專利名稱：目標(biāo)圖像特征點(diǎn)定位方法和目標(biāo)圖像特征點(diǎn)定位系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于模式識(shí)別領(lǐng)域，具體涉及一種目標(biāo)圖像特征點(diǎn)定位方法和目標(biāo)圖像特征點(diǎn)定位系統(tǒng)。
背景技術(shù)：
圖像特征點(diǎn)定位技術(shù)作為圖像處理的基礎(chǔ)技術(shù)，在很多方面具有重要地位。例如， 作為圖像特征點(diǎn)定位技術(shù)的一種，人臉特征點(diǎn)定位技術(shù)在人臉識(shí)別、人臉建模、人臉動(dòng)畫等方面都有著很重要的地位。現(xiàn)有的人臉特征點(diǎn)定位方法大多為基于圖像特征點(diǎn)定位的方法,主要的方法是主動(dòng)形狀模型(ASM ；Active Shape Model)，由Τ. F. Cootes在"Computer Vision and Image Understanding. 1995,61(1) :38-59 提出。其思路為首先訓(xùn)練得到每個(gè)特征點(diǎn)的紋理特征信息和整體特征點(diǎn)的形狀特征，其后給定特征點(diǎn)在人臉上的初始位置， 在每個(gè)特征點(diǎn)鄰域內(nèi)搜索與紋理特征最相似的候選點(diǎn)，再用整體特征點(diǎn)形狀特征來約束和調(diào)節(jié)所有候選點(diǎn)以獲得當(dāng)次搜索的結(jié)果，然后重新搜索迭代直至滿足預(yù)先定義的閾值。在該類方法中，一旦給定的特征點(diǎn)初始化錯(cuò)誤，就容易導(dǎo)致搜索陷入局部最?。徊⑶倚螤罴s束往往對(duì)非正面的人臉形狀起不到調(diào)節(jié)的作用。因此，對(duì)任意姿態(tài)的人臉特征點(diǎn)，難以進(jìn)行精確定位?，F(xiàn)有的解決人臉特征點(diǎn)定位陷入局部最小的方法有以下幾種一是采用更可靠的紋理特征進(jìn)行搜索或者在搜索的區(qū)域上進(jìn)行約束，即基于搜索的方法；一是利用眼睛或者虹膜的定位位置來初始化特征點(diǎn)，即基于初始化的方法。而解決人臉姿態(tài)的方法為訓(xùn)練不同姿態(tài)的人臉形狀集，對(duì)不同的姿態(tài)采用不同的形狀約束，即基于多姿態(tài)訓(xùn)練集的方法。1、基于搜索的方法基于搜索的方法采用更可靠的紋理特征進(jìn)行搜索或者在搜索的區(qū)域上進(jìn)行約束。 比較典型的有 S. Li 等人在 ‘‘In Proceedings InternationalConference on Computer Vision and Pattern Recognition”，2003，Vol. 1，pp321 中公開的方法，采用小波特征替換紋理特征來進(jìn)行搜索。而YuanZhong Li等人在International Conference on ComputerVision”，2005，Vol. 1，ρρ251_258中，對(duì)搜索的區(qū)域進(jìn)行約束。這類方法在搜索上提供了額外的約束，而這類約束的有效范圍往往有限，很難獲得可靠通用的搜索特征和形狀約束，而且對(duì)姿態(tài)變化的人臉也難以實(shí)現(xiàn)精確定位。