，并且硬件成本高，难以普及，广泛应用。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术中的人头数据测量的上述缺陷，提供一种面部数据测量方法及系统。本专利技术解决上述问题所采用的技术方案是提供了一种面部数据测量方法，所述方法包括以下步骤：将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标，且N为正整数；计算所述N组面部特征点组的空间坐标的算术平均值；输出计算后的所述面部特征点组的空间坐标。在上述面部数据测量方法中，所述将面部图像通过映射矩阵生成一组面部特征点组的空间坐标的步骤包括：获取所述面部图像；将所述面部图像通过SURF算法获取所述面部图像的面部特征点组；将所述面部特征点组通过ASM算法进行定位以得到所述面部特征点组的像素坐标；将所述面部特征点组的像素坐标通过所述映射矩阵进行映射得到所述面部特征点组的空间坐标。在上述面部数据测量方法中，在所述将面部图像通过映射矩阵生成N组面部特征点组的空间坐标的步骤之前，所述方法还包括：根据获取到的标定图像生成所述映射矩阵。在上述面部数据测量方法中，所述根据获取到的标定图像生成所述映射矩阵的步骤包括：获取所述标定图像，所述标定图像包括面部和信用卡；根据所述面部中的外眼角像素距离和所述信用卡的信用卡像素宽度识别外眼角的实际距离；根据外眼角的实际距离，对所述标定图像中的所述面部进行线性标定以获取所述面部的像素坐标与世界坐标之间的映射矩阵。在上述面部数据测量方法中，N大于或等于6。本专利技术还提供了一种面部数据测量系统，所述系统包括：生成模块，用于将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标，且N为正整数；计算模块，用于计算所述N组面部特征点组的空间坐标的算术平均值；输出模块，用于输出计算后的所述面部特征点组的空间坐标。在上述面部数据测量系统中，所述生成模块包括：第一获取单元，用于获取所述面部图像；特征点获取单元，用于将所述面部图像通过SURF算法获取所述面部图像
的面部特征点组；定位单元，用于将所述面部特征点组通过ASM算法进行定位以得到所述面部特征点组的像素坐标；映射单元，用于将所述面部特征点组的像素坐标通过所述映射矩阵进行映射得到所述面部特征点组的空间坐标。在上述面部数据测量系统中，所述系统还包括：预设模块，用于根据获取到的标定图像生成所述映射矩阵。在上述面部数据测量系统中，所述预设模块包括：第二获取单元，用于获取所述标定图像，所述标定图像包括面部和信用卡；识别单元，用于根据所述面部中的外眼角像素距离和所述信用卡的信用卡像素宽度识别外眼角的实际距离；标定单元，用于根据外眼角的实际距离，对所述标定图像中的所述面部进行线性标定以获取所述面部的像素坐标与世界坐标之间的映射矩阵。在上述面部数据测量系统中，N大于或等于6。本专利技术的面部数据测量方法及系统的有益效果有：本专利技术通过将面部图像通过预设的映射矩阵生成多组面部特征点组的空间坐标，实现自动测量面部数据，并且测量的面部数据的准确性高。同时，通过摄像头获取面部图像后即可测量面部数据，成本低，且容易普及，可广泛应用于家庭娱乐等方面。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术的面部数据测量方法实施例一的流程图；图2是本专利技术的较优实施例的通过预设的映射矩阵生成一组面部特征点组的空间坐标的流程图；图3是本专利技术的面部数据测量方法实施例二的流程图；图4是本专利技术的较优实施例的根据获取到的标定图像生成预设的映射矩阵的流程图；图5是本专利技术的面部数据测量系统实施例一的结构示意图；图6是图5中的生成模块的结构示意图；图7是本专利技术的面部数据测量系统实施例二的结构示意图。具体实施方式本专利技术通过将面部图像通过预设的映射矩阵生成多组面部特征点组的空间坐标，实现自动测量面部数据，并且测量的面部数据的准确性高。同时，通过摄像头获取面部图像后即可测量面部数据，成本低，且容易普及。为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，是本专利技术的面部数据测量方法实施例一的流程图。在本实施例中，参考图1，该测量方法包括以下步骤：在步骤S102中，将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标；在此步骤中，N为正整数。具体地，如图2所示，通过预设的映射矩阵生成一组面部特征点组的空间坐标的步骤包括：在步骤S1021中，获取面部图像；该面部图像可为通过摄像头直接拍摄的图片文件，也为可在视频文件中截取的图片文件。在步骤S1022中，将该面部图像通过SURF(Speed-up robust features，加速健壮特征)算法获取该面部图像的面部特征点组；面部特征点组包括86个特征点。在步骤S1023中，将面部特征点组通过ASM(Active Shape Model，主动形状模型)算法进行定位以面部特征点组的像素坐标。在步骤S1024中，将面部特征点组的像素坐标通过映射矩阵进行映射得到面部特征点组的空间坐标。在步骤S104中，计算该N组面部特征点组的空间坐标的算术平均值；进一步地，在本实施例中，N大于或等于6，通过上述的生成一组面部特征点组的空间坐标的步骤，生成6组面部特征点组的空间坐标，这样，测量的面部数据更准确。在步骤S106中，输出计算后的面部特征点空间坐标组。在本实施例中，通
过上述步骤，自动测量面部数据，并且测量的处理速度高，在1秒中能完成面部数据的测量。如图3所示，是本专利技术的面部数据测量方法实施例二的流程图。在本实施例中，与实施例一种的面部数据测量方法的区别在于，在步骤S102之前还包括：在步骤S100中，根据获取到的标定图像生成预设的映射矩阵，具体地，如图4所示，包括：在步骤S1001中，获取标定图像，其中，标定图像包括面部和信用卡；在步骤S1002中，根据面部中的外眼角像素距离和信用卡的信用卡像素宽度识别外眼角的实际距离。其中，外眼角像素距离和信用卡的信用卡像素宽度可通过图像检测算法来获取，外眼角像素距离的计算公式为：外眼角的实际距离＝(外眼角像素距离/信用卡像素宽度)*信用卡的实际宽度，一般标准的信用卡的实际宽度为54mm。在步骤S1003中，根据外眼角的实际距离，对标定图像中的面部进行线性标定以获取面部的像素坐标与世界坐标之间的映射矩阵。如图5所示，是本专利技术的面部数据测量系统实施例一的结构示意图。在本实施例中本文档来自技高网...

【技术保护点】
一种面部数据测量方法，其特征在于，所述方法包括以下步骤：将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标，且N为正整数；计算所述N组面部特征点组的空间坐标的算术平均值；输出计算后的所述面部特征点组的空间坐标。

【技术特征摘要】
1.一种面部数据测量方法，其特征在于，所述方法包括以下步骤：将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标，且N为正整数；计算所述N组面部特征点组的空间坐标的算术平均值；输出计算后的所述面部特征点组的空间坐标。2.根据权利要求1中所述的面部数据测量方法，其特征在于，所述将面部图像通过映射矩阵生成一组面部特征点组的空间坐标的步骤包括：获取所述面部图像；将所述面部图像通过SURF算法获取所述面部图像的面部特征点组；将所述面部特征点组通过ASM算法进行定位以得到所述面部特征点组的像素坐标；将所述面部特征点组的像素坐标通过所述映射矩阵进行映射得到所述面部特征点组的空间坐标。3.根据权利要求1中所述的面部数据测量方法，其特征在于，在所述将面部图像通过映射矩阵生成N组面部特征点组的空间坐标的步骤之前，所述方法还包括：根据获取到的标定图像生成所述映射矩阵。4.根据权利要求3中所述的面部数据测量方法，其特征在于，所述根据获取到的标定图像生成所述映射矩阵的步骤包括：获取所述标定图像，所述标定图像包括面部和信用卡；根据所述面部中的外眼角像素距离和所述信用卡的信用卡像素宽度识别外眼角的实际距离；根据外眼角的实际距离，对所述标定图像中的所述面部进行线性标定以获取所述面部的像素坐标与世界坐标之间的映射矩阵。5.根据权利要求1-4中任一项所述的面部数据测量方法，其特征在于，N大于或等于6。6....

【专利技术属性】
技术研发人员：谭军，
申请(专利权)人：广州帕克西软件开发有限公司，
类型：发明
国别省市：广东;44