一種人臉特征點(diǎn)定位方法及裝置制造方法
【專利摘要】本發(fā)明實(shí)施例提供了一種人臉特征點(diǎn)定位方法及裝置，以定位單眼特征點(diǎn)位置進(jìn)行說明：獲取待定位人臉圖像，并根據(jù)獲取到的待定位人臉圖像的位置信息，確定兩個(gè)單眼搜索區(qū)域；將每個(gè)單眼搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的單眼子區(qū)域中選擇相似程度滿足設(shè)定條件的單眼子區(qū)域，并將選擇出的兩個(gè)單眼搜索區(qū)域中的單眼子區(qū)域配成雙眼對；計(jì)算每對雙眼對中沿待定位人臉圖像的中心線對稱的位置的像素差值，并將計(jì)算出的像素差值之和最小的雙眼對定位為左眼特征點(diǎn)位置與右眼特征點(diǎn)位置。前述這種定位方式，可以從特征點(diǎn)搜索區(qū)域中選擇出相似程度較高的特征點(diǎn)位置，使得定位出的特征點(diǎn)位置的準(zhǔn)確較高。
【專利說明】一種人臉特征點(diǎn)定位方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人臉識(shí)別領(lǐng)域，尤其涉及一種人臉特征點(diǎn)定位方法及裝置。

【背景技術(shù)】
[0002] 人臉特征點(diǎn)定位是人臉識(shí)別、表情識(shí)別等人臉處理技術(shù)的基礎(chǔ)，臉部特征點(diǎn)定位 的性能很大程度上影響著上述人臉識(shí)別的精度。在所有的臉部特征點(diǎn)中，眼睛位置和嘴巴 位置最為重要，對于一般的應(yīng)用，這三點(diǎn)位置已經(jīng)能夠滿足處理方法的需要，能夠?qū)⒉煌?狀、大小的人臉對齊歸一化，并為進(jìn)一步處理提供信息。
[0003] 目前，通常采用Adaboost算法來定位眼睛位置和嘴巴位置，具體定位流程為：根 據(jù)人臉圖像的位置信息，采用統(tǒng)計(jì)學(xué)方式確定人臉圖像中目標(biāo)對象的搜索區(qū)域，例如目標(biāo) 對象為左眼、右眼或嘴巴位置；然后，將目標(biāo)對象的搜索區(qū)域劃分成N個(gè)大小相同且部分重 疊的子區(qū)域，利用特征分類器判斷每個(gè)劃分后的子區(qū)域是否為目標(biāo)對象。
[0004] 經(jīng)過上述判斷流程后，可能得到多個(gè)子區(qū)域均是目標(biāo)對象，在這種情況下，如果多 個(gè)子區(qū)域之間有一半的面積重疊，則根據(jù)多個(gè)子區(qū)域的頂點(diǎn)位置，將多個(gè)子區(qū)域合并為一 個(gè)子區(qū)域，作為最終目標(biāo)對象；如果多個(gè)子區(qū)域的面積重疊未超過一半，那么，經(jīng)上述流程 定位出的目標(biāo)對象是多個(gè)，與真實(shí)目標(biāo)偏差往往較大，導(dǎo)致定位的準(zhǔn)確率較低。
[0005] 并且，在上述定位流程中，在利用特征分類器對劃分后的子區(qū)域進(jìn)行判斷時(shí)，對于 任意一個(gè)子區(qū)域來說，通常是全部通過一定數(shù)量的特征分類器的檢測，才確定該子區(qū)域?yàn)?目標(biāo)對象，例如一個(gè)子區(qū)域全部通過了 5個(gè)特征分類器的檢測，在這種情況下，將該子區(qū)域 定位為目標(biāo)對象。