0] 然后根據(jù)所述姿態(tài)回歸系數(shù)計(jì)算輸入人臉圖像屬于不同姿態(tài)角的可能性，計(jì)算公 式如下·
[0041]
[0042]步驟二中的參數(shù)使用梯度下降算法根據(jù)訓(xùn)練數(shù)據(jù)學(xué)習(xí)得到。
[0043] 所述步驟三中檢測人臉圖像上的特征點(diǎn)位置具體為：
[0044] 采取由相應(yīng)姿態(tài)角度的數(shù)據(jù)訓(xùn)練得到的活動(dòng)形狀模型(ASM)或者基于級聯(lián)回歸的 人臉特征點(diǎn)檢測器進(jìn)行檢測。
[0045] 所述步驟四具體為:采用擬合一個(gè)平均三維人臉模型上的特征點(diǎn)到輸入二維圖像 的方法，通過調(diào)整姿態(tài)角度來優(yōu)化三維人臉模型上的特征點(diǎn)投影到二維圖像上后與輸入二 維人臉圖像上特征點(diǎn)之間的重合度。
[0046] 下面結(jié)合一個(gè)具體示例說明本發(fā)明。
[0047]本發(fā)明方法包含一個(gè)訓(xùn)練過程，以根據(jù)一組訓(xùn)練數(shù)據(jù)學(xué)習(xí)人臉姿態(tài)角度與其紋理 特征之間的回歸函數(shù)。這里我們采用如下的回歸函數(shù)來表示姿態(tài)角度和第η維特征之間的 回歸關(guān)系：
[0048
[0049] φχ(α)、φγ(β)和Φζ(γ)分別表示關(guān)于俯仰角的p階、關(guān)于偏轉(zhuǎn)角的q階和其中，
[0050] 關(guān)于傾斜角的r階多項(xiàng)式，/?為第η維特征的姿態(tài)回歸參數(shù)。需要通過訓(xùn)練數(shù)據(jù)學(xué) 習(xí)的參數(shù)包括姿態(tài)回歸參數(shù)和三個(gè)多項(xiàng)式中的系數(shù)。這些參數(shù)可以通過梯度下降方法得 到。
[0051] 測試階段，首先利用上述回歸模型估計(jì)一副新輸入人臉圖像的姿態(tài)角度。具體地， 首先將輸入人臉圖像上的人臉區(qū)域檢測并分割出來，歸一化到指定的尺寸，然后提取其紋 理特征，記該特征為FeR N，F(xiàn)n表示其第η維特征分量。之后，利用訓(xùn)練好的回歸模型，計(jì)算根 據(jù)每一維的特征分量輸入人臉圖像屬于不同姿態(tài)角的可能性。計(jì)算公式如下：
[0052]
[0053] 最后，選擇具有最大可能的姿態(tài)角作為該輸入人臉圖像的姿態(tài)初始估計(jì)結(jié)果。
[0054] 然后根據(jù)得到的姿態(tài)角度選擇相應(yīng)姿態(tài)的特征點(diǎn)檢測器，檢測輸入人臉圖像上的 特征點(diǎn)（如瞳孔中心、鼻尖和嘴角)位置。具體實(shí)施時(shí)，可以采取由相應(yīng)姿態(tài)角度的數(shù)據(jù)訓(xùn)練 得到的活動(dòng)形狀模型(ASM)或者基于級聯(lián)回歸的人臉特征點(diǎn)檢測器。
[0055] 最后根據(jù)得到的特征點(diǎn)，采用基于特征點(diǎn)的方法進(jìn)一步精確估計(jì)輸入圖像中的人 臉姿態(tài)角度。具體實(shí)施時(shí)，可以采用擬合一個(gè)平均三維人臉模型上的特征點(diǎn)到輸入二維圖 像的方法。具體的，通過調(diào)整三維人臉模型的姿態(tài)角度來優(yōu)化三維人臉模型上的特征點(diǎn)投 影到二維圖像上后與輸入二維人臉圖像上特征點(diǎn)之間的重合度，該優(yōu)化過程可以使用基于 粒子群優(yōu)化或者基于梯度下降的方法。優(yōu)化開始時(shí)，三維人臉模型為標(biāo)準(zhǔn)正面姿態(tài)。優(yōu)化完 成時(shí)，三維人臉模型調(diào)整后的姿態(tài)角度即為輸入人臉圖像的姿態(tài)角度。
[0056] 本發(fā)明的優(yōu)點(diǎn)為:綜合了基于表觀特征和基于特征點(diǎn)的姿態(tài)估計(jì)方法?；诒碛^ 特征的姿態(tài)估計(jì)方式適合對姿態(tài)進(jìn)行粗分類，而基于特征點(diǎn)的方法雖然可以更精細(xì)的估計(jì) 姿態(tài)角度，但是需要首先檢測出人臉特征點(diǎn)。然而，要用一個(gè)統(tǒng)一的模型準(zhǔn)確檢測任意姿態(tài) 下的人臉特征點(diǎn)，目前很難實(shí)現(xiàn)。因此本發(fā)明，充分利用基于表觀特征的姿態(tài)預(yù)估計(jì)結(jié)果， 選擇針對特定姿態(tài)角度范圍的人臉特征點(diǎn)定位模型，而后再用基于特征點(diǎn)的方法估計(jì)更加 精確的姿態(tài)角度。如此，通過級聯(lián)的方式由粗到細(xì)地估計(jì)姿態(tài)角度，既克服了任意姿態(tài)特征 點(diǎn)定位困難對姿態(tài)估計(jì)的影響，又有效提高了姿態(tài)估計(jì)的精度。
