專利名稱：一種人臉特征點精確定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人臉識別，尤其涉及一種人臉特征點的精確定位方法。屬于數(shù)字圖像處理 技術(shù)領(lǐng)域。
背景技術(shù)：
在目前已有自動人臉識別系統(tǒng)中，特征點定位技術(shù)相對比較薄弱。人臉檢測領(lǐng)域的研 究人員往往不關(guān)心特征點定位的準(zhǔn)確度，僅僅給出人臉的大概位置信息。而絕大多數(shù)做識 別算法的研究人員在做識別實驗時都假定特征點的位置是給定的，例如給定兩只眼睛的位 置。然而，特征點的精確定位遠不是現(xiàn)有技術(shù)可以解決的問題，尤其是在成像條件比較惡 劣、表情變化比較大的情況下，關(guān)鍵點定位顯得更困難。特征點定位準(zhǔn)確與否對整個自動 人臉識別系統(tǒng)的性能影響非常大。如果特征點定位偏差比較大，就會導(dǎo)致識別率的急劇降 低。
傳統(tǒng)的人臉特征點定位方法多采用的是基于灰度圖像的灰度投影方法，其受光照變 化、姿態(tài)、遮擋、閉眼、眼鏡等的變化都很敏感。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中存在的特征點定位不夠精確的問題，提出一種人臉 特征點精確定位方法。
本發(fā)明方法通過對圖像進行LBP處理，然后使用模板匹配方法進行特征點的精確定 位，對于人臉圖像的姿態(tài)、遮擋、閉眼、眼鏡等的變化非常魯棒(Robust)，并且定位準(zhǔn)確。
本發(fā)明方法處理的原始圖像可以是未經(jīng)初步定位的圖像，比如未經(jīng)處理的整個人臉圖 像，也可以是經(jīng)過現(xiàn)有技術(shù)初步定位的圖像，比如整個人臉圖像中包括了目標(biāo)特征點的局 部圖像?？梢岳斫?，本發(fā)明方法處理經(jīng)過現(xiàn)有技術(shù)初步定位的圖像時效率更高。
關(guān)于初步定位技術(shù)，目前采用比較多的是Adaboost和Haar-Like特征的方法，這種方 法已經(jīng)比較成熟，識別率較高，識別速度較快，并且魯棒性也較好。本發(fā)明另外推薦Adaboost 和uniform-LBP的方法，uniform-LBP的特征的識別率比Haar-Like特征更高，魯棒性更好，不過識別速度稍慢。
本發(fā)明所稱的人臉的"面部特征點"(或簡稱"特征點")指人臉的一些特定位置，是 人為定義的。 一般來說，面部特征點位于人臉五官輪廓的尖端或突出處，比如內(nèi)外眼角、 嘴角和鼻尖等位置。本申請發(fā)明人發(fā)現(xiàn)，組成嘴角、眼角等特征點的基本特征單元是"線條 交點"。以嘴角為例，如圖l所示
這些"線條交點"的微觀模式特征如圖2所示，可見，這些點大致構(gòu)成一條直線，而本 申請關(guān)注的特征點正好位于兩條這樣的直線構(gòu)成的交點處。
針對這一發(fā)現(xiàn)，本申請發(fā)明人對常規(guī)的LBP算子作了一些改進，提出了Line-LBP這
一概念。
Line-LBP
常規(guī)的LBP算子通常只考慮和中心點相隔特定距離(比如，1個像素點)的周圍像素， 如圖3所示，對灰度為6的中心點進行P-8的LBP處理(即，通過LBP算子進行計算) 得到的LBP值為241。
本申請所述的Line-LBP算子除了考慮周圍點的個數(shù)P的選取外，還考慮周圍點和中 心點之間的距離R，該距離也可理解為周圍點所在的圓的半徑(該圓的圓心為中心點)， 如圖4所示(P=8)。當(dāng)R4時，即為常規(guī)的LBP算子所考慮的情況，如圖4a所示；當(dāng) R-2時，選取和中心點間距2像素的8個周圍點進行LBP處理，其中，當(dāng)某個周圍點并非 嚴(yán)格意義上的某個像素點時(比如圖4b右上角的周圍點)，可選取和該周圍點最接近的 像素點作近似處理，或根據(jù)和該周圍點相鄰的像素點取平均值作近似處理；當(dāng)11=3時，選 取和中心點間距3像素的8個周圍點進行LBP處理，如圖4c所示。