由于特征分類器受Adaboost算法訓(xùn)練的影響，通過上述方式定位，可能 會(huì)出現(xiàn)通過特征分類器檢測的子區(qū)域，并不是真實(shí)目標(biāo)，而未通過特征分類器檢測的子區(qū) 域卻是真實(shí)目標(biāo)，導(dǎo)致容易出現(xiàn)目標(biāo)對象漏檢或誤檢現(xiàn)象，導(dǎo)致定位的準(zhǔn)確率較低。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明實(shí)施例提供了一種人臉特征點(diǎn)定位方法及裝置，用以解決現(xiàn)有對眼睛和嘴 巴的定位準(zhǔn)確率較低的問題。
[0007] 基于上述問題，本發(fā)明實(shí)施例提供的一種人臉特征點(diǎn)定位方法，包括：
[0008] 獲取待定位人臉圖像，并根據(jù)獲取到的待定位人臉圖像的位置信息，確定兩個(gè)單 眼搜索區(qū)域，所述兩個(gè)單眼搜索區(qū)域分別為左眼搜索區(qū)域和右眼搜索區(qū)域；
[0009] 將每個(gè)單眼搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的單眼子區(qū)域中選擇相似程度 滿足設(shè)定條件的單眼子區(qū)域，并將選擇出的兩個(gè)單眼搜索區(qū)域中的單眼子區(qū)域配成雙眼 對；
[0010] 計(jì)算每對雙眼對中沿所述待定位人臉圖像的中心線對稱的位置的像素差值，并將 計(jì)算出的像素差值之和最小的雙眼對定位為左眼特征點(diǎn)位置與右眼特征點(diǎn)位置。
[0011] 本發(fā)明實(shí)施例提供的一種人臉特征點(diǎn)定位方法，包括：
[0012] 獲取待定位人臉圖像，并根據(jù)獲取到的待定位人臉圖像的位置信息，確定嘴巴搜 索區(qū)域；
[0013] 將所述嘴巴搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的嘴巴子區(qū)域中選擇相似程度 滿足設(shè)定條件的嘴巴子區(qū)域，并將選擇出的嘴巴子區(qū)域定位為嘴巴特征點(diǎn)位置。
[0014] 本發(fā)明實(shí)施例提供的一種人臉特征點(diǎn)定位裝置，包括：
[0015] 獲取模塊，用于獲取待定位人臉圖像；
[0016] 確定模塊，用于根據(jù)獲取模塊獲取到的待定位人臉圖像的位置信息，確定兩個(gè)單 眼搜索區(qū)域，所述兩個(gè)單眼搜索區(qū)域分別為左眼搜索區(qū)域和右眼搜索區(qū)域；
[0017] 劃分選擇模塊，用于將確定模塊確定出的每個(gè)單眼搜索區(qū)域劃分為多個(gè)子區(qū)域， 從劃分后的單眼子區(qū)域中選擇相似程度滿足設(shè)定條件的單眼子區(qū)域，并將選擇出的兩個(gè)單 眼搜索區(qū)域中的單眼子區(qū)域配成雙眼對；
[0018] 計(jì)算模塊，用于計(jì)算每對雙眼對中沿所述待定位人臉圖像的中心線對稱的位置的 像素差值；
[0019] 定位模塊，用于將計(jì)算模塊計(jì)算出的像素差值之和最小的雙眼對定位為左眼特征 點(diǎn)位置與右眼特征點(diǎn)位置。
[0020] 本發(fā)明實(shí)施例提供的一種人臉特征點(diǎn)定位裝置，包括：
[0021] 獲取模塊，用于獲取待定位人臉圖像；
[0022] 確定模塊，用于根據(jù)獲取到的待定位人臉圖像的位置信息，確定嘴巴搜索區(qū)域；
[0023] 劃分選擇模塊，用于將所述嘴巴搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的嘴巴子 區(qū)域中選擇相似程度滿足設(shè)定條件的嘴巴子區(qū)域；
