一種多視角二維人臉特征點(diǎn)自動(dòng)定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，具體涉及一種多視角二維人臉特征點(diǎn)自動(dòng)定位方法。
【背景技術(shù)】
[0002]人臉特征點(diǎn)(如鼻尖、瞳孔中心、嘴角等)在與人臉相關(guān)的很多問(wèn)題中都有著非常重要的作用，比如在人臉識(shí)別中人臉特征點(diǎn)廣泛用于人臉的對(duì)齊、尺度歸一化和特征模板抽取，在人臉表情分析中人臉特征點(diǎn)定義的面部形狀是表情變化的一個(gè)重要依據(jù)。因此，在過(guò)去的十多年中，人臉特征點(diǎn)定位吸引了大批研宄人員的注意，各種不同的方法被紛紛提出。
[0003]現(xiàn)有的人臉特征點(diǎn)定位方法可以大致分為兩類(lèi):基于統(tǒng)計(jì)形狀模型的方法和基于級(jí)聯(lián)回歸的方法?；诮y(tǒng)計(jì)形狀模型的方法在訓(xùn)練階段根據(jù)訓(xùn)練數(shù)據(jù)生成特征點(diǎn)的統(tǒng)計(jì)模型，而在檢測(cè)一張新圖像上的特征點(diǎn)時(shí)，首先利用平均形狀初始化特征點(diǎn)位置，然后通過(guò)調(diào)整統(tǒng)計(jì)模型中的參數(shù)來(lái)修正特征點(diǎn)的位置，并根據(jù)特征點(diǎn)周?chē)募y理特征進(jìn)一步微調(diào)特征點(diǎn)的位置，重復(fù)此過(guò)程直至特征點(diǎn)位置相對(duì)穩(wěn)定。不同于基于統(tǒng)計(jì)形狀模型的方法的直接搜索策略，基于級(jí)聯(lián)回歸的方法在特征點(diǎn)位置的修正量和圖像的紋理特征之間建立回歸關(guān)系，訓(xùn)練過(guò)程中根據(jù)訓(xùn)練數(shù)據(jù)學(xué)習(xí)出每一級(jí)的回歸函數(shù)，測(cè)試時(shí)從圖像上特征點(diǎn)的初始位置出發(fā)，利用學(xué)習(xí)好的回歸函數(shù)逐級(jí)計(jì)算特征點(diǎn)位置的修正量，最終得到正確的特征點(diǎn)位置。
[0004]近年來(lái)，基于級(jí)聯(lián)回歸的方法在特征點(diǎn)檢測(cè)方面取得了非常顯著的效果，比如Xavier P.Burgos-Artizzu等人在2013年國(guó)際機(jī)器視覺(jué)大會(huì)(ICCV2013)發(fā)表的“RobustFace Landmark Estimat1n Under Occlus1n” 和 Yi Sun 等人在 2013 年國(guó)際機(jī)器視覺(jué)和模式識(shí)別大會(huì)(CVPR2013)發(fā)表的 “Deep Convolut1nal Network Cascade for FacialPoint Detect1n”。但是這些方法在訓(xùn)練過(guò)程中并沒(méi)有區(qū)分不同視角的人臉圖像，結(jié)果導(dǎo)致它們盡管在正面和接近正面(左右偏轉(zhuǎn)45度以?xún)?nèi))的人臉圖像上效果很好，而在姿態(tài)偏轉(zhuǎn)角度較大的人臉圖像上檢測(cè)精度迅速下降。

【發(fā)明內(nèi)容】

[0005]針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，提供一種提升了每個(gè)視角下的特征點(diǎn)定位的魯棒性的多視角二維人臉特征點(diǎn)自動(dòng)定位方法。
[0006]本發(fā)明采用的技術(shù)方案為:
一種多視角二維人臉特征點(diǎn)自動(dòng)定位方法，包括訓(xùn)練、測(cè)試兩個(gè)階段，所述訓(xùn)練階段包括以下步驟:第一步，將包含多視角人臉圖像的訓(xùn)練數(shù)據(jù)集根據(jù)角度范圍劃分為多個(gè)訓(xùn)練子集；第二步，單視角特征點(diǎn)定位引擎訓(xùn)練:即針對(duì)第一步中的每個(gè)訓(xùn)練子集，訓(xùn)練一個(gè)級(jí)聯(lián)的回歸特征點(diǎn)定位引擎；第三步，針對(duì)第一步中的每個(gè)訓(xùn)練子集，訓(xùn)練一個(gè)基于紋理特征的模板，選取每個(gè)訓(xùn)練子集中不同視角的訓(xùn)練圖像的特征點(diǎn)進(jìn)行訓(xùn)練，相應(yīng)的正樣本以特征點(diǎn)位置為中心塊，相應(yīng)的負(fù)樣本以特征點(diǎn)位置偏移后的位置為中心塊，從所述每個(gè)中心塊中提取紋理特征，利用這些正負(fù)樣本訓(xùn)練一個(gè)分類(lèi)器，然后用所述分類(lèi)器的輸出分值和相應(yīng)的類(lèi)別標(biāo)簽，訓(xùn)練一個(gè)邏輯回歸函數(shù)；
