專(zhuān)利名稱(chēng)：用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像處理技術(shù)領(lǐng)域的方法，具體是一種用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法。
背景技術(shù)：
人臉識(shí)別作為生物特征識(shí)別的重要分支受到越來(lái)越廣泛的關(guān)注，該領(lǐng)域在過(guò)去十年取得了非常多的研究成果，其中有一些已經(jīng)應(yīng)用到實(shí)際生活中，如人臉檢測(cè)，人臉識(shí)別等，而人臉特征點(diǎn)定位是人臉識(shí)別中的核心技術(shù)，其特征點(diǎn)定位的精確性直接影響到識(shí)別的精度。因此，精確地定位大量的人臉特征點(diǎn)可以極大地提高識(shí)別的精度。現(xiàn)有的人臉特征定位方法主要分為兩類(lèi)其一是局部特征定位方法，其二是全局特征點(diǎn)定位方法。局部人臉特征定位方法雖然速度快，但只能給出很少的特征點(diǎn)，且部魯棒，達(dá)不到識(shí)別的要求，相對(duì)于局部人臉特征定位方法，全局特征點(diǎn)定位方法，如ASM(活動(dòng)形狀模型)方法可以同時(shí)定位很多人臉特征點(diǎn)，速度快，且其對(duì)光照、背景的變化不很敏感，因而被廣泛地應(yīng)用于特征點(diǎn)定位。
經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，在《Image Processing and Analysis》(《圖像處理與分析》)的第七章“Model-based Methods in Analysis of BiomedicalImages”(“生物醫(yī)學(xué)圖像分析中基于模型的方法”)的第223頁(yè)到248頁(yè)(該書(shū)于2001年在于牛津大學(xué)出版社出版)介紹了T.F.Cootes等提出的ASM方法，該方法中，當(dāng)進(jìn)行特征點(diǎn)新位置搜索時(shí)把搜索范圍限制在垂直于前后兩個(gè)特征點(diǎn)連線的方向上的一維輪廓上，而實(shí)際情況是特征點(diǎn)的真正的新位置不一定在該輪廓上，這就給搜索結(jié)果帶來(lái)了一定的誤差，如果每個(gè)特征點(diǎn)在搜索新位置時(shí)都遇到這種情況，那么整個(gè)人臉特征點(diǎn)定位的誤差將會(huì)非常大，從而難以讓人接受。

發(fā)明內(nèi)容
針對(duì)ASM方法中搜索特征點(diǎn)位置的搜索范圍為一維輪廓這一缺陷，本發(fā)明提出了一種用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，從而能夠使當(dāng)前特征點(diǎn)找到其真正的位置，即以原始ASM方法中的一維輪廓為中心，兩邊各選s個(gè)與該一維輪廓等長(zhǎng)度同方向的輪廓，這樣搜索范圍就從原來(lái)的一維輪廓拓展到二維輪廓。當(dāng)搜索范圍從一維拓展到二維時(shí)，就很容易找到當(dāng)前特征點(diǎn)的真正的新位置，從而大大地提高了特征點(diǎn)定位的精度。
本發(fā)明是使用以下技術(shù)方案實(shí)現(xiàn)的，包括如下步驟(1)在給定的圖像上進(jìn)行人臉檢測(cè)，給出人臉區(qū)域的位置坐標(biāo)；(2)在找到的人臉區(qū)域上進(jìn)行眼睛定位，找到兩眼的位置；(3)計(jì)算兩眼中點(diǎn)的坐標(biāo)[X1，Y1]、兩眼之間的距離ds1、兩眼連線的角度angle1；(4)建立ASM模型；(5)對(duì)ASM模型的初始位置進(jìn)行仿射變換得到初始模型；(6)用初始模型作為ASM搜索的起始位置，并使用二維輪廓進(jìn)行特征點(diǎn)定位。
所述的步驟(1)，是指利用adaboost(自適應(yīng)增強(qiáng))方法進(jìn)行人臉檢測(cè)。
