一种人脸对齐方法技术

技术编号:13975147 阅读:286 留言:0更新日期:2016-11-11 09:26
本发明专利技术公开一种人脸对齐方法,包括:收集一定数量的人脸图像作为训练样本和预测样本,将图像增强,对于训练样本,标定人脸关键点,并保存关键点位置信息;通过随机森林算法对S1中标定的训练样本进行学习,得到标定的关键点的特征映射函数从而得到标定的关键点的局部二值特征;将步骤S2中得到的标定关键点的局部二值特征组合起来构成一个全局二值特征,利用此特征与全局线性回归的学习方式获得一个全局线性回归模型Wt,进而实现待测样本的人脸关键点的定位。

【技术实现步骤摘要】

本专利技术涉及人脸识别领域,具体涉及一种人脸对齐方法
技术介绍
人脸识别技术是基于人的脸部特征,对输入的人脸图像或者视频流,判断其是否存在人脸,如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息,并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。整个过程一般包括人脸检测、人脸预处理、人脸对齐、以及人脸识别等步骤。人脸识别算法主要有基于人脸特征点的算法、基于模板的识别算法以及基于整幅人脸图的识别算法。人脸对齐是将上一步检测出来的人脸图像都对齐到一组基准点上,实际上就是将抠出来的人脸的各个基准点(双眼、鼻尖、内外眼角、嘴巴)都对齐到一组标准位置上。它作为基于人脸特征点的算法中最核心的步骤,错误的特征定位会导致人脸特征的严重变形,即使是不精确的对齐也会使得识别效果大大下降。因此,能够准确快速的提取面部关键特征点的算法对后续识别率的提高非常重要。目前人脸对齐算法主要有基于统计学习模型特征点提取方法,其中有主动形状模型和主动表现模型。主动形状模型ASM(active shape models)的提取,极大有效的提高了人脸特征关键点的检测,从而在一定程度上提高了人脸识别率。其具体方案包括:1.统计模型的建立采用人工标定的方法,标定一定数量的能充分描述和表征目标轮廓的特征点。因此,每张人脸图像都可以表示为N个标定点的二维坐标点信息。2.形状统计模型上述得到的标定点数量很大,其形成的特征点集向量维数很高,其关键点之间有一定的相关性,彼此之间的位置距离都是大致不变的,因此需要用PCA进行降维,提取主成分。根据降维过程中选取的特征向量和对应的特征值,可以建立一个线性的可变统计形状模型,表达式为: x ≈ - X + p b ]]>其中P为主成分特征向量构成的转换矩阵,b为形状参数向量,该形状参数表示在模型中每个形状分量所占的比重。因为该系统是一个线性可变的模型,且需要限制在一定的可变范围内,故形状向量b常被限制为: - 3 λ i ≤ b i ≤ 3 λ i ]]>3.模型和新点集进行匹配首先,计算眼睛、嘴巴的位置,做简单的尺度和旋转变化,其中计算眼睛或嘴巴位置的公式为: X = T X t , Y t , S , θ ( X ‾ + P b ) ]]>其中T为旋转放缩平移矩阵 T X t , Y t , S , θ x y = X t Y t = s c o s θ - s s i n θ s s i n θ s cos θ x y ]]>再根据模型X和图像特征点集Y最接近,使其目标函数及各点欧式距离最小,目标函数表示式为: | Y - T X t , Y t , S , θ ( X ‾ + P b ) | 2 ]]>4.关键本文档来自技高网...

【技术保护点】
一种人脸对齐方法,其特征在于,包括以下步骤:S1.收集一定数量的人脸图像作为训练样本和预测样本,对于训练样本,将图像增强,标定人脸关键点,并保存关键点位置信息;S2.通过随机森林算法对S1中标定的训练样本进行学习得到标定关键点的特征映射函数进而获取标定关键点的局部二值化特征;S3.将步骤S2中得到的标定关键点的局部二值特征组合起来构成一个全局二值特征;S4.利用步骤S3中的全局二值特征与全局线性回归的学习方式获得全局线性回归模型Wt,进而实现待测样本的人脸关键点的定位。

【技术特征摘要】
1.一种人脸对齐方法,其特征在于,包括以下步骤:S1.收集一定数量的人脸图像作为训练样本和预测样本,对于训练样本,将图像增强,标定人脸关键点,并保存关键点位置信息;S2.通过随机森林算法对S1中标定的训练样本进行学习得到标定关键点的特征映射函数进而获取标定关键点的局部二值化特征;S3.将步骤S2中得到的标定关键点的局部二值特征组合起来构成一个全局二值特征;S4.利用步骤S3中的全局二值特征与全局线性回归的学习方式获得全局线性回归模型Wt,进而实现待测样本的人脸关键点的定位。2.根据权利要求1所述的一种人脸对齐方法,其特征在于,将图像增强包括对图像进行去模糊、去雾、几何矫正和对比度增强。3.根据权利要求1所述的一种人脸对齐方法,其特征在于,所述步骤S2包括:对图片初始化1个形状,其中形状是人工标定的关键点;基于这个形状计算每个点的周围像素,或者两个形状两个对应点中像素的差值,作为特征值features;计算当前人脸图片和人工标记形状的差异Δs,训练函数y=f(x),计算Δs=f(features)。4.根据权利要求1所述的一种人脸对齐方法,其特征在于,所述步骤S4...

【专利技术属性】
技术研发人员:毛亮朱婷婷文莉林焕凯黄仝宇宋一兵汪刚柏林刘双广
申请(专利权)人:广州尚云在线科技有限公司
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1