[0057]上面結(jié)合附圖對本發(fā)明的【具體實(shí)施方式】進(jìn)行了詳細(xì)說明，但本發(fā)明并不限制于上 述實(shí)施方式，在不脫離本申請的權(quán)利要求的精神和范圍情況下，本領(lǐng)域的技術(shù)人員可以作 出各種修改或改型。
【主權(quán)項(xiàng)】
1. 一種級聯(lián)的二維圖像人臉姿態(tài)估計(jì)方法，其特征在于，包括： 步驟一、將輸入的二維人臉圖像上的人臉區(qū)域檢測并分割出來，歸一化到預(yù)定尺寸，提 取其紋理特征，以特征向量F￡RN表示該紋理特征； 步驟二、根據(jù)步驟一中得到的二維人臉圖像的特征向量計(jì)算其在不同姿態(tài)角的可能 性； 步驟三、選擇具有最大可能性的姿態(tài)角作為該輸入的二維人臉圖像的姿態(tài)初始估計(jì)結(jié) 果，根據(jù)所述具有最大可能性的姿態(tài)角度選擇相應(yīng)姿態(tài)的人臉圖像特征點(diǎn)定位模型，檢測 該二維人臉圖像上的特征點(diǎn)位置； 步驟四、根據(jù)步驟三中檢測得到的特征點(diǎn)，采用基于特征點(diǎn)的方法進(jìn)一步精確估計(jì)輸 入人臉圖像中的人臉姿態(tài)角度。2. 根據(jù)權(quán)利要求1所述的級聯(lián)的二維圖像人臉姿態(tài)估計(jì)方法，其特征在于，所述步驟二 具體為： 首先根據(jù)下式計(jì)算每個(gè)特征維度下的姿態(tài)回歸系數(shù)，其中，φχ(α)、φγ(β)和φζ( γ )分別表示關(guān)于俯仰角的p階、關(guān)于偏轉(zhuǎn)角的q階和關(guān)于傾 斜角的r階多項(xiàng)式，/備:為第η維特征的姿態(tài)回歸參數(shù)； 然后根據(jù)所述姿態(tài)回歸系數(shù)計(jì)算輸入人臉圖像屬于不同姿態(tài)角的可能性，計(jì)算公式如 下：Fn表示紋理特征向量F的第η維特征分量。3. 根據(jù)權(quán)利要求2所述的級聯(lián)的二維圖像人臉姿態(tài)估計(jì)方法，其特征在于，步驟二中的 參數(shù)使用梯度下降算法根據(jù)訓(xùn)練數(shù)據(jù)學(xué)習(xí)得到。4. 根據(jù)權(quán)利要求1所述的級聯(lián)的二維圖像人臉姿態(tài)估計(jì)方法，其特征在于，所述步驟三 中檢測人臉圖像上的特征點(diǎn)位置具體為： 采取由相應(yīng)姿態(tài)角度的數(shù)據(jù)訓(xùn)練得到的活動(dòng)形狀模型或者基于級聯(lián)回歸的人臉特征 點(diǎn)檢測器進(jìn)行檢測。5. 根據(jù)權(quán)利要求1所述的級聯(lián)的二維圖像人臉姿態(tài)估計(jì)方法，其特征在于，所述步驟四 具體為： 采用擬合一個(gè)平均三維人臉模型上的特征點(diǎn)到輸入二維圖像的方法，通過調(diào)整姿態(tài)角 度來優(yōu)化三維人臉模型上的特征點(diǎn)投影到二維圖像上后與輸入二維人臉圖像上特征點(diǎn)之 間的重合度。
【專利摘要】本發(fā)明公開了一種級聯(lián)的二維圖像人臉姿態(tài)估計(jì)方法，包括：步驟一、將輸入的二維人臉圖像上的人臉區(qū)域檢測并分割出來，歸一化到預(yù)定尺寸，提取其紋理特征，以特征向量表示該紋理特征；步驟二、根據(jù)步驟一中得到的二維人臉圖像的特征向量計(jì)算其在不同姿態(tài)角的可能性；步驟三、選擇具有最大可能性的姿態(tài)角作為該輸入的二維人臉圖像的姿態(tài)初始估計(jì)結(jié)果，根據(jù)所述具有最大可能性的姿態(tài)角度選擇相應(yīng)姿態(tài)的人臉特征點(diǎn)定位模型，檢測該人臉圖像上的特征點(diǎn)位置；步驟四、根據(jù)步驟三中檢測得到的特征點(diǎn)，采用基于特征點(diǎn)的方法進(jìn)一步精確估計(jì)輸入人臉圖像中的人臉姿態(tài)角度。本發(fā)明克服基于表觀特征和基于特征點(diǎn)的姿態(tài)估計(jì)方法各自的缺點(diǎn)，通過級聯(lián)的方式由粗到細(xì)地估計(jì)姿態(tài)角度，提高了姿態(tài)估計(jì)的精度。
【IPC分類】G06K9/00, G06K9/62
【公開號(hào)】CN105678241
【申請?zhí)枴緾N201511024409
【發(fā)明人】趙啟軍, 李科, 石正權(quán)
【申請人】四川川大智勝軟件股份有限公司
【公開日】2016年6月15日
【申請日】2015年12月30日