[0024] 定位模塊，用于將選擇出的嘴巴子區(qū)域定位為嘴巴特征點(diǎn)位置。
[0025] 本發(fā)明實(shí)施例的有益效果包括：
[0026] 本發(fā)明實(shí)施例提供的一種人臉特征點(diǎn)定位方法及裝置，在定位單眼特征點(diǎn)位置 (即左眼特征點(diǎn)位置和右眼特征點(diǎn)位置）時(shí)，先獲取待定位人臉圖像，并根據(jù)獲取到的待定 位人臉圖像的位置信息，確定兩個(gè)單眼搜索區(qū)域（即左眼搜索區(qū)域和右眼搜索區(qū)域）；然 后將每個(gè)單眼搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的單眼子區(qū)域中選擇相似程度滿足設(shè) 定條件的單眼子區(qū)域，并將選擇出的兩個(gè)單眼搜索區(qū)域中的單眼子區(qū)域配成雙眼對；最后， 計(jì)算每對雙眼對中沿待定位人臉圖像的中心線對稱的位置的像素差值，并將計(jì)算出的像素 差值之和最小的雙眼對定位為左眼特征點(diǎn)位置與右眼特征點(diǎn)位置；在定位嘴巴特征點(diǎn)位置 時(shí)，先獲取待定位人臉圖像，并根據(jù)獲取到的待定位人臉圖像的位置信息，確定嘴巴搜索區(qū) 域；將嘴巴搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的嘴巴子區(qū)域中選擇相似程度滿足設(shè)定 條件的嘴巴子區(qū)域，并將選擇出的嘴巴子區(qū)域定位為嘴巴特征點(diǎn)位置?？梢姡ㄟ^上述這種 定位人臉特征點(diǎn)位置，可以確定出相似度較高的特征點(diǎn)位置，例如左眼、右眼和嘴巴，提高 了定位的準(zhǔn)確率。

【專利附圖】

【附圖說明】
[0027] 圖1為本發(fā)明實(shí)施例提供的人臉特征點(diǎn)定位方法流程圖之一；
[0028] 圖2為本發(fā)明實(shí)施例提供的對獲取到的待定位圖像進(jìn)行判斷的流程圖；
[0029] 圖3為本發(fā)明實(shí)施例提供的選擇相似程度滿足設(shè)定條件的單眼子區(qū)域的流程圖；
[0030] 圖4為本發(fā)明實(shí)施例提供的確定每個(gè)單眼子區(qū)域?qū)?yīng)的單眼相似度值的流程圖；
[0031] 圖5為本發(fā)明實(shí)施例提供的人臉特征點(diǎn)定位方法流程圖之二；
[0032] 圖6為本發(fā)明實(shí)施例提供的選擇相似程度滿足設(shè)定條件的嘴巴子區(qū)域的流程圖；
[0033] 圖7為本發(fā)明實(shí)施例提供的確定每個(gè)嘴巴子區(qū)域的第一嘴巴相似度值和第二嘴 巴相似度值的流程圖；
[0034] 圖8為本發(fā)明實(shí)施例提供的人臉特征點(diǎn)定位裝置的結(jié)構(gòu)示意圖之一；
[0035] 圖9為本發(fā)明實(shí)施例提供的人臉特征點(diǎn)定位裝置的結(jié)構(gòu)示意圖之二。

【具體實(shí)施方式】
[0036] 在采用Adaboost算法進(jìn)行人臉定位流程中，常常因漏檢、誤檢現(xiàn)象導(dǎo)致定位的準(zhǔn) 確率較低，針對此問題，本發(fā)明實(shí)施例提供一種人臉特征點(diǎn)定位方法及裝置，可以定位出相 似程度較高的特征點(diǎn)位置，從而提高了定位的準(zhǔn)確率。
[0037] 下面結(jié)合說明書附圖，對本發(fā)明實(shí)施例提供的一種人臉特征點(diǎn)定位方法及裝置的

【具體實(shí)施方式】進(jìn)行說明。
[0038] 本發(fā)明實(shí)施例提供的人臉特征點(diǎn)定位方法，如圖1所示，具體包括以下步驟：
[0039] SlOl :獲取待定位人臉圖像，并根據(jù)獲取到的待定位人臉圖像的位置信息，確定兩 個(gè)單眼搜索區(qū)域；
[0040] 在這里，兩個(gè)單眼搜索區(qū)域分別指的是左眼搜索區(qū)域和右眼搜索區(qū)域；
[0041] S102:將每個(gè)單眼搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的單眼子區(qū)域中選擇相 似程度滿足設(shè)定條件的單眼子區(qū)域，并將選擇出的兩個(gè)單眼搜索區(qū)域中的單眼子區(qū)域配成 雙眼對；
[0042] S103:計(jì)算每對雙眼對中沿待定位人臉圖像的中心線對稱的位置的像素差值，并 將計(jì)算出的像素差值之和最小的雙眼對定位為左眼特征點(diǎn)位置與右眼特征點(diǎn)位置。
[0043] 較佳地，在上述步驟SlOl中，在獲取到待定位圖像之后，此待定位圖像可能是清 晰圖像，也可能是非清晰圖像，這樣一來，對于非清晰圖像而言，大大增加了后續(xù)定位的計(jì) 算量，基于此，為了減少后續(xù)定位流程的計(jì)算量，本發(fā)明實(shí)施例不對非清晰圖像進(jìn)行后續(xù)定 位處理，即在獲取到此待定位圖像之后，確定后續(xù)單眼搜索范圍之前，可執(zhí)行下述流程（如 圖2所示）：
[0044] S201 :利用坎尼邊緣檢測（canny)算法對獲取到的待定位人臉圖像進(jìn)行處理，得 到待定位人臉圖像的邊緣二值圖；
[0045] S202 :統(tǒng)計(jì)邊緣二值圖中邊緣點(diǎn)的個(gè)數(shù)（suml)和非邊緣點(diǎn)的個(gè)數(shù)（sumO),并計(jì)算 邊緣點(diǎn)個(gè)數(shù)與邊緣點(diǎn)和非邊緣點(diǎn)個(gè)數(shù)總和的比值（即比值f=suml/(suml+sumO));
[0046] S203:判斷計(jì)算出的比值是否大于設(shè)定閾值，若是，執(zhí)行步驟S204;否則，執(zhí)行步 驟 S205 ;
[0047] S204 :確定待定位人臉圖像為清晰圖像，并確定待定位人臉圖像的單眼搜索區(qū) 域；
[0048] S205 :返回獲取待定位圖像的步驟。
[0049] 較佳地，在上述步驟S201中，本發(fā)明實(shí)施例是基于圖像越清晰，其對應(yīng)的邊緣二 維圖中的邊緣點(diǎn)越多，圖像越模糊，其對應(yīng)的邊緣二維圖中的邊緣點(diǎn)越少的原理，采用邊緣 二維圖判定待定位人臉圖像是否是清晰圖像的。在這里，利用canny算法對待定位人臉圖 像進(jìn)行處理得到對應(yīng)的邊緣二值圖的詳細(xì)處理流程為現(xiàn)有技術(shù)，在此不再詳述。
[0050] 需要說明的是，本發(fā)明實(shí)施例并不僅限于上述利用邊緣二維圖判定待定位人臉圖 像是否清晰，還可以采用其他方式，在此不再一一枚舉。
[0051] 較佳地，在上述步驟S203中，上述設(shè)定閾值是基于對清晰圖像和非清晰圖像的統(tǒng) 計(jì)方式得到的數(shù)值，例如設(shè)定閾值通常為〇. 1，也就是說，如果計(jì)算出的比值大于〇. 1，說明 此待定位圖像是清晰圖像；如果計(jì)算出的比值小于等于0.1，說明此待定位圖像是非清晰 圖像。當(dāng)然，上述設(shè)定閾值也可以是其他數(shù)值，在此不再一一枚舉。
[0052] 較佳地，在上述步驟SlOl中，在獲取到待定位圖像之后，如果確定的單眼搜索區(qū) 域過小時(shí)，可能出現(xiàn)檢測單眼特征點(diǎn)位置不在單眼搜索區(qū)域內(nèi)；如果搜索區(qū)域過大，又會(huì)增 加后續(xù)定位的計(jì)算量且誤檢率相對較高，因此，單眼搜索區(qū)域的確定通常是基于統(tǒng)計(jì)的方 式得到的，如下表1所示（W和H分別是人臉圖像的寬和高）：
[0053] 表 1

【權(quán)利要求】
1. 一種人臉特征點(diǎn)定位方法，其特征在于，包括： 獲取待定位人臉圖像，并根據(jù)獲取到的待定位人臉圖像的位置信息，確定兩個(gè)單眼搜 索區(qū)域，所述兩個(gè)單眼搜索區(qū)域分別為左眼搜索區(qū)域和右眼搜索區(qū)域； 將每個(gè)單眼搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的單眼子區(qū)域中選擇相似程度滿足 設(shè)定條件的單眼子區(qū)域，并將選擇出的兩個(gè)單眼搜索區(qū)域中的單眼子區(qū)域配成雙眼對； 計(jì)算每對雙眼對中沿所述待定位人臉圖像的中心線對稱的位置的像素差值，并將計(jì)算 出的像素差值之和最小的雙眼對定位為左眼特征點(diǎn)位置與右眼特征點(diǎn)位置。
2. 如權(quán)利要求1所述的方法，其特征在于，在獲取待定位人臉圖像后，確定兩個(gè)單眼搜 索區(qū)域之前，還包括： 利用坎尼邊緣檢測算法對獲取到的待定位人臉圖像進(jìn)行處理，得到所述待定位人臉圖 像的邊緣二值圖； 統(tǒng)計(jì)所述邊緣二值圖中邊緣點(diǎn)和非邊緣點(diǎn)的個(gè)數(shù)，并計(jì)算邊緣點(diǎn)個(gè)數(shù)與邊緣點(diǎn)和非邊 緣點(diǎn)個(gè)數(shù)總和的比值； 如果計(jì)算出的比值大于設(shè)定閾值，則確定所述待定位人臉圖像為清晰圖像，并確定所 述待定位人臉圖像的單眼搜索區(qū)域； 如果計(jì)算出的比值不大于設(shè)定閾值，則確定所述待定位人臉圖像為非清晰圖像，返回 獲取待定位人臉圖像的步驟。
3. 如權(quán)利要求1或2所述的方法，其特征在于，通過下述方式從劃分后的單眼子區(qū)域中 選擇相似程度滿足設(shè)定條件的單眼子區(qū)域： 利用每個(gè)單眼搜索區(qū)域?qū)?yīng)的單眼特征分類器，對相應(yīng)的單眼搜索區(qū)域中的每個(gè)單眼 子區(qū)域進(jìn)行檢測，確定每個(gè)單眼子區(qū)域的單眼相似度值； 按照確定出的單眼相似度值從高到低的順序，從每個(gè)單眼搜索區(qū)域中選擇第一設(shè)定數(shù) 量的單眼子區(qū)域，并確定選擇出的每個(gè)單眼子區(qū)域的殘差； 按照確定出的殘差從小到大的順序，從每個(gè)單眼搜索區(qū)域中選擇第二設(shè)定數(shù)量的單眼 子區(qū)域，作為選擇出的單眼子區(qū)域。
