一種用射影不變量提取人臉基準點的方法
【專利摘要】一種基于射影不變量提取人臉基準點的方法，屬于計算機視覺領域。我們構造一種新的射影不變量（特征數(shù)），它通過人臉基準點將共線性、交比和六點幾何特性結(jié)合了起來。本發(fā)明利用基準點之間的內(nèi)部幾何信息關系，在訓練過程中，只需要一定數(shù)量手工標定基準點的正臉圖像，然后利用基準點之間的幾何關系，枚舉所有構成三點、五點和六點特征數(shù)的基準點組合，找出特征數(shù)在訓練集中都相等的組合，建立基準點匹配模板和形狀先驗。對任意輸入的人臉圖片，首先通過模板匹配、Sobel算子提取邊緣點和漢森矩陣提取拐點，然后利用特征數(shù)在對基準點進行形狀約束。本算法能快速、有效、準確的檢測到人臉基準點且適合于不同姿態(tài)變化條件下的人臉圖片。
【專利說明】一種用射影不變量提取人臉基準點的方法
【技術領域】
[0001]本發(fā)明涉及數(shù)字圖像處理、計算機視覺領域，具體的涉及一種基于用特征數(shù)作為形狀約束的人臉基準點提取方法。
【背景技術】
[0002]人臉基準點是指面部突出的點，如眼角、嘴角、瞳孔、下巴和鼻尖等。基準點提取在計算機視覺應用如人臉識別、人臉跟蹤和動漫制作等方面有廣泛的應用。人臉大尺度的表情和姿態(tài)變化，以及受到光照和遮擋的影響，都給基準點提取帶來了很大的挑戰(zhàn)。在過去幾十年間，為了提高算法的準確性和魯棒性，人們一直致力于人臉基準點提取方法的研究。
[0003]大部分的人臉基準點提取算法都在古典的主動輪廓模型的框架下，它將一條參數(shù)化曲線與某個優(yōu)化函數(shù)結(jié)合在一起。優(yōu)化函數(shù)是內(nèi)部能量和外部能量之和，內(nèi)部能量來自曲線自身的數(shù)學屬性，外部能量反映圖像感興趣區(qū)域的灰度信息。利用面部紋理信息提取基準點，比較流行的方法是使用Gabor濾波器，它是利用特征塊模板，通過在滑動窗口中進行模板匹配找到最優(yōu)基準點。雖然模板的紋理信息對光照不敏感，但是因為形狀約束比較弱，提取的基準點并不是太精確。
[0004]由于人臉特征的高度結(jié)構化，人們利用這些幾何特征，如兩眼中心的距離、鼻尖到兩眼的夾角等，來對基準點作形狀約束。具有開創(chuàng)性的主動形狀模型(ASM)[I]和主動表現(xiàn)模型(AAM) [2]利用主成分分析方法(PCA)在一組標簽臉上構造參數(shù)形狀模型。另外，有許多基于ASM和AAM方法出現(xiàn)許多變異和改進，包括局部約束模型(CLM)，位置優(yōu)化ASM，非線性判別AAM模型。特別是Milborrow和Nicolls的擴展ASM，在各個方面都做了改進(如擬合多基準點、在訓練集中添加噪聲等)，這些改進對于正臉的圖片有很高的準確率。但是這些算法對于姿態(tài)變化的側(cè)臉圖片檢測效果不理想。
[0005]復旦大學的中國發(fā)明專利，申請?zhí)枮镃N200610024307，“一種人臉特征點自動定位方法”，該專利是采用實時AAM和遺傳算法來優(yōu)化形狀系數(shù)，然后通過邊緣檢測以及膚色區(qū)間檢測的方法來對部分特征點進一步微調(diào)。優(yōu)點是對正臉和側(cè)臉(偏角45度以內(nèi))圖片具有較好的檢測效果，但是算法較為復雜，而且不太適合提取具有表情變化、遮擋的人臉圖片。

【發(fā)明內(nèi)容】

[0006]本發(fā)明提供一種基于射影不變量作為形狀約束的人臉基準點提取方法，解決了現(xiàn)有技術的不足，該方法只需要選取少量的正臉圖片用作訓練集，利用特征數(shù)得到人臉基準點共有的幾何形狀約束，就能應用于提取各種姿態(tài)的人臉基準點。同時，提高了提取基準點的準確性和魯棒性，具有較強的通用性。
[0007]本發(fā)明采用的技術方案:
[0008]一種用射影不變量提取人臉基準點的方法，是一種新的形狀約束。根據(jù)人臉的結(jié)構信息，利用人臉基準點間的幾何關系，構造新的三點特征數(shù)和六點特征數(shù)，并結(jié)合五點交比信息，對人臉基準點作嚴格的形狀約束。[0009]第一步，定義特征數(shù)
[0010]定義1:在射影空間中，一條直線I被任意三條直線a，b和c所截，記直線I與三條直線的交點為P =〈1，a>, Q =〈1，b>,和R =〈1，C〉，并記三條直線a，b和C兩兩交點為μ =〈C, a>, V = <a, b> 和 ω = <b, c>,則 P, Q 和 R 可以用 μ，V，ω 線性表示:
[0011]
【權利要求】
1.一種用射影不變量提取人臉基準點的方法，其特征包括以下幾個步驟: 第一步，定義特征數(shù) 定義1:在射影空間中，一條直線I被任意三條直線a，b和C所截，記直線I與三條直線的交點為P = <1, a>, Q =〈1，b>,和R =〈1，c>,并記三條直線a, b和c兩兩交點為μ =〈C, a>, V = <a, b>和ω = <b, c>,貝丨J P, Q和R可以用μ，V，ω線性表示:

2.根據(jù)權利要求1所述的方法，用射影不變量提取人臉基準點，首先使用紋理約束的灰度模板匹配，然后提取人臉的邊緣和拐點，最后使用特征數(shù)進行幾何形狀約束，結(jié)合紋理和形狀約束把提取基準點問題轉(zhuǎn)化為一個凸優(yōu)化問題；其特征在于具體包括以下幾個步驟: 第一步，根據(jù)紋理信息進行模板匹配提取初始基準點 首先，根據(jù)Viola-Jones人臉檢測器提取人臉圖片，使用檢測器提取眼睛、鼻子和嘴角區(qū)域，根據(jù)這些區(qū)域初始化8個基準點的初始位置；然后以訓練集中每張圖片的基準點為中心，制作匹配模板；利用圖像灰度差和模板進行匹配，滑動窗口在興趣區(qū)域內(nèi)進行滑動，興趣區(qū)域是以訓練集中m張圖片的平均基準點為中心；取滑動窗口和匹配模板能量函數(shù)值E1 (Pi),能量函數(shù)如下所示:
【文檔編號】G06K9/46GK103886298SQ201410117609
【公開日】2014年6月25日 申請日期:2014年3月27日 優(yōu)先權日:2014年3月27日
【發(fā)明者】樊鑫, 羅鐘鉉, 汪浩, 羅代耘, 李運濤 申請人:大連理工大學