專利名稱：一種人臉特征定位方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種人臉特征定位方法及裝置，屬于人臉特征定位技術(shù)領(lǐng)域。
背景技術(shù)：
人臉特征點定位是一種在給定的圖片或視頻中，先由計算機或其他設(shè)備進行人臉檢測，并獲得人臉的關(guān)鍵特征點的技術(shù)?，F(xiàn)有的人臉特征點檢測的方法主要包括基于灰度信息的方法、基于先驗規(guī)則的方法、基于統(tǒng)計的方法、基于小波和小波包的方法、基于幾何形狀的方法等。其中的基于灰度信息的方法是一種基于灰度信息的有效提取圖像特征的方法，但當(dāng)姿態(tài)變化較大或者背景較復(fù)雜時容易失效；基于先驗規(guī)則的方法是關(guān)于人臉部特征一般特點的經(jīng)驗描述，因此使得這類方法普適性不高，對問題的條件通常也有較限制，如要求圖像中只能有單人、背景 不能過于復(fù)雜、分辨率不能過低、姿勢和表情變化不能過大等；另外，對于基于統(tǒng)計的方法、基于小波和小波包的方法和基于幾何形狀，雖然對人臉特征點的識別準(zhǔn)確率相對現(xiàn)有技術(shù)的其它方法較高，但是都不具備當(dāng)出現(xiàn)定位失敗或錯誤時給出提示，并跳轉(zhuǎn)的方法，從而使搜索時間較長、計算量較大，導(dǎo)致準(zhǔn)確定難以提高。

發(fā)明內(nèi)容
本發(fā)明為解決現(xiàn)有的人臉特征點定位中存在的人臉特征點的識別準(zhǔn)確率較低、以及當(dāng)出現(xiàn)定位失敗或錯誤時無法跳轉(zhuǎn)導(dǎo)致的搜索時間較長、計算量較大的問題，進而提供了一人臉特征定位方法及裝置。為此，本發(fā)明提供了如下的技術(shù)方案一種人臉特征定位方法，包括通過預(yù)定的人臉檢測算法獲得初始人臉形狀，所述初始人臉形狀包括人臉的寬度和長度和人臉的中心位置；通過決策函數(shù)對所述初始人臉形狀進行搜索，獲得人臉特征點；通過預(yù)定迭代次數(shù)及預(yù)定收斂概率的算法確定所述人臉特征點的定位是否準(zhǔn)確，若不準(zhǔn)確則重新通過決策函數(shù)對所述初始人臉形狀進行搜索，若準(zhǔn)確則輸出定位的人臉特征點。一種人臉特征定位裝置，包括人臉形狀確定模塊，用于通過預(yù)定的人臉檢測算法獲得初始人臉形狀，所述初始人臉形狀包括人臉的寬度和長度和人臉的中心位置；特征點確定模塊，用于通過決策函數(shù)對所述初始人臉形狀進行搜索，獲得人臉特征點；錯誤確定及復(fù)位模塊，用于通過預(yù)定迭代次數(shù)及預(yù)定收斂概率的算法確定所述人臉特征點的定位是否準(zhǔn)確，若不準(zhǔn)確則重新通過決策函數(shù)對所述初始人臉形狀進行搜索，若準(zhǔn)確則輸出定位的人臉特征點。本發(fā)明提供的技術(shù)方案通過迭代算法和收斂概率對人臉特征點進行判斷，從而確定人臉特征點的獲取是否準(zhǔn)確，并且當(dāng)不準(zhǔn)確時還能夠跳出算法重新獲取，能夠較少搜索時間和計算量，并進一步提高人臉特征點的識別準(zhǔn)確率。


為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖I是本發(fā)明的具體實施方式
提供的人臉特征定位方法的整體流程示意圖；圖2是本發(fā)明的具體實施方式
提供的人臉特征定位方法的詳細(xì)流程示意圖；圖3是本發(fā)明的具體實施方式
提供的包括45個特征點人臉示意圖；
圖4是本發(fā)明的具體實施方式
提供的人臉特征定位裝置的結(jié)構(gòu)示意圖。
具體實施例方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。本發(fā)明的具體實施方式
提供了一種人臉特征定位方法，如圖I所示，包括步驟11，通過預(yù)定的人臉檢測算法獲得初始人臉形狀，所述初始人臉形狀包括人臉的寬度和長度和人臉的中心位置。在本具體實施方式