4. 如權(quán)利要求3所述的方法，其特征在于，通過下述方式確定每個(gè)單眼子區(qū)域?qū)?yīng)的 單眼相似度值： 利用每個(gè)單眼搜索區(qū)域?qū)?yīng)的單眼特征分類器，對相應(yīng)的單眼搜索區(qū)域中的每個(gè)單 眼子區(qū)域進(jìn)行檢測，得到每個(gè)單眼子區(qū)域通過對應(yīng)的單眼特征分類器的強(qiáng)分類器檢測的個(gè) 數(shù)、通過所述強(qiáng)分類器中弱分類器檢測的個(gè)數(shù)以及所述強(qiáng)分類器中包括的弱分類器總數(shù)； 計(jì)算每個(gè)單眼子區(qū)域通過所述弱分類器檢測的個(gè)數(shù)，與所述強(qiáng)分類器中包括的弱分類 器總數(shù)的比值； 將計(jì)算出的比值與通過所述強(qiáng)分類器檢測的個(gè)數(shù)進(jìn)行求和運(yùn)算，得到每個(gè)單眼子區(qū)域 的單眼相似度值。
5. -種人臉特征點(diǎn)定位方法，其特征在于，包括： 獲取待定位人臉圖像，并根據(jù)獲取到的待定位人臉圖像的位置信息，確定嘴巴搜索區(qū) 域； 將所述嘴巴搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的嘴巴子區(qū)域中選擇相似程度滿足 設(shè)定條件的嘴巴子區(qū)域，并將選擇出的嘴巴子區(qū)域定位為嘴巴特征點(diǎn)位置。
6. 如權(quán)利要求5所述的方法，其特征在于，在獲取待定位人臉圖像后，確定嘴巴搜索區(qū) 域之前，還包括： 利用坎尼邊緣檢測算法對獲取到的待定位人臉圖像進(jìn)行處理，得到所述待定位人臉圖 像的邊緣二值圖； 統(tǒng)計(jì)所述邊緣二值圖中邊緣點(diǎn)和非邊緣點(diǎn)的個(gè)數(shù)，并計(jì)算邊緣點(diǎn)個(gè)數(shù)與邊緣點(diǎn)和非邊 緣點(diǎn)個(gè)數(shù)總和的比值； 如果計(jì)算出的比值大于設(shè)定閾值，則確定所述待定位人臉圖像為清晰圖像，并確定所 述待定位人臉圖像的嘴巴搜索區(qū)域； 如果計(jì)算出的比值不大于設(shè)定閾值，則確定所述待定位人臉圖像為非清晰圖像，返回 獲取待定位人臉圖像的步驟。
7. 如權(quán)利要求5或6所述的方法，其特征在于，從劃分后的嘴巴子區(qū)域中選擇相似程度 滿足設(shè)定條件的嘴巴子區(qū)域，具體包括： 分別利用張嘴特征分類器與閉嘴特征分類器，對劃分后的每個(gè)嘴巴子區(qū)域進(jìn)行檢測， 確定每個(gè)嘴巴子區(qū)域的第一嘴巴相似度值和第二嘴巴相似度值； 按照確定出的第一嘴巴相似度值和第二嘴巴相似度值從高到低的順序，分別選擇設(shè)定 數(shù)量的嘴巴子區(qū)域，并確定選擇出的每個(gè)嘴巴子區(qū)域的殘差； 將確定出的殘差最小的嘴巴子區(qū)域，作為選擇出的嘴巴子區(qū)域。
8. 如權(quán)利要求7所述的方法，其特征在于，通過下述方式確定每個(gè)嘴巴子區(qū)域的第一 嘴巴相似度值和第二嘴巴相似度值： 分別利用張嘴特征分類器與閉嘴特征分類器，對劃分后的每個(gè)嘴巴子區(qū)域進(jìn)行檢測， 得到每個(gè)嘴巴子區(qū)域分別通過張嘴特征分類器和右閉嘴特征分類器檢測的強(qiáng)分類器的個(gè) 數(shù)、通過所述強(qiáng)分類器中弱分類器檢測的個(gè)數(shù)以及所述強(qiáng)分類器中包括的弱分類器總數(shù)； 分別計(jì)算每個(gè)嘴巴子區(qū)域通過所述弱分類器檢測的個(gè)數(shù)，與所述強(qiáng)分類器中包括的弱 分類器總數(shù)的比值； 將計(jì)算出的比值與通過所述強(qiáng)分類器檢測的個(gè)數(shù)進(jìn)行求和運(yùn)算，得到每個(gè)嘴巴子區(qū)域 的第一嘴巴相似度值和第二嘴巴相似度值。
