一种基于深度值的单幅图像人脸姿态估计方法技术
【技术实现步骤摘要】
本专利技术涉及一种基于深度值的单幅图像人脸姿态估计方法。
技术介绍
近年来，虽然随着深度摄像机技术的发展及微软Kinect的问世，打破了以往深度摄像头高昂价格的局面，人脸姿态估计领域也出现了ETHFacePose和BiwiKinect两个新的深度图像数据库，但在海关、机场、展览馆等公共场合及公安追捕罪犯系统等实际应用中，二维数据库向三维数据库采集更新仍需时间，因此，目前对于单幅二维人脸图像的多姿态识别仍居主流。目前，正面人脸识别系统已取得了较好的识别效果，但是多姿态人脸图像的有效识别，效果仍然欠佳。据统计大约75％的人脸图像为非正面的人脸图像，因此,人脸姿态估计对于多姿态人脸识别来说是非常重要的。除此以外，人脸姿态估计还在智慧城市、司机疲劳检测系统和智能轮椅等方面都有着广泛的应用。根据实现原理和方式的不同，现有的人脸姿态估计方法大体上可以分为六类：⑴形状模板匹配的方法；⑵检测分类器的方法；⑶特征回归的方法；⑷流形嵌入的方法；⑸局部约束模型的方法；⑹脸部特征点几何关系的方法。其中，脸部特征点几何关系的方法具有简单、耗时短、效率高等优点，而且随着人脸特征点提取算法的日趋成熟，脸部关键特征点的检测和定位精度已逐渐获得保障。依据以下几点：⑴多姿态二维人脸图像识别仍居主流；⑵脸部特征点几何关系方法具有简单、耗时短、效率高等优点；⑶现有的姿态估计方法大多存在缺乏人脸特征深度信息而造成姿态估计过程病态化的问题；⑷最小二乘法不能很好地区分内点和外点，从而存在影响估计精度和鲁棒性的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于深度值的单幅图像人脸姿态估计方法...
【技术保护点】
一种基于深度值的单幅图像人脸姿态估计方法，其特征在于，包括以下步骤：步骤S1：获取待估计姿态人脸图像；步骤S2：预处理，将所述待估计姿态人脸图像转化成灰度图像，灰度值归一化为[0,1]，并进行去噪处理和标准化处理；步骤S3：对预处理后的灰度图像，利用改进的活动形状模型方法，提取十个人脸特征点的二维值；所述十个人脸特征点为左眼外角点、右眼外角点、左眼内角点、右眼内角点、左嘴角点、右嘴角点、鼻尖点、左鼻翼点、右鼻翼点和下巴顶点；步骤S4：根据透视成像原理，利用迭代算法，求得所述十个人脸特征点的深度值；步骤S5：根据所述深度值建立人脸姿态估计目标函数；步骤S6：利用四个人脸特征点进行人脸姿态一次估计，作为对目标函数进行最小二乘优化运算的输入值，输出二次估计的人脸姿态结果，并将所述二次估计的人脸姿态结果作为下步M‑估计算法的初始值，所述四个人脸特征点为左眼外角点、右眼外角点、鼻下点和嘴角点；步骤S7：利用M‑估计算法对最小二乘优化运算得到的结果作进一步优化，输出最终估计结果。
【技术特征摘要】
1.一种基于深度值的单幅图像人脸姿态估计方法，其特征在于，包括以下步骤：步骤S1：获取待估计姿态人脸图像；步骤S2：预处理，将所述待估计姿态人脸图像转化成灰度图像，灰度值归一化为[0,1]，并进行去噪处理和标准化处理；步骤S3：对预处理后的灰度图像，利用改进的活动形状模型方法，提取十个人脸特征点的二维值；所述十个人脸特征点为左眼外角点、右眼外角点、左眼内角点、右眼内角点、左嘴角点、右嘴角点、鼻尖点、左鼻翼点、右鼻翼点和下巴顶点；步骤S4：根据透视成像原理，利用迭代算法，求得所述十个人脸特征点的深度值；步骤S5：根据所述深度值建立人脸姿态估计目标函数；步骤S6：利用四个人脸特征点进行人脸姿态一次估计，作为对目标函数进行最小二乘优化运算的输入值，输出二次估计的人脸姿态结果，并将所述二次估计的人脸姿态结果作为下步M-估计算法的初始值，所述四个人脸特征点为左眼外角点、右眼外角点、鼻下点和嘴角点；步骤S7：利用M-估计算法对最小二乘优化运算得到的结果作进一步优化，输出最终估计结果。2.根据权利要求1所述的基于深度值的单幅图像人脸姿态估计方法，其特征在于：所述步骤S3中提取十个人脸特征点的二维值的具体方法为：选取人脸的左眼外角点、右眼外角点、左眼内角点、右眼内角点、左嘴角点、右嘴角点、鼻尖点、左鼻翼点、右鼻翼点和下巴顶点为引导，并利用仿射变换不...
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。