除此之外，本發(fā)明提出將多個R值連續(xù)或不連續(xù)的LBP直方圖(比如三個，如圖5c 所示)對應(yīng)相加得到的直方圖(如圖5d所示)作為人臉特征點的特征。這一點與現(xiàn)有技 術(shù)中慣常采用的方法大不相同，現(xiàn)有技術(shù)方法多是將3個直方圖級聯(lián)形成新的直方圖。但 由于這3個直方圖的維數(shù)相同，并且直方圖的相加也具有很直觀的物理意義，因此本發(fā)明 作此處理。采用這樣的方法可以有效地反映直線的趨勢，體現(xiàn)特征點不同于非特征點的區(qū) 別特征。
本申請方法包括模板建立和模板匹配兩個過程。 就模板建立而言，包括下列步驟a. 選取m個人臉圖像的灰度圖，以圖像中的目標(biāo)特征點為中心，截取形狀相同(圓 形，正方形，長方形等)的m個分析窗口；在實際操作中，經(jīng)常對同一人臉圖像同時提取 多個目標(biāo)特征點，比如6個，則從m個人臉圖像的灰度圖可以得到6m個分析窗口；
b. 以相同的中心角將每一個分析窗口以所述特征點為中心等分成n (4)個分析區(qū)，
每個小區(qū)均包含所述特征點；即以特征點為中心作發(fā)散狀等分； C.對于每個分析窗口上的每個分析區(qū)，均作如下處理
對分析區(qū)進行R次LBP處理得到R個LBP圖，在各次LBP處理中，中心點和周圍點
之間的距離分別為l， 2,…R個像素；R為自然數(shù)；
由所述R個LBP圖得到各自的直方將所述R個直方圖相加，以得到的直方圖總和作為所述分析區(qū)的直方d. 以各個分析區(qū)在所述m個分析窗口中的直方圖的平均直方圖作為所述分析區(qū)的特 征直方就模板匹配而言，包括下列步驟
e. 對于取待分析的灰度圖，以圖中各個像素點為中心，截取和步驟a所述形狀相同的 分析窗口 ，并按步驟b所述方式將分析窗口分成n個分析區(qū)；
f. 對每個分析區(qū)進行R4的LBP處理，得到LBP圖，進而得到直方圖，計算該直方 圖和該分析區(qū)的所述特征直方圖之間的卡方距離；對n個小區(qū)的卡方距離求和；
g. 遍歷各個像素點后，以所述卡方距離和最小時的像素點作為所述待分析的灰度圖 的特征點。
在上述方法中，
優(yōu)選地，m值越大越好，比如m^20。 優(yōu)選地，所述分析窗口為圓形或正方形。 優(yōu)選地，n=4。
優(yōu)選地，所述分析窗口為圓形，in=4。 優(yōu)選地，R>3。
和現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)勢在于
1.定位精確。本發(fā)明方法可在現(xiàn)有技術(shù)初步定位的基礎(chǔ)上進一步定位，大大提高定 位精度；2. 不受光照影響?，F(xiàn)有技術(shù)基于灰度投影的方法受光照影響很大；
3. 適用于成像條件惡劣，人臉表情姿態(tài)變化較大的情況；對于人臉的各種變化魯棒。


圖1是嘴角"線條交點"的示意圖2是嘴角"線條交點"的微觀模式示意圖3是常規(guī)的LBP算法(P=8)示意圖4是本發(fā)明提出的Line-LBP算法(P=8)示意圖，圖4a-c中的R分別為1-3; 圖5是三個LBP直方圖相加得到特征直方圖的示意圖，圖5a-d分別表示灰度圖，LBP圖， 直方圖和特征直方圖； 圖6是圓形分析窗口示意圖。
具體實施例方式
下面通過具體實施例結(jié)合附圖對本發(fā)明作進一步描述。 本發(fā)明實施例包括下列步驟
a. 選取9個人臉圖像的灰度圖，以圖像中的右嘴角作為特征點，以該特征點為中心，
截取大小相同的圓形分析窗口，如圖6所示；
b. 將每個分析窗口等分成4份，得到4個分析區(qū)，每個分析區(qū)均包含特征點； C.對于每個分析窗口上的每個分析區(qū)，均作如下處理