9. 一種人臉特征點(diǎn)定位裝置，其特征在于，包括： 獲取模塊，用于獲取待定位人臉圖像； 確定模塊，用于根據(jù)獲取模塊獲取到的待定位人臉圖像的位置信息，確定兩個(gè)單眼搜 索區(qū)域，所述兩個(gè)單眼搜索區(qū)域分別為左眼搜索區(qū)域和右眼搜索區(qū)域； 劃分選擇模塊，用于將確定模塊確定出的每個(gè)單眼搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃 分后的單眼子區(qū)域中選擇相似程度滿足設(shè)定條件的單眼子區(qū)域，并將選擇出的兩個(gè)單眼搜 索區(qū)域中的單眼子區(qū)域配成雙眼對； 計(jì)算模塊，用于計(jì)算每對雙眼對中沿所述待定位人臉圖像的中心線對稱的位置的像素 差值； 定位模塊，用于將計(jì)算模塊計(jì)算出的像素差值之和最小的雙眼對定位為左眼特征點(diǎn)位 置與右眼特征點(diǎn)位置。
10. 如權(quán)利要求9所述的裝置，其特征在于，所述裝置，還包括： 處理模塊，用于利用坎尼邊緣檢測算法對獲取到的待定位人臉圖像進(jìn)行處理，得到所 述待定位人臉圖像的邊緣二值圖； 統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)所述邊緣二值圖中邊緣點(diǎn)和非邊緣點(diǎn)的個(gè)數(shù)，并計(jì)算邊緣點(diǎn)個(gè)數(shù) 與邊緣點(diǎn)和非邊緣點(diǎn)個(gè)數(shù)總和的比值； 判斷模塊，用于判斷統(tǒng)計(jì)模塊計(jì)算出的比值是否大于設(shè)定閾值； 所述確定模塊，還用于在判斷模塊判斷為是時(shí)，確定所述待定位人臉圖像為清晰圖像， 并確定所述待定位人臉圖像的單眼搜索區(qū)域；以及在判斷模塊判斷為否時(shí)，確定所述待定 位人臉圖像為非清晰圖像，通知所述獲取模塊獲取待定位人臉圖像。
11. 如權(quán)利要求9所述的裝置，其特征在于，所述劃分選擇模塊，具體用于利用每個(gè)單 眼搜索區(qū)域?qū)?yīng)的單眼特征分類器，對相應(yīng)的單眼搜索區(qū)域中的每個(gè)單眼子區(qū)域進(jìn)行檢 測，確定每個(gè)單眼子區(qū)域的單眼相似度值；按照確定出的單眼相似度值從高到低的順序，從 每個(gè)單眼搜索區(qū)域中選擇第一設(shè)定數(shù)量的單眼子區(qū)域，并確定選擇出的每個(gè)單眼子區(qū)域的 殘差；以及按照確定出的殘差從小到大的順序，從每個(gè)單眼搜索區(qū)域中選擇第二設(shè)定數(shù)量 的單眼子區(qū)域，作為選擇出的單眼子區(qū)域。
12. 如權(quán)利要求11所述的裝置，其特征在于，所述劃分選擇模塊，具體用于利用每個(gè) 單眼搜索區(qū)域?qū)?yīng)的單眼特征分類器，對相應(yīng)的單眼搜索區(qū)域中的每個(gè)單眼子區(qū)域進(jìn)行檢 測，得到每個(gè)單眼子區(qū)域通過對應(yīng)的單眼特征分類器的強(qiáng)分類器檢測的個(gè)數(shù)、通過所述強(qiáng) 分類器中弱分類器檢測的個(gè)數(shù)以及所述強(qiáng)分類器中包括的弱分類器總數(shù)；計(jì)算每個(gè)單眼子 區(qū)域通過所述弱分類器檢測的個(gè)數(shù)，與所述強(qiáng)分類器中包括的弱分類器總數(shù)的比值；以及 將計(jì)算出的比值與通過所述強(qiáng)分類器檢測的個(gè)數(shù)進(jìn)行求和運(yùn)算，得到每個(gè)單眼子區(qū)域的單 眼相似度值。