2、基于初始化的方法基于初始化的方法通過定位眼睛或者虹膜來初始化人臉特征點(diǎn)，以保證搜索中約束在IE確的區(qū)域內(nèi) oBaochang Zhang^" In Proceedingof International conference on Audio-and Video-based Biometric PersonAuthentication，，，2003，pp 52-61 中先定位蟲工膜的位置，然后根據(jù)虹膜與整體特征點(diǎn)之間的對(duì)應(yīng)位置關(guān)系，初始化訓(xùn)練所得的平均特征點(diǎn)到相應(yīng)的位置。這類方法減小了陷入局部最小的可能，但由于直接以平均特征點(diǎn)形狀作為初始化特征點(diǎn)形狀，因而難以應(yīng)對(duì)姿態(tài)變化的人臉。3、基于多姿態(tài)訓(xùn)練集的方法
基于多姿態(tài)訓(xùn)練集的方法首先獲得不同姿態(tài)對(duì)應(yīng)的人臉特征點(diǎn)訓(xùn)練集，獲得多姿態(tài)的平均特征點(diǎn)形狀，然后對(duì)待定位的人臉進(jìn)行姿態(tài)判斷，選擇對(duì)應(yīng)姿態(tài)下的平均特征點(diǎn)作為初始化特征點(diǎn)。SamiRomdhani 在“In Proceedings of British Machine Vision Conference", 1999中最早提出了該方法，并引入了多姿態(tài)主動(dòng)形狀模型 (Multi-ViewActive Shape Model)的概念。這類方法對(duì)人臉姿態(tài)的估計(jì)可能不準(zhǔn)確，并且需要建立不同姿態(tài)的訓(xùn)練集，勢(shì)必降低定位速度。

發(fā)明內(nèi)容
為了解決上述技術(shù)問題，實(shí)現(xiàn)目標(biāo)圖像特征點(diǎn)的精確定位和快速定位，提出了本發(fā)明的目標(biāo)圖像特征點(diǎn)定位方法和目標(biāo)圖像特征點(diǎn)定位系統(tǒng)。本發(fā)明的目標(biāo)圖像特征點(diǎn)定位方法包括步驟(1)輸入目標(biāo)圖像，定義目標(biāo)圖像特征點(diǎn)中的關(guān)鍵點(diǎn)，并確定關(guān)鍵點(diǎn)在目標(biāo)圖像中的具體位置；( 以所取訓(xùn)練樣本的特征點(diǎn)的坐標(biāo)的平均為平均特征點(diǎn)，根據(jù)關(guān)鍵點(diǎn)位置對(duì)平均特征點(diǎn)進(jìn)行二維變形和三維變形， 以變形的結(jié)果作為目標(biāo)圖像的初始化特征點(diǎn)；(3)以初始化特征點(diǎn)作為基礎(chǔ)，精確定位目標(biāo)圖像特征點(diǎn)。在步驟O)中進(jìn)行的二維變形中，采用徑向基函數(shù)對(duì)平均特征點(diǎn)進(jìn)行多變量離散數(shù)據(jù)插值。在步驟O)中進(jìn)行的三維變形中，利用目標(biāo)圖像特征點(diǎn)的深度值，將該深度值賦予經(jīng)二維變形得到的二維的平均特征點(diǎn)，得到三維的平均特征點(diǎn)，對(duì)該三維的平均特征點(diǎn)進(jìn)行旋轉(zhuǎn)迭代，使旋轉(zhuǎn)迭代后的三維的平均特征點(diǎn)在二維平面上的投影與二維未變形前的的平均特征點(diǎn)在規(guī)定平面上的偏差最小。在步驟(3)中進(jìn)行的精確定位中，采用主動(dòng)形狀模型，在每個(gè)初始化特征點(diǎn)的鄰域內(nèi)搜索最佳候選點(diǎn)，再以初始化特征點(diǎn)形狀在三維方向上來約束和調(diào)整候選點(diǎn)作為搜索的結(jié)果，然后重新在每個(gè)初始化特征點(diǎn)鄰域進(jìn)行搜索，不斷迭代直至滿足規(guī)定的閾值。