所述的步驟(2)，是指利用方差投影函數(shù)進(jìn)行眼睛的準(zhǔn)確定位。
所述的步驟(4)，是指首先在訓(xùn)練集的每一個(gè)訓(xùn)練樣本圖像上手工選擇k個(gè)人臉的主要特征點(diǎn)，這k個(gè)特征點(diǎn)組成的形狀可以由一個(gè)向量x(i)＝[x1，x2，...，xk，y1，y2，...，yk]來(lái)表示，具有相同編號(hào)的特征點(diǎn)在不同的圖像中代表了相同的特征，n個(gè)訓(xùn)練樣本圖像就對(duì)應(yīng)有n個(gè)形狀向量，然后校準(zhǔn)這n個(gè)向量從而使得它們所表示的形狀在大小、方向和位置上最為接近。然后對(duì)n個(gè)校準(zhǔn)后的形狀向量進(jìn)行PCA(主元分析)處理，最終任何一個(gè)形狀都可以表示為x＝x+Pb，其中b＝PT.(x-x)，b代表了前t個(gè)最大的模式的變化情況。然后為訓(xùn)練樣本圖像中每個(gè)特征點(diǎn)建立局部紋理，以當(dāng)前特征點(diǎn)為中心在垂直于當(dāng)前特征點(diǎn)的前后兩特征點(diǎn)連線方向上兩邊各選擇m個(gè)像素，計(jì)算這m個(gè)像素的灰度值導(dǎo)數(shù)并歸一化從而得到一個(gè)輪廓。記第i個(gè)形狀向量中第j個(gè)特征點(diǎn)的輪廓為gij，則第j個(gè)特征點(diǎn)輪廓的平均，gj‾=1nΣi=1ngij,]]>其方差為Cj=1nΣi=1n(gij-gj‾)·(gij-gj‾)T,]]>對(duì)k個(gè)特征點(diǎn)都計(jì)算其輪廓的平均和方差，從而就得到了k個(gè)特征點(diǎn)的局部紋理。
所述的步驟(5)，是指以?xún)裳壑悬c(diǎn)的位置、兩眼之間的距離、兩眼連線的角度對(duì)ASM模型的平均形狀進(jìn)行仿射變換從而得到初始模型。
所述的仿射變換，是指對(duì)訓(xùn)練得到的平均形狀模型x，分別計(jì)算左眼球和右眼球周?chē)乃膫€(gè)特征點(diǎn)的中心作為左眼睛和右眼睛位置，然后計(jì)算該平均形狀模型中兩眼的距離ds2、兩眼連線的角度angle2以及兩眼的中點(diǎn)坐標(biāo)[X2，Y2]，再對(duì)平均形狀模型x進(jìn)行仿射變換，即將把整個(gè)平均形狀模型x平移[X1-X2，Y1-Y2]，然后以該模型的中心旋轉(zhuǎn)angle1-angle2，最后再以ds1/ds2的比例進(jìn)行縮放。
所述的仿射變換，由X＝M(s，θ)[x]+Xc來(lái)表示，該式表示對(duì)x以其中心逆時(shí)針旋轉(zhuǎn)θ縮放s，然后再平移Xc，其中Xc＝(Xc，Yc，Xc，Yc，...，Xc，Yc)。
所述的步驟(6)，是指用仿射變換后初始模型在新的圖像中搜索目標(biāo)形狀，使搜索到的最終形狀中的特征點(diǎn)和相對(duì)應(yīng)的真正特征點(diǎn)最為接近，這個(gè)搜索過(guò)程主要是通過(guò)仿射變換和參數(shù)b的變化來(lái)實(shí)現(xiàn)。具體通過(guò)反復(fù)迭代如下兩步來(lái)實(shí)現(xiàn)1)搜索特征點(diǎn)的新位置首先把初始模型覆蓋在圖像上，對(duì)于模型中第j個(gè)特征點(diǎn)，在垂直于其前后兩個(gè)特征點(diǎn)連線方向上以其為中心兩邊各選擇1(1大于m)個(gè)像素，這樣就形成了一個(gè)長(zhǎng)度為(2m+1)的一維向量，然后再以該一維向量為中心，兩邊各選擇s個(gè)與其長(zhǎng)度相同，方向相同的一維向量，這樣就形成了一個(gè)長(zhǎng)為2m+1，寬為2s+1的二維矩陣，計(jì)算這個(gè)二維矩陣每一行中像素灰度值的導(dǎo)數(shù)并歸一化從而就得到了一個(gè)長(zhǎng)度為2m，寬度為2s+1的二維輪廓。定義一個(gè)能量函數(shù)fj(p)=(temp(p)-gj‾)·Cj-1·(temp(p)-gj‾)T,]]>用此能量函數(shù)評(píng)判當(dāng)前子輪廓與 之間的相似性。