對分析區(qū)進行3次LBP處理得到3個LBP圖，在各次LBP處理中，中心點和周圍點 之間的距離分別為l， 2， 3個像素；
由所述3個LBP圖得到各自的直方將所述3個直方圖相加，以得到的直方圖總和作為所述分析區(qū)的直方d. 以各個分析區(qū)在所述9個分析窗口中的直方圖的平均直方圖作為所述分析區(qū)的特 征直方e. 對于取待分析的灰度圖，以圖中各個像素點為中心，截取和步驟a所述形狀相同的 分析窗口，并按步驟b所述方式將分析窗口分成4個分析區(qū)；
. 對每個分析區(qū)進行R4的LBP處理，得到LBP圖，進而得到直方圖，計算該直方 圖和該分析區(qū)的所述特征直方圖之間的卡方距離；卡方距離按照下式計算zy(w,M勺<formula>formula see original document page 7</formula>
然后對4個小區(qū)的卡方距離按照下式求和<formula>formula see original document page 7</formula>
g.遍歷所述待分析的灰度圖中的各個像素點后，以所述卡方距離和D最小時的像素 點作為所述待分析的灰度圖的特征點。
權(quán)利要求
1.一種人臉特征點精確定位方法，包括下列步驟a.選取m個人臉圖像的灰度圖，以圖像中的目標(biāo)特征點為中心，截取形狀相同的m個分析窗口；b.以相同的中心角將每一個分析窗口以所述特征點為中心等分成n個分析區(qū)，每個小區(qū)均包含所述特征點；c.對于每個分析窗口上的每個分析區(qū)，均作如下處理對分析區(qū)進行R次LBP處理得到R個LBP圖，在各次LBP處理中，中心點和周圍點之間的距離分別為1，2，…R個像素；由所述R個LBP圖得到各自的直方圖；將所述R個直方圖相加，以得到的直方圖總和作為所述分析區(qū)的直方圖；d.以各個分析區(qū)在所述m個分析窗口中的直方圖的平均直方圖作為所述分析區(qū)的特征直方圖；e.對于取待分析的灰度圖，以圖中各個像素點為中心，截取和步驟a所述形狀相同的分析窗口，并按步驟b所述方式將分析窗口分成n個分析區(qū)；f.對每個分析區(qū)進行R＝1的LBP處理，得到LBP圖，進而得到直方圖，計算該直方圖和該分析區(qū)的特征直方圖之間的卡方距離；對n個小區(qū)的卡方距離求和；g.遍歷各個像素點后，以所述卡方距離和最小時的像素點作為所述待分析的灰度圖的特征點。
2. 如權(quán)利要求l所述的方法，其特征在于，m>20。
3. 如權(quán)利要求l所述的方法，其特征在于，所述分析窗口為圓形或正方形c
4. 如權(quán)利要求l所述的方法，其特征在于，n=4。
5. 如權(quán)利要求l所述的方法，其特征在于，所述分析窗口為圓形，in=4。
6. 如權(quán)利要求l所述的方法，其特征在于，R》3。
全文摘要
本發(fā)明公開了一種人臉特征點精確定位方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。本方法包括從已有的人臉圖像截取分析窗口；再將分析窗口以特征點為中心等分得到分析區(qū)；對每個分析區(qū)進行R次LBP處理(每次處理的中心點和周圍點間距分別為1，2，…R像素)得到R個LBP圖，進而得到各個直方圖；以R個直方圖的總和作為分析區(qū)的直方圖；并以各個分析區(qū)直方圖的均值作為分析區(qū)特征直方圖；對取待分析圖基于每個像素同樣截取分析窗口和劃分分析區(qū)；對分析區(qū)進行LineLBP處理，得到LBP圖，進而得到直方圖，計算該直方圖和分析區(qū)特征直方圖之間的卡方距離；對卡方距離求和；以和最小時的像素點作為特征點。本發(fā)明可用于人臉圖像處理時精確定位人臉特征點。
文檔編號G06K9/64GK101567045SQ20091008543
公開日2009年10月28日 申請日期2009年5月22日 優(yōu)先權(quán)日2009年5月22日
發(fā)明者封舉富, 祝世虎 申請人:北京大學(xué)