中，可采用AdaBoost人臉檢測算法獲得初始人臉形狀，由于其受訓(xùn)練樣本等因素的影響，檢測出來的人臉區(qū)域中心與實際圖片中人臉的中心有一定偏差，而且偏差有一定的傾向性和穩(wěn)定性，所以可以利用這個特點來考慮對獲得的人臉形狀的初始值進行優(yōu)化。具體為以圖2為例，在分析人臉特征點分布的基礎(chǔ)上，考慮到了人臉的先驗規(guī)則，即是關(guān)于人臉部特征一般特點的經(jīng)驗描述，雖然人臉的表面特征千差萬別，但通常意義上的人臉在結(jié)構(gòu)上存在著一個標(biāo)準(zhǔn)，既人臉的寬度比例，以眼形長度為單位，把臉的寬度分成五個等分，即從左側(cè)發(fā)際至右側(cè)發(fā)際，為五只眼睛，兩只眼睛之間有一只眼睛的間距，兩眼外測至兩側(cè)發(fā)際各位一只眼睛的間距，各占人臉寬度比例的五分之一。當(dāng)在比較準(zhǔn)確的定位特征點43，37 (如圖4所示)之后，基本上可以獲得的信息有人臉寬度(特征點43和37連線的距離)，人臉中心的位置(特征點43和37連線的中點)。所以選擇N張人臉圖片，采用的AdaBoost人臉檢測算法檢測的對應(yīng)的人臉區(qū)域位置數(shù)據(jù)，以及采用手工方式準(zhǔn)確定位對應(yīng)圖片人臉特征的特征數(shù)據(jù)信息組成的N個樣本，以此來估計采用的AdaBoost算法的檢測傾向特性數(shù)據(jù)。此時定義人臉特征與人臉檢測區(qū)域中心的距離向量Di和人臉檢測寬度需要縮放至人臉特征對應(yīng)的緊致的人臉區(qū)域?qū)挾鹊目s放系數(shù)Si(i表示第i張人臉圖片，I < i < N)包括a)、求解平均中心偏離fDLTi表示對應(yīng)的人臉檢測區(qū)域的左上角點的位置向量，DREi表示對應(yīng)的人臉檢測區(qū)域的右下角點的位置向量，人臉檢測區(qū)域的中心位置向量Dfci (i表示第i張人臉圖片，1≤i≤N)為Dfci=(DLT^DREi)/2實際的人臉中心位置向量Dtci (i表示第i張人臉圖片，I彡i彡N)為Dtci= (D43+0. 5X (D37-D43) ) i其中D43和D37分別表示第i張人臉圖片經(jīng)準(zhǔn)確的特征定位后的對應(yīng)特征點43和37的坐標(biāo)向量。實際的人臉中心與人臉檢測區(qū)域中心的距離向量Di (i表示第i張人臉圖片，1≤i≤N)為Di=Dtci-Dfci為了便于比較不同人臉圖片的人臉特征與人臉檢測區(qū)域中心的偏離情況，以當(dāng)前圖片的人臉檢測區(qū)域的寬度(或長度)(人臉檢測區(qū)域為正方形)為尺度，進行如下變換得到Ei (i表示第i張人臉圖片，1≤i≤ N)Ei=DiZFaceffi其中，F(xiàn)aceWi,表示第i張圖片對應(yīng)的人臉檢測算法檢測出的人臉寬度?，F(xiàn)在可以采用N個上述樣本，進行簡單的求它們的平均值并把它作為新的緊致的人臉區(qū)域的中心與人臉區(qū)域檢測算法檢測的人臉區(qū)域中心的標(biāo)準(zhǔn)偏差，則

權(quán)利要求
1.一種人臉特征定位方法，其特征在于，包括 通過預(yù)定的人臉檢測算法獲得初始人臉形狀，所述初始人臉形狀包括人臉的寬度和長度和人臉的中心位置； 通過決策函數(shù)對所述初始人臉形狀進行搜索，獲得人臉特征點； 通過預(yù)定迭代次數(shù)及預(yù)定收斂概率的算法確定所述人臉特征點的定位是否準(zhǔn)確，若不準(zhǔn)確則重新通過決策函數(shù)對所述初始人臉形狀進行搜索，若準(zhǔn)確則輸出定位的人臉特征點。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述通過預(yù)定的人臉檢測算法獲得初始人臉形狀包括以眼形的長度為單位，將人臉的寬度劃分成五部分，從而確定人臉的寬度為五倍的眼形的長度，人臉的中心位置為左右兩個眼形連線的中心點。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于，在獲得初始人臉形狀后還包括根據(jù)預(yù)定的縮放系數(shù)將所述人臉形狀縮小。