在上述目標(biāo)圖像特征點(diǎn)定位方法中，二維變形為位移變形、形狀變形，三維變形為姿態(tài)變形。在上述目標(biāo)圖像特征點(diǎn)定位方法中，目標(biāo)圖像為人臉圖像。在上述以人臉圖像為目標(biāo)圖像的目標(biāo)圖像特征點(diǎn)定位方法中，關(guān)鍵點(diǎn)包括眼角、 鼻孔和嘴角。本發(fā)明還提供了一種目標(biāo)圖像特征點(diǎn)定位系統(tǒng)包括關(guān)鍵點(diǎn)定位裝置，其輸入目標(biāo)圖像，定義目標(biāo)圖像特征點(diǎn)中的關(guān)鍵點(diǎn)，并確定關(guān)鍵點(diǎn)在目標(biāo)圖像中的具體位置；初始化特征點(diǎn)獲取裝置，其以規(guī)定樣本的特征點(diǎn)的平均為平均特征點(diǎn)，根據(jù)關(guān)鍵點(diǎn)位置對(duì)平均特征點(diǎn)進(jìn)行二維變形和三維變形，以變形的結(jié)果作為目標(biāo)圖像的初始化特征點(diǎn)；以及目標(biāo)圖像特征點(diǎn)定位裝置，其以初始化特征點(diǎn)作為基礎(chǔ)，精確定位目標(biāo)圖像特征點(diǎn)。初始化特征點(diǎn)獲取裝置包括二維變形裝置，其采用徑向基函數(shù)對(duì)平均特征點(diǎn)進(jìn)行多變量離散數(shù)據(jù)插值。初始化特征點(diǎn)獲取裝置包括三維變形裝置，其利用目標(biāo)圖像特征點(diǎn)的深度值，將該深度值賦予經(jīng)二維變形得到的二維的平均特征點(diǎn)，得到三維的平均特征點(diǎn)，對(duì)該三維的平均特征點(diǎn)進(jìn)行旋轉(zhuǎn)迭代，使旋轉(zhuǎn)迭代后的三維的平均特征點(diǎn)與二維的平均特征點(diǎn)在規(guī)定平面上的偏差最小。目標(biāo)圖像特征點(diǎn)定位裝置采用主動(dòng)形狀模型，在每個(gè)初始化特征點(diǎn)的鄰域內(nèi)搜索最佳候選點(diǎn)，再以初始化特征點(diǎn)形狀在三維方向上來約束和調(diào)整候選點(diǎn)作為搜索的結(jié)果， 然后重新在每個(gè)初始化特征點(diǎn)鄰域進(jìn)行搜索，不斷迭代直至滿足規(guī)定的閾值。在上述目標(biāo)圖像特征點(diǎn)定位系統(tǒng)中，二維變形為位移變形、形狀變形，三維變形為姿態(tài)變形。在上述目標(biāo)圖像特征點(diǎn)定位系統(tǒng)中，目標(biāo)圖像為人臉圖像。在上述以人臉圖像為目標(biāo)圖像的目標(biāo)圖像特征點(diǎn)定位系統(tǒng)中，關(guān)鍵點(diǎn)包括眼角、 鼻孔和嘴角。與現(xiàn)有的目標(biāo)圖像特征點(diǎn)定位技術(shù)相比，本發(fā)明的目標(biāo)圖像特征點(diǎn)定位方法和目標(biāo)圖像特征點(diǎn)定位系統(tǒng)不需要大規(guī)模的不同姿態(tài)下目標(biāo)圖像特征點(diǎn)訓(xùn)練集；對(duì)于不同姿態(tài)的目標(biāo)圖像可以實(shí)現(xiàn)精確的定位；定位的精度不容易陷入局部最小，具有更通用可靠的效果；定位的速度更快。


圖1為本發(fā)明的一個(gè)實(shí)施方式的目標(biāo)圖像特征點(diǎn)定位方法的流程圖。圖2為在本發(fā)明的一個(gè)實(shí)施方式中針對(duì)具體圖像進(jìn)行特征點(diǎn)定位的流程圖。圖3為在本發(fā)明的一個(gè)實(shí)施方式中關(guān)鍵點(diǎn)的定義和初定位的示意圖。圖4(a)為本發(fā)明的一個(gè)實(shí)施方式與不同特征點(diǎn)初始化方法的比較的示意圖，其中第一列為平均特征點(diǎn)，第二列為基于虹膜的初始化特征點(diǎn)，第三列為徑向基函數(shù)初始化特征點(diǎn)，第四列為徑向基函數(shù)初始化后三維姿態(tài)校正的特征點(diǎn)初始化。圖4(b)為本發(fā)明的一個(gè)實(shí)施方式的三維特征點(diǎn)，和基于 LM(Levenberg-Marquardt)算法的人臉特征點(diǎn)三維姿態(tài)估計(jì)的示意圖。圖5為本發(fā)明的一個(gè)實(shí)施方式與不同特征點(diǎn)定位方法的比較的示意圖，其中第一行為根據(jù)虹膜初始化的人臉特征點(diǎn)定位，第二行為本發(fā)明方法的特征點(diǎn)定位。
具體實(shí)施例方式下面，結(jié)合附圖，以人臉圖像為例對(duì)本發(fā)明的具體實(shí)施方式
進(jìn)行說明，本發(fā)明當(dāng)然也可以用于其他圖像的特征點(diǎn)定位，例如，風(fēng)景圖像、動(dòng)物圖像等。圖1中，以人臉圖像為例，示出了本發(fā)明的目標(biāo)圖像特征點(diǎn)定位方法的流程圖。步驟101、輸入單張任意姿態(tài)人臉圖像，定義人臉特征點(diǎn)中容易精確定位的關(guān)鍵點(diǎn)，并確定關(guān)鍵點(diǎn)在所輸入的人臉圖像中的具體位置，即對(duì)人臉進(jìn)行關(guān)鍵點(diǎn)定位。人臉的關(guān)鍵點(diǎn)定義為眼角，鼻孔，和嘴角共8個(gè)點(diǎn)。這些關(guān)鍵點(diǎn)即部分特征點(diǎn)，每個(gè)關(guān)鍵點(diǎn)對(duì)應(yīng)一個(gè)特征點(diǎn)，故本發(fā)明被稱之為兩層特征點(diǎn)定位。在人臉圖像上，由于器官周圍的邊界點(diǎn)具有很強(qiáng)的邊緣特征，更容易進(jìn)行區(qū)分，因此被選作關(guān)鍵點(diǎn)。關(guān)鍵點(diǎn)的定位采用支持向量機(jī)(SVM)分類的方法進(jìn)行定位，即獲得訓(xùn)練樣本中每個(gè)關(guān)鍵點(diǎn)的特征，訓(xùn)練SVM分類器，在整幅圖像上搜索獲得最相似的點(diǎn)作為關(guān)鍵點(diǎn)的定位。步驟102、根據(jù)關(guān)鍵點(diǎn)位置對(duì)平均特征點(diǎn)進(jìn)行二維變形和三維變形，以變形的結(jié)果作為人臉的初始化特征點(diǎn)。
6
特征點(diǎn)的初始化分為兩個(gè)部分，第一部分二維變形，具體為位移、形狀變形，采用徑向基函數(shù)對(duì)平均特征點(diǎn)進(jìn)行多變量離散數(shù)據(jù)插值；第二部分為三維變形，具體為姿態(tài)變形，利用目標(biāo)圖像特征點(diǎn)的深度值，將該深度值賦予經(jīng)二維變形得到的二維的平均特征點(diǎn)， 得到三維的平均特征點(diǎn)，對(duì)該三維的平均特征點(diǎn)進(jìn)行旋轉(zhuǎn)迭代，使旋轉(zhuǎn)迭代后的三維的平均特征點(diǎn)在二維平面上的投影與二維的未變形前的平均特征點(diǎn)之間的偏差最小。其中平均特征點(diǎn)為所取訓(xùn)練樣本的特征點(diǎn)的坐標(biāo)的平均。徑向基函數(shù)的實(shí)質(zhì)是一種多變量離散數(shù)據(jù)插值方法。對(duì)于已知的點(diǎn)集，可以以獲得最小能量為目的擬合出非線性的函數(shù)關(guān)系。已知點(diǎn)集X= {Xl，X2，...jn}和其對(duì)應(yīng)函數(shù)值f = If1, f2，...，fn}，由這兩組值可以建立函數(shù)關(guān)系y = S(X)，使得對(duì)于每個(gè)點(diǎn)Xi都有 fi = S(Xi)0該函數(shù)關(guān)系為
η
s(x) = p(x) + ΣX-Xi I) /=1其中ρ (χ) = ax0+by0+cz0+d表示該點(diǎn)的線性多項(xiàng)式，(x。，y。，ζ。)為該點(diǎn)的坐標(biāo)值， (a, b, c, d)為系數(shù)廣(·)為插值基函數(shù)，x-xj為未知點(diǎn)χ與已知點(diǎn)Xi之間的距離，、為對(duì)應(yīng)每組基函數(shù)的權(quán)重，其中i = 1，2，. . .，η。本發(fā)明采用這種插值方法來變形平均特征點(diǎn)形狀和位移作為特征點(diǎn)的位置初始化。定義人臉特征點(diǎn)為t= (ti; t2，... , tn)，平均人臉特征點(diǎn)記為 = (。 :，...義),其
中每個(gè)點(diǎn)為二維坐標(biāo)t= (x，y)。進(jìn)行基函數(shù)變形的目的即為變形。獲得t，使得丨中
(\8，凡8) = 0^8,凡8)。以O(shè)1^i8;)為輸入，可以很容易擬合出相應(yīng)的徑向基函數(shù)插值函數(shù)。
myi1/(O 0 0 0=h 0 0 0=^O8,0 · _ ι .. X8 . 1X8 0 0 0ys 0 01 0 0 0*由于已知、 8，所以根據(jù)上式可以計(jì)算出原函數(shù)中系數(shù)入卜8，a, b，c，則對(duì)于任意平均特征點(diǎn)中的點(diǎn)，可以由上式計(jì)算出其變形后的點(diǎn)t，從而得到根據(jù)關(guān)鍵點(diǎn)變形的初始化特征點(diǎn)。該初始化的特征點(diǎn)其關(guān)鍵點(diǎn)位置和之前定位的關(guān)鍵點(diǎn)保持不變，從而可以確保特征點(diǎn)初始化在人臉的區(qū)域內(nèi)。在圖4(a)中給出了徑向基函數(shù)初始化的人臉結(jié)果。同時(shí)，本發(fā)明還引入了 Levenberg-Marquardt (LM)迭代算法來獲得初始化人臉的姿態(tài)。首先，本發(fā)明引入了一個(gè)通用三維模型，由于人臉的深度信息大致相同，本發(fā)明借助于該三維模型獲得人臉特征點(diǎn)的深度值。該三維模型的稀疏點(diǎn)包含所有特征點(diǎn)。在歸一化三維模型和特征點(diǎn)后，直接將三維模型的深度值賦予經(jīng)上述二維變形的平均特征點(diǎn)，即獲得三維的平均特征點(diǎn)，該三維特征點(diǎn)可以記為、=((I1, d2，. . .，dn)，其中每個(gè)點(diǎn)表示一個(gè)三維點(diǎn)d = (x, y，ζ) = (t，ζ)。旋轉(zhuǎn)該三維特征點(diǎn)可以得到S3/ = F(S3d) = sR(a，β，y ) S3D+t
其中S，(α，β，Y)，t分別為尺度，旋轉(zhuǎn)，平移因子。LM算法是一種迭代最優(yōu)的算法。其迭代的目的即使與徑向基函數(shù)初始化后特征點(diǎn)t之間的偏差最小。由于t為二維特征點(diǎn)，因此記該偏差為
權(quán)利要求