在上述二維輪廓的每一行上進(jìn)行如下操作在當(dāng)前行中從前往后依次選取長(zhǎng)度為m的子輪廓記為temp(P)，計(jì)算對(duì)應(yīng)得能量函數(shù)，記錄下使能量函數(shù)達(dá)到最小的子輪廓的中心位置，對(duì)2s+1行都進(jìn)行這樣的操作就會(huì)得到2s+1個(gè)這樣的位置，然后從這2s+1個(gè)位置中選出其對(duì)應(yīng)的能量函數(shù)最小的位置，該位置即為當(dāng)前特征點(diǎn)的新位置，同時(shí)計(jì)算該特征點(diǎn)位置的變化dXj，對(duì)每個(gè)特征點(diǎn)都進(jìn)行這樣的計(jì)算就得到k個(gè)位置變化dXi，i＝1，2，...，k，并組成一個(gè)向量dX＝(dX1，dX2，...，dXk)。
2)仿射變換中的參數(shù)和b的更新由公式X＝M(s，θ)[x]+Xc得M(s(1+ds)，(θ+dθ))[x+dx]+(Xc+dXc)＝(X+dX)，M(s(1+ds)，(θ+dθ))[x+dx]＝M(s，θ)[x]+dX+Xc-(Xc+dXc)，同時(shí)由式x＝x+Pb，期望找到db使得x+dx＝x+P(b+db)，由式x＝x+Pb可得db＝P-1dx，這樣就可以對(duì)參數(shù)作如下更新Xc＝Xc+wldXc，Yc＝Y(jié)c+wldYc，θ＝θ+wθdθ，b＝b+Wbdb，式中wl，wθ，ws，Wb用于控制參數(shù)變化的權(quán)值，這樣就可以由式x＝x+Pb得到新的形狀。
本發(fā)明提出的人臉特征點(diǎn)定位方法具有較高的精度。由于在搜索特征點(diǎn)新位置時(shí)使用的是二維輪廓，因此特征點(diǎn)就更容易找到其真正的位置，這樣整個(gè)特征點(diǎn)定位的精度就得到了大大的提高。用拍攝的人臉庫(kù)(包含有2273幅人臉圖像)對(duì)比本發(fā)明提出的用二維輪廓進(jìn)行的特征點(diǎn)定位方法和原始ASM方法中用一維輪廓進(jìn)行特征點(diǎn)定位的方法，前者的特征點(diǎn)定位的平均誤差分別是3.2個(gè)像素，而后者特征點(diǎn)定位的平均誤差分別是4.5個(gè)像素，實(shí)驗(yàn)表明本發(fā)明提出的用二維輪廓定位特征點(diǎn)的方法在精度上比其他人臉特征點(diǎn)定位方法有很大的改善。


圖1為人臉檢測(cè)的結(jié)果。
圖2為眼睛定位的結(jié)果。
圖3為標(biāo)有特征點(diǎn)的人臉圖像。
圖4為仿射變換后的結(jié)果。
圖5為用本發(fā)明提出的二維輪廓的示意圖。
圖6為原始ASM方法中的一維輪廓示意圖。
圖7為用仿射變換后的初始模型并利用二維輪廓進(jìn)行ASM搜索得到的結(jié)果。
具體實(shí)施例方式
以下結(jié)合一個(gè)具體的實(shí)施例對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步詳細(xì)的描述。
實(shí)施例采用的圖像來(lái)自拍攝的人臉圖像庫(kù)。整個(gè)實(shí)現(xiàn)過(guò)程如下1.用adaboost方法進(jìn)行人臉檢測(cè)，檢測(cè)結(jié)果如圖1所示。圖中的用白線畫(huà)出的長(zhǎng)方形區(qū)域即為找到的人臉區(qū)域，該長(zhǎng)方形左上角坐標(biāo)是(189，113)，右下角坐標(biāo)是(438，412)。
2.眼睛定位，在找到的人臉區(qū)域里進(jìn)行眼睛檢測(cè)找到兩眼的位置，如圖2所示。
圖中左眼睛上的白色星型圖案即為找到的左眼睛位置，其坐標(biāo)為(270，208)，右眼睛上的白色星型圖案即為找到的右眼睛位置，其坐標(biāo)為(360，208)。
3.計(jì)算仿射變換的參數(shù)，即兩眼中點(diǎn)的坐標(biāo)、兩眼之間的距離、兩眼連線的角度。
根據(jù)兩眼的坐標(biāo)位置可求得兩眼中點(diǎn)坐標(biāo)為(315，208)，兩眼之間的距離為90個(gè)像素，兩眼連線的角度為0度。