4.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述決策函數(shù)為 <(/)=(咐-乃其中 j 表不第 j 個特征點，YLi 和 yRi 分別表示當(dāng)前特征點j的當(dāng)前候選點i在采樣方向的與相鄰兩個點的標(biāo)準(zhǔn)化的差分，k表示權(quán)值。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于，通過預(yù)定迭代次數(shù)及預(yù)定收斂概率的算法確定所述人臉特征點的定位是否準(zhǔn)確包括在每次迭代計算后，將所述收斂概率提高預(yù)定的倍數(shù)。
6.一種人臉特征定位裝置，其特征在于，包括 人臉形狀確定模塊，用于通過預(yù)定的人臉檢測算法獲得初始人臉形狀，所述初始人臉形狀包括人臉的寬度和長度和人臉的中心位置； 特征點確定模塊，用于通過決策函數(shù)對所述初始人臉形狀進行搜索，獲得人臉特征占. 錯誤確定及復(fù)位模塊，用于通過預(yù)定迭代次數(shù)及預(yù)定收斂概率的算法確定所述人臉特征點的定位是否準(zhǔn)確，若不準(zhǔn)確則重新通過決策函數(shù)對所述初始人臉形狀進行搜索，若準(zhǔn)確則輸出定位的人臉特征點。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，在人臉形狀確定模塊中包括 寬度及中心確定子模塊，用于以眼形的長度為單位，將人臉的寬度劃分成五部分，從而確定人臉的寬度為五倍的眼形的長度，人臉的中心位置為左右兩個眼形連線的中心點。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，該裝置還包括 縮小模塊，用于在獲得初始人臉形狀后根據(jù)預(yù)定的縮放系數(shù)將所述人臉形狀縮小。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，在特征點確定模塊中，所述決策函數(shù)為其中 j 表不第 j 個特征點，YLi 和 yRi 分別表示當(dāng)前特征點j的當(dāng)前候選點i在采樣方向的與相鄰兩個點的標(biāo)準(zhǔn)化的差分，k表示權(quán)值。
10.根據(jù)權(quán)利要求6所述的裝置，其特征在于，在錯誤確定及復(fù)位模塊中包括 概率提高子模塊，用于在每次迭代計算后，將所述收斂概率提高預(yù)定的倍數(shù)。
全文摘要
本發(fā)明提供了一種人臉特征定位方法及裝置，相應(yīng)的方法包括通過預(yù)定的人臉檢測算法獲得初始人臉形狀，所述初始人臉形狀包括人臉的寬度和長度和人臉的中心位置；通過決策函數(shù)對所述初始人臉形狀進行搜索，獲得人臉特征點；通過預(yù)定迭代次數(shù)及預(yù)定收斂概率的算法確定所述人臉特征點的定位是否準(zhǔn)確，若不準(zhǔn)確則重新通過決策函數(shù)對所述初始人臉形狀進行搜索，若準(zhǔn)確則輸出定位的人臉特征點。本發(fā)明通過迭代算法和收斂概率對人臉特征點進行判斷，從而確定人臉特征點的獲取是否準(zhǔn)確，并且當(dāng)不準(zhǔn)確時還能夠跳出算法重新獲取，能夠較少搜索時間和計算量，并進一步提高人臉特征點的識別準(zhǔn)確率。
文檔編號G06K9/00GK102867174SQ20121031549
公開日2013年1月9日 申請日期2012年8月30日 優(yōu)先權(quán)日2012年8月30日
發(fā)明者董蘭芳, 夏澤舉 申請人:中國科學(xué)技術(shù)大學(xué)