1.一種目標(biāo)圖像特征點(diǎn)定位方法，其特征在于包括步驟(1)輸入目標(biāo)圖像，定義目標(biāo)圖像特征點(diǎn)中的關(guān)鍵點(diǎn)，并確定所述關(guān)鍵點(diǎn)在所述目標(biāo)圖像中的具體位置；(2)以所取訓(xùn)練樣本的特征點(diǎn)的坐標(biāo)的平均為平均特征點(diǎn)，根據(jù)所述關(guān)鍵點(diǎn)位置對(duì)所述平均特征點(diǎn)進(jìn)行二維變形和三維變形，以變形的結(jié)果作為所述目標(biāo)圖像的初始化特征點(diǎn)；以及(3)以所述初始化特征點(diǎn)作為基礎(chǔ)，精確定位所述目標(biāo)圖像特征點(diǎn)。
2.根據(jù)權(quán)利要求1所述的目標(biāo)圖像特征點(diǎn)定位方法，其特征在于在所述步驟O)中進(jìn)行的所述二維變形中，采用徑向基函數(shù)對(duì)所述平均特征點(diǎn)進(jìn)行多變量離散數(shù)據(jù)插值。
3.根據(jù)權(quán)利要求1所述的目標(biāo)圖像特征點(diǎn)定位方法，其特征在于在所述步驟O)中進(jìn)行的三維變形中，利用所述目標(biāo)圖像特征點(diǎn)的深度值，將該深度值賦予經(jīng)所述二維變形得到的二維的所述平均特征點(diǎn)，得到三維的所述平均特征點(diǎn)，對(duì)該三維的所述平均特征點(diǎn)進(jìn)行旋轉(zhuǎn)迭代，使旋轉(zhuǎn)迭代后的所述三維的所述平均特征點(diǎn)在二維平面上的投影與所述二維的未變形前的所述平均特征點(diǎn)之間的偏差最小。
4.根據(jù)權(quán)利要求1所述的目標(biāo)圖像特征點(diǎn)定位方法，其特征在于在所述步驟(3)中進(jìn)行的精確定位中，采用主動(dòng)形狀模型，在每個(gè)所述初始化特征點(diǎn)的鄰域內(nèi)搜索最佳候選點(diǎn)，再以所述初始化特征點(diǎn)形狀在三維方向上來約束和調(diào)整所述候選點(diǎn)作為搜索的結(jié)果，然后重新在每個(gè)所述初始化特征點(diǎn)鄰域進(jìn)行搜索，不斷迭代直至滿足規(guī)定的閾值。
5.根據(jù)權(quán)利要求1所述的目標(biāo)圖像特征點(diǎn)定位方法，其特征在于所述二維變形為位移變形、形狀變形，所述三維變形為姿態(tài)變形。
6.根據(jù)權(quán)利要求1所述的目標(biāo)圖像特征點(diǎn)定位方法，其特征在于所述目標(biāo)圖像為人臉圖像。
7.根據(jù)權(quán)利要求6所述的目標(biāo)圖像特征點(diǎn)定位方法，其特征在于所述關(guān)鍵點(diǎn)包括眼角、鼻孔和嘴角。
8.一種目標(biāo)圖像特征點(diǎn)定位系統(tǒng)，其特征在于包括關(guān)鍵點(diǎn)定位裝置，其輸入目標(biāo)圖像，定義目標(biāo)圖像特征點(diǎn)中的關(guān)鍵點(diǎn)，并確定所述關(guān)鍵點(diǎn)在所述目標(biāo)圖像中的具體位置；初始化特征點(diǎn)獲取裝置，其以所取訓(xùn)練樣本的特征點(diǎn)的坐標(biāo)的平均為平均特征點(diǎn)，根據(jù)所述關(guān)鍵點(diǎn)位置對(duì)所述平均特征點(diǎn)進(jìn)行二維變形和三維變形，以變形的結(jié)果作為所述目標(biāo)圖像的初始化特征點(diǎn)；以及目標(biāo)圖像特征點(diǎn)定位裝置，其以所述初始化特征點(diǎn)作為基礎(chǔ)，精確定位所述目標(biāo)圖像特征點(diǎn)。
9.根據(jù)權(quán)利要求8所述的目標(biāo)圖像特征點(diǎn)定位系統(tǒng)，其特征在于，所述初始化特征點(diǎn)獲取裝置包括二維變形裝置，其采用徑向基函數(shù)對(duì)所述平均特征點(diǎn)進(jìn)行多變量離散數(shù)據(jù)插值。
10.根據(jù)權(quán)利要求8所述的目標(biāo)圖像特征點(diǎn)定位系統(tǒng)，其特征在于，所述初始化特征點(diǎn)獲取裝置包括三維變形裝置，其利用所述目標(biāo)圖像特征點(diǎn)的深度值，將該深度值賦予經(jīng)所述二維變形得到的二維的所述平均特征點(diǎn)，得到三維的所述平均特征點(diǎn)，對(duì)該三維的所述平均特征點(diǎn)進(jìn)行旋轉(zhuǎn)迭代，使旋轉(zhuǎn)迭代后的所述三維的所述平均特征點(diǎn)在二維平面上的投影與所述二維的未變形前的所述平均特征點(diǎn)之間的偏差最小。
11.根據(jù)權(quán)利要求8所述的目標(biāo)圖像特征點(diǎn)定位系統(tǒng)，其特征在于所述目標(biāo)圖像特征點(diǎn)定位裝置采用主動(dòng)形狀模型，在每個(gè)所述初始化特征點(diǎn)的鄰域內(nèi)搜索最佳候選點(diǎn)，再以所述初始化特征點(diǎn)形狀在三維方向上來約束和調(diào)整所述候選點(diǎn)作為搜索的結(jié)果，然后重新在每個(gè)所述初始化特征點(diǎn)鄰域進(jìn)行搜索，不斷迭代直至滿足規(guī)定的閾值。
12.根據(jù)權(quán)利要求8所述的目標(biāo)圖像特征點(diǎn)定位系統(tǒng)，其特征在于所述二維變形為位移變形、形狀變形，所述三維變形為姿態(tài)變形。
13.根據(jù)權(quán)利要求8所述的目標(biāo)圖像特征點(diǎn)定位系統(tǒng)，其特征在于所述目標(biāo)圖像為人臉圖像。
14.根據(jù)權(quán)利要求13所述的目標(biāo)圖像特征點(diǎn)定位系統(tǒng)，其特征在于所述關(guān)鍵點(diǎn)包括眼角、鼻孔和嘴角。
全文摘要
本發(fā)明提供了一種目標(biāo)圖像特征點(diǎn)定位方法和目標(biāo)圖像特征點(diǎn)定位系統(tǒng)，屬于模式識(shí)別領(lǐng)域。目標(biāo)圖像特征點(diǎn)定位方法包括步驟(1)輸入目標(biāo)圖像，定義目標(biāo)圖像特征點(diǎn)中的關(guān)鍵點(diǎn)，并確定關(guān)鍵點(diǎn)在目標(biāo)圖像中的具體位置；(2)以所取訓(xùn)練樣本的特征點(diǎn)的坐標(biāo)平均為平均特征點(diǎn)，根據(jù)關(guān)鍵點(diǎn)位置對(duì)平均特征點(diǎn)進(jìn)行二維變形和三維變形，以變形的結(jié)果作為目標(biāo)圖像的初始化特征點(diǎn)；(3)以初始化特征點(diǎn)作為基礎(chǔ)，精確定位目標(biāo)圖像特征點(diǎn)。目標(biāo)圖像特征點(diǎn)定位系統(tǒng)包括關(guān)鍵點(diǎn)定位裝置、初始化特征點(diǎn)獲取裝置、以及目標(biāo)圖像特征點(diǎn)定位裝置。本發(fā)明的方法和系統(tǒng)實(shí)現(xiàn)目標(biāo)圖像特征點(diǎn)的精確定位和快速定位，可以在圖像處理等領(lǐng)域中廣泛應(yīng)用。
文檔編號(hào)G06K9/66GK102262724SQ201010195299
公開日2011年11月30日 申請(qǐng)日期2010年5月31日 優(yōu)先權(quán)日2010年5月31日
發(fā)明者劉昌平, 熊鵬飛, 黃磊 申請(qǐng)人:漢王科技股份有限公司