4.從人臉庫(kù)中選擇400個(gè)標(biāo)好特征點(diǎn)的人臉圖像建立ASM模型。標(biāo)好特征點(diǎn)的人臉圖像如圖3所示。即首先在訓(xùn)練集的每一個(gè)訓(xùn)練樣本圖像上選擇60個(gè)特征點(diǎn)，這60個(gè)特征點(diǎn)組成的形狀可以由一個(gè)向量x(i)＝[x1，x2，...，x60，y1，y2，...，y60]來(lái)表示，具有相同編號(hào)的特征點(diǎn)在不同的圖像中表示相同的特征，400個(gè)訓(xùn)練樣本圖像就有400個(gè)形狀向量，然后對(duì)這400個(gè)向量進(jìn)行校準(zhǔn)操作，使這些形狀向量所表示的形狀在大小、方向和位置上最為接近。然后對(duì)400個(gè)校準(zhǔn)后的形狀向量進(jìn)行PCA(主元分析)處理，這樣任何一個(gè)形狀都可以表示為x＝x+Pb，式中b＝PT.(x-x)，b的值表示了前22個(gè)模式的變化情況。對(duì)于訓(xùn)練樣本圖像中每個(gè)特征點(diǎn)需要建立其局部紋理，即在垂直于當(dāng)前特征點(diǎn)的前后兩特征點(diǎn)連線方向上以當(dāng)前特征點(diǎn)為中心兩邊各選擇5個(gè)像素，計(jì)算這11(2*5+1)個(gè)像素的灰度值導(dǎo)數(shù)并歸一化從而得到一個(gè)長(zhǎng)度為10的一維輪廓。記第i個(gè)形狀向量中第j個(gè)特征點(diǎn)的輪廓為gij，則第j個(gè)特征點(diǎn)輪廓的平均，gj‾=1nΣi=1ngij,]]>其方差為Cj=1nΣi=1n(gij-gj‾)·(gij-gj‾)T,]]>對(duì)k個(gè)特征點(diǎn)都計(jì)算其輪廓的平均和方差，從而就得到了k個(gè)特征點(diǎn)的局部紋理。
5.以?xún)裳壑悬c(diǎn)的位置、兩眼之間的距離、兩眼連線的角度對(duì)ASM模型初始位置進(jìn)行仿射變換，即先求得ASM初始模型上兩眼中點(diǎn)坐標(biāo)、兩眼距離、兩眼連線的角度，它們分別是(113，145)，90，12，然后對(duì)這個(gè)初始模型做如下操作把該模型在X方向上平移-202(113-315)個(gè)像素，在Y方向上平移63(145-208)個(gè)像素，以其中心旋轉(zhuǎn)12(12-0)度，并按1(90/90)的比例進(jìn)行縮放。仿射變換后的初始模型如圖4所示。
6.以初始模型作為起始位置并用二維輪廓(如圖5所示)而不是一維輪廓(如圖6所示)進(jìn)行ASM搜索得到人臉特征點(diǎn)的位置，即把初始模型覆蓋在圖像上，對(duì)模型中第j個(gè)特征點(diǎn)，在垂直于其前后兩個(gè)特征點(diǎn)連線方向上以其為中心兩邊各選擇15個(gè)像素，這樣就形成了一個(gè)長(zhǎng)度為31(2*15+1)的一維向量，然后再以該一維向量為中心，兩邊各選擇5個(gè)與其長(zhǎng)度相同，方向相同的一維向量，這樣就形成了一個(gè)長(zhǎng)為31(2*15+1)，寬為11(2*5+1)的二維矩陣，計(jì)算這個(gè)二維矩陣每一行中像素灰度值的導(dǎo)數(shù)并歸一化從而就得到了一個(gè)長(zhǎng)度為30，寬度為11的二維輪廓。定義一個(gè)能量函數(shù)fj(p)=(temp(p)-gj‾)·Cj-1·(temp(p)-gj‾)T,]]>用此能量函數(shù)評(píng)判當(dāng)前子輪廓與 之間的相似性。在上述這個(gè)二維輪廓的每一行上進(jìn)行如下操作在當(dāng)前行中從前向后依次取長(zhǎng)度為10的子輪廓記為temp(P)，記錄下使能量函數(shù)達(dá)到最小的子輪廓的中心位置，對(duì)11行都進(jìn)行這樣的操作就會(huì)得到11個(gè)這樣的位置，然后從這11個(gè)位置中選出其對(duì)應(yīng)的能量函數(shù)最小的位置，該位置即為當(dāng)前特征點(diǎn)的新位置，同時(shí)計(jì)算該特征點(diǎn)位置的變化dXj，對(duì)每個(gè)特征點(diǎn)都進(jìn)行這樣的計(jì)算就得到k個(gè)位置變化dX，i＝1，2，...，k，并組成一個(gè)向量dX＝(dX1，dX2，...，dXk)。然后再根據(jù)上述dX計(jì)算仿射變換參數(shù)和b的變化，經(jīng)過(guò)24步迭代就可以最終定位60個(gè)特征點(diǎn)，如圖7所示。