所述測(cè)試階段包括以下步驟:第一步，初始化輸入圖像上的特征點(diǎn)位置；第二步，將所述輸入圖像及其初始特征點(diǎn)位置依次輸入上述訓(xùn)練階段第二步訓(xùn)練好的每個(gè)視角的特征點(diǎn)定位引擎，得到不同視角下的特征點(diǎn)定位結(jié)果；第三步，利用上述訓(xùn)練階段第三步訓(xùn)練好的每個(gè)視角下的特征點(diǎn)紋理模板的邏輯回歸函數(shù)計(jì)算對(duì)于所述輸入圖像屬于相應(yīng)視角的可能性；第四步，將具有最大可能性的視角下的特征點(diǎn)定位結(jié)果作為最終的特征點(diǎn)檢測(cè)結(jié)果O
[0007]作為本發(fā)明的優(yōu)選實(shí)施方式，所述訓(xùn)練階段第二步中，所述級(jí)聯(lián)的每一級(jí)由多個(gè)回歸器構(gòu)成，這些回歸器在訓(xùn)練過(guò)程中共享一個(gè)特征空間，每一個(gè)回歸器根據(jù)所述測(cè)試階段的輸入圖像、當(dāng)前的特征點(diǎn)位置、以及由輸入圖像和初始特征點(diǎn)位置計(jì)算的特征，通過(guò)一個(gè)回歸函數(shù)計(jì)算出特征點(diǎn)位置的調(diào)整量。
[0008]作為本發(fā)明的優(yōu)選實(shí)施方式，基于給定的訓(xùn)練數(shù)據(jù)子集，迭代優(yōu)化每一個(gè)回歸器的回歸函數(shù)，由初始特征點(diǎn)位置出發(fā)，逐級(jí)回歸修正，使得特征點(diǎn)位置逼近標(biāo)定的特征點(diǎn)正確位置，當(dāng)對(duì)于訓(xùn)練數(shù)據(jù)的特征點(diǎn)定位的誤差低于指定的閾值時(shí)，訓(xùn)練過(guò)程結(jié)束，得到針對(duì)這一視角的回歸特征點(diǎn)定位引擎。
[0009]作為本發(fā)明的優(yōu)選實(shí)施方式，所述訓(xùn)練階段第三步中，選取每個(gè)訓(xùn)練子集中不同視角的訓(xùn)練圖像中區(qū)分度高的特征點(diǎn)進(jìn)行訓(xùn)練。
[0010]作為本發(fā)明的優(yōu)選實(shí)施方式，所述區(qū)分度高的特征點(diǎn)包括鼻尖、嘴角、眼角。
[0011]作為本發(fā)明的優(yōu)選實(shí)施方式，所述訓(xùn)練階段第三步中，基于紋理特征的模板將作為在不同視角特征點(diǎn)定位引擎的結(jié)果之間進(jìn)行選擇的依據(jù)。
[0012]綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是:
1、針對(duì)單一視角獨(dú)立訓(xùn)練特征點(diǎn)定位引擎，同時(shí)訓(xùn)練過(guò)程中引入相鄰視角的數(shù)據(jù)，從而提升了每個(gè)視角下的特征點(diǎn)定位的魯棒性。
[0013]2、通過(guò)組合多個(gè)特征點(diǎn)定位引擎(每一個(gè)引擎針對(duì)一定的視角范圍)，并配合特征點(diǎn)的紋理模板進(jìn)行視角選擇，確定擬合度最高的視角下的特征點(diǎn)檢測(cè)結(jié)果作為最終結(jié)果，提高了算法對(duì)人臉姿態(tài)變化的魯棒性。
【附圖說(shuō)明】
[0014]圖1是回歸特征點(diǎn)定位引擎的結(jié)構(gòu)示意圖圖2是本發(fā)明方法的流程圖
圖3、圖4均是本發(fā)明特征定位結(jié)果展示圖
圖中標(biāo)記:S1-不同階段的特征點(diǎn)位置，S°-初始特征點(diǎn)位置，St-最終特征點(diǎn)位置，R1-回歸函數(shù)。
【具體實(shí)施方式】
[0015]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明做進(jìn)一步說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0016]實(shí)施例1
為了改進(jìn)人臉特征點(diǎn)定位算法在人臉姿態(tài)偏轉(zhuǎn)角度較大時(shí)的檢測(cè)精度，本實(shí)施例提出了一種檢測(cè)左右偏轉(zhuǎn)角度從負(fù)90度到正90度二維人臉圖像上的特征點(diǎn)的方法。該方法充分利用不同視角的人臉圖像數(shù)據(jù)，并有效區(qū)分不同視角人臉上的特征點(diǎn)的差異(比如當(dāng)偏轉(zhuǎn)角度增大時(shí)部分人臉特征點(diǎn)在二維圖像上會(huì)不可見(jiàn))，從而大大提高人臉特征點(diǎn)定位算法對(duì)于人臉姿態(tài)變化的魯棒性。
[0017]本發(fā)明中的算法包括兩個(gè)階段:訓(xùn)練和測(cè)試。
[0018]訓(xùn)練階段的步驟包括: