一種人臉特征點(diǎn)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種人臉特征點(diǎn)跟蹤方法，屬于人臉圖像跟蹤技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)信息技術(shù)的發(fā)展W及計(jì)算機(jī)的軟硬件性能的顯著提升，多媒體的應(yīng)用 變得越來越普及，更加友好更加人性化的人機(jī)交互技術(shù)不斷涌現(xiàn)，并應(yīng)用于日常生活當(dāng)中。 運(yùn)些技術(shù)已經(jīng)不再僅僅依賴于傳統(tǒng)的鍵盤、鼠標(biāo)、顯示器等設(shè)備，而是開始向著多模態(tài)人機(jī) 交互的方向發(fā)展，其中W視覺交流最為方便和易于接受。在計(jì)算機(jī)視覺研究領(lǐng)域中，與人臉 相關(guān)的一系列研究課題，如人臉檢測、人臉表情識別、人臉分析等方向，得到了很大的發(fā)展， 已經(jīng)在實(shí)際中取得了應(yīng)用(如，在公安機(jī)關(guān)、人工智能、ATM識別認(rèn)證等方面）。
[0003] 非剛性的人臉追蹤在計(jì)算機(jī)視覺領(lǐng)域中得到了廣泛地應(yīng)用，并且運(yùn)些實(shí)現(xiàn)人臉追 蹤的工具都是基于PC的，運(yùn)在移動終端飛速發(fā)展的今天自然是滿足不了用戶的需求。截止 到目前為止，中國目前已有4.874億手機(jī)用戶，并且仍然在大踏步地發(fā)展與增長，根據(jù)中國 信息產(chǎn)業(yè)部的數(shù)據(jù)，僅=月就新增了 670萬戶，二月的數(shù)據(jù)為680萬戶。照運(yùn)樣的速度算來，6 月份之后，中國很快將迎來第五億手機(jī)用戶（占中國總?cè)丝诘?8%，平均不到3人擁有一臺 手機(jī)）。移動終端的發(fā)展是有目共睹，近兩年來，手機(jī)市場可W說競爭十分激烈，從普通手機(jī) 到智能手機(jī)的普及也就在短短數(shù)年之間，智能手機(jī)平臺和配置也在逐漸強(qiáng)大起來，無論是 國內(nèi)的品牌或者是國際的品牌都紛紛發(fā)力推出強(qiáng)悍性能的智能手機(jī)，目前少數(shù)手機(jī)的性能 已超過普通電腦，運(yùn)足W說明現(xiàn)在手機(jī)產(chǎn)品關(guān)注度一直在不斷升高，消費(fèi)者的需求也越來 越高了，手機(jī)照相中的皿R、全景模式等功能，其實(shí)就是圖像處理算法在終端上的實(shí)現(xiàn)，若能 將手機(jī)應(yīng)用與人臉圖像應(yīng)用結(jié)合在一起，將有十分巨大的發(fā)展前景。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是提供一種基于主動表現(xiàn)模型，采用全新設(shè)計(jì)方法， 能夠有效提高人臉跟蹤精度的人臉特征點(diǎn)跟蹤方法。
[0005] 本發(fā)明為了解決上述技術(shù)問題采用W下技術(shù)方案:本發(fā)明設(shè)計(jì)了一種人臉特征點(diǎn) 跟蹤方法，包括如下步驟：
[0006] 步驟001.采集預(yù)設(shè)數(shù)量腳長人臉樣本圖像，并分別針對各張人臉樣本圖像，按預(yù)設(shè) 標(biāo)記規(guī)則在人臉樣本圖像上標(biāo)記出預(yù)設(shè)個數(shù)的特征點(diǎn)，然后進(jìn)入步驟002;
[0007] 步驟002.分別針對各張人臉樣本圖像，獲得人臉樣本圖像上所標(biāo)記各個特征點(diǎn)的 坐標(biāo)，將該人臉樣本圖像上各個特征點(diǎn)的坐標(biāo)進(jìn)行組合，構(gòu)成該人臉樣本圖像的形狀向量； 進(jìn)而分別獲得腳長人臉樣本圖像的形狀向量，然后建立主動表現(xiàn)模型坐標(biāo)框架，并進(jìn)入步驟 003；
[000引步驟003.將N張人臉樣本圖像的形狀向量對齊到該主動表現(xiàn)模型坐標(biāo)框架中，并 在該主動表現(xiàn)模型坐標(biāo)框架中，針對該腳長人臉樣本圖像的形狀向量進(jìn)行降維，然后進(jìn)入步 驟004;
[0009] 步驟004.獲得N張人臉樣本圖像的形狀向量的平均人臉樣本形狀向量so,并進(jìn)入 步驟005;
[0010] 步驟005.獲得平均人臉樣本形狀向量SO所對應(yīng)的所有表情特征向量，并將該所有 表情特征向量按其特征值由大至小進(jìn)行排序，獲得平均人臉樣本形狀向量SO所對應(yīng)的預(yù)設(shè) 前L個表情特征向量，進(jìn)而獲得如下人臉形狀模型：
[0011]
[0012] 其中，Ski表示主動表現(xiàn)模型坐標(biāo)框架上所有人臉樣本圖像上特征點(diǎn)中所對應(yīng)的任 意人臉形狀向量，k={l，…，K}，pk表示第k個預(yù)設(shè)人臉形狀向量參數(shù)，預(yù)設(shè)人臉形狀向量參 數(shù)的總個數(shù)為K，ti表示平均人臉形狀向量所對應(yīng)預(yù)設(shè)前L個表情特征向量中的第1個表情 特征向量;然后進(jìn)入步驟006;