本發(fā)明提出的人臉特征點(diǎn)定位方法具有較高的精度。以上實(shí)施例總耗時(shí)為0.49秒，誤差為3.1個(gè)像素。
權(quán)利要求
1.一種用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，其特征在于，包括如下步驟(1)在給定的圖像上進(jìn)行人臉檢測(cè)，給出人臉區(qū)域的位置坐標(biāo)；(2)在找到的人臉區(qū)域上進(jìn)行眼睛定位，找到兩眼的位置；(3)計(jì)算兩眼中點(diǎn)的坐標(biāo)[X1，Y1]、兩眼之間的距離ds1、兩眼連線的角度angle1；(4)建立ASM模型；(5)對(duì)ASM模型的初始位置進(jìn)行仿射變換得到初始模型；(6)用初始模型作為ASM搜索的起始位置，并使用二維輪廓進(jìn)行特征點(diǎn)定位。
2.根據(jù)權(quán)利要求1所述的用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，其特征是，所述的步驟(1)，是指利用adaboost方法進(jìn)行人臉檢測(cè)。
3.根據(jù)權(quán)利要求1所述的用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，其特征是，所述的步驟(2)，是指利用方差投影函數(shù)進(jìn)行眼睛的準(zhǔn)確定位。
4.根據(jù)權(quán)利要求1所述的用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，其特征是，所述的步驟(4)，是指首先在訓(xùn)練集的每一個(gè)訓(xùn)練樣本圖像上手工選擇k個(gè)特征點(diǎn)，這k個(gè)特征點(diǎn)組成的形狀由一個(gè)向量x(i)＝[x1，x2，...，xk，y1，y2，...，yk]來(lái)表示，具有相同編號(hào)的特征點(diǎn)在圖像中表示相同的特征，n個(gè)訓(xùn)練樣本圖像就有n個(gè)形狀向量，對(duì)這些形狀向量進(jìn)行校準(zhǔn)操作，然后對(duì)校準(zhǔn)后的形狀向量進(jìn)行PCA處理，這樣任何一個(gè)形狀都能表示為x＝x+Pb，式中b＝PT.(x-x)，b的值表示了前t個(gè)模式的變化情況；對(duì)于訓(xùn)練樣本圖像中每個(gè)特征點(diǎn)需要建立其局部紋理，即對(duì)k個(gè)特征點(diǎn)都計(jì)算其輪廓的平均和方差，從而就得到了k個(gè)特征點(diǎn)的局部紋理。
5.根據(jù)權(quán)利要求1所述的用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，其特征是，所述的步驟(5)，是指以?xún)裳壑悬c(diǎn)的位置、兩眼之間的距離、兩眼連線的角度對(duì)ASM模型的平均形狀進(jìn)行仿射變換從而得到初始模型。
6.根據(jù)權(quán)利要求1或者5所述的用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，其特征是，所述的仿射變換，是指對(duì)訓(xùn)練得到的平均形狀模型x，分別計(jì)算左眼球和右眼球周?chē)乃膫€(gè)特征點(diǎn)的中心作為左眼睛和右眼睛位置，然后計(jì)算該平均形狀模型中兩眼的距離ds2、兩眼連線的角度angle2以及兩眼的中點(diǎn)坐標(biāo)[X2，Y2]，再對(duì)平均形狀模型x進(jìn)行仿射變換，即將把整個(gè)平均形狀模型x平移[X1-X2，Y1-Y2]，然后以該模型的中心旋轉(zhuǎn)angle1-angle2，最后再以ds1/ds2的比例進(jìn)行縮放。