13. -種人臉特征點(diǎn)定位裝置，其特征在于，包括： 獲取模塊，用于獲取待定位人臉圖像； 確定模塊，用于根據(jù)獲取到的待定位人臉圖像的位置信息，確定嘴巴搜索區(qū)域； 劃分選擇模塊，用于將所述嘴巴搜索區(qū)域劃分為多個(gè)子區(qū)域，從劃分后的嘴巴子區(qū)域 中選擇相似程度滿足設(shè)定條件的嘴巴子區(qū)域； 定位模塊，用于將選擇出的嘴巴子區(qū)域定位為嘴巴特征點(diǎn)位置。
14. 如權(quán)利要求13所述的裝置，其特征在于，所述裝置，還包括： 處理模塊，用于利用坎尼邊緣檢測算法對獲取到的待定位人臉圖像進(jìn)行處理，得到所 述待定位人臉圖像的邊緣二值圖； 統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)所述邊緣二值圖中邊緣點(diǎn)和非邊緣點(diǎn)的個(gè)數(shù)，并計(jì)算邊緣點(diǎn)個(gè)數(shù) 與邊緣點(diǎn)和非邊緣點(diǎn)個(gè)數(shù)總和的比值； 判斷模塊，用于判斷統(tǒng)計(jì)模塊計(jì)算出的比值是否大于設(shè)定閾值； 所述確定模塊，還用于在判斷模塊判斷為是時(shí)，確定所述待定位人臉圖像為清晰圖像， 并確定所述待定位人臉圖像的嘴巴搜索區(qū)域；以及在判斷模塊判斷為否時(shí)，確定所述待定 位人臉圖像為非清晰圖像，通知所述獲取模塊獲取待定位人臉圖像。
15. 如權(quán)利要求13所述的裝置，其特征在于，所述劃分選擇模塊，具體用于分別利用張 嘴特征分類器與閉嘴特征分類器，對劃分后的每個(gè)嘴巴子區(qū)域進(jìn)行檢測，確定每個(gè)嘴巴子 區(qū)域的第一嘴巴相似度值和第二嘴巴相似度值；按照確定出的第一嘴巴相似度值和第二嘴 巴相似度值從高到低的順序，分別選擇設(shè)定數(shù)量的嘴巴子區(qū)域，并確定選擇出的每個(gè)嘴巴 子區(qū)域的殘差；以及將確定出的殘差最小的嘴巴子區(qū)域，作為選擇出的嘴巴子區(qū)域。
16.如權(quán)利要求15所述的裝置，其特征在于，所述劃分選擇模塊，具體用于分別利用張 嘴特征分類器與閉嘴特征分類器，對劃分后的每個(gè)嘴巴子區(qū)域進(jìn)行檢測，得到每個(gè)嘴巴子 區(qū)域分別通過張嘴特征分類器和右閉嘴特征分類器檢測的強(qiáng)分類器的個(gè)數(shù)、通過所述強(qiáng)分 類器中弱分類器檢測的個(gè)數(shù)以及所述強(qiáng)分類器中包括的弱分類器總數(shù)；分別計(jì)算每個(gè)嘴巴 子區(qū)域通過所述弱分類器檢測的個(gè)數(shù)，與所述強(qiáng)分類器中包括的弱分類器總數(shù)的比值；以 及將計(jì)算出的比值與通過所述強(qiáng)分類器檢測的個(gè)數(shù)進(jìn)行求和運(yùn)算，得到每個(gè)嘴巴子區(qū)域的 第一嘴巴相似度值和第二嘴巴相似度值。
【文檔編號(hào)】G06K9/00GK104239843SQ201310228499
【公開日】2014年12月24日 申請日期:2013年6月7日 優(yōu)先權(quán)日:2013年6月7日
【發(fā)明者】王剛, 汪海洋, 周祥明, 潘石柱, 張興明, 傅利泉, 朱江明, 吳軍, 吳堅(jiān) 申請人:浙江大華技術(shù)股份有限公司