[0013] 步驟006.在主動表現(xiàn)模型坐標(biāo)框架中，根據(jù)各張人臉樣本圖像的形狀向量，獲得 如下人臉表觀模型：
[0014]
[0015] 其中，Akm表示主動表現(xiàn)模型坐標(biāo)框架上所有人臉樣本圖像上特征點(diǎn)中所對應(yīng)的任 意人臉紋理向量;Ao表示平均人臉樣本紋理向量;Ak表示第k個預(yù)設(shè)人臉紋理向量參數(shù)，預(yù)設(shè) 人臉紋理向量參數(shù)的總個數(shù)為K，Vm表示平均人臉紋理向量所對應(yīng)預(yù)設(shè)前M個表情紋理特征 向量中的第m個表情紋理特征向量;然后進(jìn)入步驟007;
[0016] 步驟007.根據(jù)人臉形狀模型，獲得待比對人臉圖像D(X)位于主動表現(xiàn)模型坐標(biāo)框 架中的位置W(x，pk)，并獲得待比對人臉圖像D(X)紋理向量I(W(x，化）），然后進(jìn)入步驟008;
[0017] 步驟008.定義k = l，進(jìn)入步驟009;
[0018] 步驟009.判i
A值是否小于預(yù)設(shè)紋理差闊值，是則獲 得下一帖待比對人臉圖像，作為待比對人臉圖像D(X),并返回步驟007;否則進(jìn)入步驟010;
[0019] 步驟010.判斷k是否等于K，是則重新建立主動表現(xiàn)模型坐標(biāo)框架，并返回步驟 003;否則用k+1的值更新k，并返回步驟009。
[0020] 作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟002中，分別針對各張人臉樣本圖像， 獲得人臉樣本圖像上所標(biāo)記各個特征點(diǎn)的坐標(biāo)，并按預(yù)設(shè)標(biāo)記規(guī)則中的特征點(diǎn)標(biāo)記順序， 將該人臉樣本圖像上各個特征點(diǎn)的坐標(biāo)進(jìn)行排序組合，構(gòu)成該人臉樣本圖像的形狀向量。 [0021 ]作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟003中，采用Procrustes Analysis方 法將腳長人臉樣本圖像的形狀向量對齊到該主動表現(xiàn)模型坐標(biāo)框架中。
[0022] 作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟006中，根據(jù)各張人臉樣本圖像的形狀 向量，通過德勞內(nèi)=角變換和仿射變換獲得人臉表觀模型。
[0023] 作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟006具體包括如下步驟：
[0024] 步驟00601.在主動表現(xiàn)模型坐標(biāo)框架中，分別針對各張人臉樣本圖像的形狀向 量，基于人臉樣本圖像的各個特征點(diǎn)坐標(biāo)，針對該人臉樣本圖像進(jìn)行=角剖割，并分別針對 該人臉樣本圖像中的各個=角形，任意取=角形所對應(yīng)的其中一個特征點(diǎn)，將該特征點(diǎn)的 灰度值作為該=角形區(qū)域的灰度值;進(jìn)而獲得主動表現(xiàn)模型坐標(biāo)框架中各張人臉樣本圖像 分別所對應(yīng)的各個=角形區(qū)域的灰度值，然后進(jìn)入步驟00602;
[00巧]步驟00602.在主動表現(xiàn)模型坐標(biāo)框架中，針對平均人臉樣本形狀向量S0,基于平 均人臉樣本形狀的各個特征點(diǎn)坐標(biāo)，針對平均人臉樣本形狀進(jìn)行=角剖割，并針對平均人 臉樣本形狀中的各個=角形，根據(jù)該各個=角形區(qū)域與各張人臉樣本圖像中=角形區(qū)域的 對應(yīng)關(guān)系，獲得平均人臉樣本形狀中各個=角形區(qū)域的灰度值，進(jìn)而獲得平均人臉樣本形 狀所對應(yīng)各=角形區(qū)域灰度值所組成的紋理向量，即平均人臉樣本紋理向量Ao;然后進(jìn)入 步驟00603;
[0026] 步驟00603.獲得平均人臉樣本紋理向量Ao所對應(yīng)的所有表情紋理特征向量，并將 該所有表情紋理特征向量按其特征值由大至小進(jìn)行排序，獲得平均人臉樣本紋理向量Ao所 對應(yīng)的預(yù)設(shè)前M個表情紋理特征向量，進(jìn)而獲得如下人臉表觀模型：
[0027]
[0028] 其中，Akm表示主動表現(xiàn)模型坐標(biāo)框架上所有人臉樣本圖像上特征點(diǎn)中所對應(yīng)的任 意人臉紋理向量，Ak表示第k個預(yù)設(shè)人臉紋理向量參數(shù)，預(yù)設(shè)人臉紋理向量參數(shù)的總個數(shù)為 K，Vm表示平均人臉紋理向量所對應(yīng)預(yù)設(shè)前M個表情紋理特征向量中的第m個表情紋理特征 向量;然后進(jìn)入步驟007。
[0029] 作為本發(fā)明的一種優(yōu)選技術(shù)方案:所述步驟007中，根據(jù)人臉形狀模型，獲得待比 對人臉圖像D(X)位于主動表現(xiàn)模型坐標(biāo)框架中的位置W(x，pk)，并針對待比對人臉圖像D (X)進(jìn)行灰度處理，獲得