7.根據(jù)權(quán)利要求1或者5所述的用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，其特征是，所述的仿射變換，由X＝M(s，θ)[x]+Xc來(lái)表示，該式表示對(duì)x以其中心逆時(shí)針旋轉(zhuǎn)θ縮放s，然后再平移Xc，其中Xc＝(Xc，Yc，Xc，Yc，...，Xc，Yc)。
8.根據(jù)權(quán)利要求1所述的用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，其特征是，所述的步驟(6)，是指用仿射變換后初始模型在新的圖像中搜索目標(biāo)形狀，使搜索到的最終形狀中的特征點(diǎn)和相對(duì)應(yīng)的真正特征點(diǎn)最為接近，這個(gè)搜索過(guò)程主要是通過(guò)仿射變換和參數(shù)b的變化來(lái)實(shí)現(xiàn)。
9.根據(jù)權(quán)利要求1或者8所述的用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，其特征是，所述的步驟(6)，具體通過(guò)反復(fù)如下兩步來(lái)實(shí)現(xiàn)1)計(jì)算每個(gè)特征點(diǎn)的新位置首先把初始模型覆蓋在圖像上，對(duì)于模型中第j個(gè)特征點(diǎn)，在垂直于其前后兩個(gè)特征點(diǎn)連線方向上以其為中心兩邊各選擇1個(gè)像素，其中1大于m，這樣就形成了一個(gè)長(zhǎng)度為2m+1的一維向量，然后再以該一維向量為中心，兩邊各選擇s個(gè)與其長(zhǎng)度相同，方向相同的一維向量，這樣就形成了一個(gè)長(zhǎng)為2m+1，寬為2s+1的二維矩陣，計(jì)算這個(gè)二維矩陣每一行中像素灰度值的導(dǎo)數(shù)并歸一化從而就得到了一個(gè)長(zhǎng)度為2m，寬度為2s+1的二維輪廓，在該二維輪廓中找到使得馬氏距離最小的長(zhǎng)度為m的子輪廓，該子輪廓的中心即為當(dāng)前特征點(diǎn)的新位置，同時(shí)計(jì)算該特征點(diǎn)位置的變化dXj，對(duì)每個(gè)特征點(diǎn)都進(jìn)行這樣的計(jì)算就得到k個(gè)位置變化dXi，i＝1，2，...，k，并組成一個(gè)向量dX＝(dX1，dX2，...，dXk)；2)仿射變換中的參數(shù)和b的更新對(duì)參數(shù)作如下更新Xc＝Xc+wtdXc，Yc＝Y(jié)c+wtdYc，θ＝θ+Wθdθ，b＝b+Wbdb，式中wt，wθ，ws，Wb是用于控制參數(shù)變化的權(quán)值，這樣由式x＝x+Pb得到新的形狀。
全文摘要
一種圖像處理技術(shù)領(lǐng)域的用二維輪廓進(jìn)行人臉特征點(diǎn)新位置搜索的方法，包括如下步驟(1)在給定的圖像上進(jìn)行人臉檢測(cè)，給出人臉區(qū)域的位置坐標(biāo)；(2)在找到的人臉區(qū)域上進(jìn)行眼睛定位，找到兩眼的位置；(3)計(jì)算兩眼中點(diǎn)的坐標(biāo)、兩眼之間的距離、兩眼連線的角度；(4)建立ASM模型；(5)對(duì)ASM模型的初始位置進(jìn)行仿射變換得到初始模型；(6)用初始模型作為ASM搜索的起始位置，并使用二維輪廓進(jìn)行特征點(diǎn)定位。本發(fā)明提出的涉及了人臉檢測(cè)、眼睛檢測(cè)、二維輪廓、ASM特征點(diǎn)定位的人臉特征點(diǎn)定位方法可以進(jìn)一步應(yīng)用于人臉識(shí)別，性別識(shí)別、表情識(shí)別、年齡估計(jì)等方面，其具較高的精度。
文檔編號(hào)G06K9/00GK1786980SQ20051011122
公開(kāi)日2006年6月14日 申請(qǐng)日期2005年12月8日 優(yōu)先權(quán)日2005年12月8日
發(fā)明者杜春華, 楊杰 申請(qǐng)人:上海交通大學(xué)