一种得出人脸部位轮廓定位模型的方法技术

本发明专利技术公开一种得出人脸部位轮廓定位模型的方法，准备一组训练图像集，标注所述训练图像集中的训练脸的轮廓点；选取一个标准脸模型，标注所述标准脸模型的轮廓点；从所述标准脸模型的轮廓点出发，进行变换得到所述任一训练脸的轮廓点过程中，不断利用优化函数进行优化，最终计算得出人脸部位轮廓定位模型。定义得出人脸部位轮廓定位模型的过程是有监督的分析定位过程，降低误差，提高定位精度，使得人脸识别，人脸化妆，人物表情分析等技术能够运用到更加精密的场合中，对于开拓现代化技术发展具有十分重要的意义。

【技术实现步骤摘要】

本专利技术属于计算机视觉、智能安防，视频和图像分析
，尤其涉及。
技术介绍
人脸识别正在逐步的应用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域，伴随着人脸识别技术应用
的范围增加，人们对于人脸识别技术的精度要求也越来越高。而面部结构的精准定位则是提高人脸识别技术精度的基础。现今，如何准确地对人脸各个部位进行定位是目前计算机视觉领域比较热门的一个课题，因为它对于人脸识别，人脸化妆，人物表情分析等具有十分重要的意义。目前仅仅是从人脸的形状入手，大多是采用对大量人脸形状的训练和分析得到一些标注模型，然后将该模型应用于任何测试人脸图像中，得出模型的过程是一种无监督的分析定位过程，存在了较大的不可避免的误差。导致当训练数据集比较小，或者某个人的人脸与训练集中的数据差别比较大的时候，人脸轮廓定位将变得尤其不准确。
技术实现思路
为解决上述技术问题，本专利技术提供。 在一些可选的实施例中，所述方法包括:准备一组训练图像集，标注所述训练图像集中的训练脸的轮廓点；选取一个标准脸模型，标注所述标准脸模型的轮廓点；从所述标准脸模型的轮廓点出发，进行变换得到所述任一训练脸的轮廓点过程中，不断利用优化函数进行优化，得出人脸部位轮廓定位模型回归函数的系数，所述优化函数如下: Min (I |S_f(S0) | | + | |f(S0)_LeftEyeCenter_S_Detect_LeftEyeyCenterI | + | | f (S0)_RightEyeCenter_S_Detect_RightEyeyCenter| | + | |f(S0)_MouthEyeCenter-S_Detect_MouthEyeyCenter||); 计算所述人脸部位轮廓定位模型的具体过程如下: S1 = f (S0)； S1 = S0XR0+T0 ； S2 = MS1) = T^eiX (S0XR0+T0)； S = TfRiX (Sh X Rh+Th)。 在一些可选的实施例中，所述方法还包括:由检测分类器模型计算得出所述训练图像集中任一训练脸的人脸部位轮廓位置、左眼的粗略轮廓、右眼的粗略轮廓和嘴巴的粗略轮廓；由所述人脸部位轮廓位置计算得出所述任一训练脸的人脸的坐标位置，由所述左眼的粗略轮廓、右眼的粗略轮廓和嘴巴的粗略轮廓计算得出所述任一训练脸的左眼中心位置、右眼中心位置和嘴巴中心位置。 在一些可选的实施例中，所述不断利用优化函数进行优化的过程包括:从所述标准脸模型的轮廓点出发，进行变换得到所述任一训练脸的轮廓点过程中，确保变换后的人脸部位轮廓位置与由所述检测分类器模型得到的人脸部位轮廓位置变化不大，且由变换后的人脸部位轮廓位置所决定的左右眼，以及嘴巴的中心位置与由所述检测分类器模型检测到的左右眼，以及嘴巴的中心位置最接近。 在一些可选的实施例中，所述左眼的粗略轮廓内所有点的位置的平均值为左眼中心位置，所述右眼的粗略轮廓内所有点的位置的平均值为右眼中心位置，所述嘴巴的粗略轮廓内所有点的位置的平均值为嘴巴中心位置。 本专利技术的有益效果:定义得出人脸部位轮廓定位模型的过程是有监督的分析定位过程，降低误差，提高定位精度，使得人脸识别，人脸化妆，人物表情分析等技术能够运用到更加精密的场合中，对于开拓现代化技术发展具有十分重要的意义。 【附图说明】 图1是本专利技术的流程示意图。 【具体实施方式】 下面结合附图，对本专利技术做进一步详细说明，并描述本专利技术较佳的实施例。 在一些说明性的实施例中，如图1所示，本专利技术提供，该方法包括: S1:准备一组训练图像集，为了适应人脸轮廓定义的需要，需要对所述训练图像集中的训练脸各个部位的轮廓点进行标注，一般为68个点。 S2:选取一个标准脸模型，标注所述标准脸模型的轮廓点，一般为68个点。 S3:由检测分类器模型计算得出所述训练图像集中任一训练脸的人脸部位轮廓位置、左眼的粗略轮廓、右眼的粗略轮廓和嘴巴的粗略轮廓。其中，所述检测分类器模型包括:人脸检测分类器模型、左眼检测分类器模型、右眼检测分类器模型和嘴巴检测分类器模型。利用所述人脸检测分类器模型得到训练脸的人脸部位轮廓位置，然后利用所述左眼检测分类器模型得到左眼的粗略轮廓，采用同样的方法，利用所述右眼检测分类器模型和嘴巴检测分类器模型得到右眼的粗略轮廓和嘴巴的粗略轮廓。 S4:由所述人脸部位轮廓位置计算得出所述任一训练脸的人脸的坐标位置，由所述左眼的粗略轮廓、右眼的粗略轮廓和嘴巴的粗略轮廓计算得出所述任一训练脸的左眼中心位置、右眼中心位置和嘴巴中心位置。其中，所述人脸的坐标位置为68个点的坐标集，所述左眼的粗略轮廓内所有点的位置的平均值为左眼中心位置，所述右眼的粗略轮廓内所有点的位置的平均值为右眼中心位置，所述嘴巴的粗略轮廓内所有点的位置的平均值为嘴巴中心位置。 S5:定义优化函数，计算得出人脸部位轮廓定位模型。从所述标准脸模型的轮廓点出发，进行变换得到所述任一训练脸的轮廓点过程中，计算得出人脸部位轮廓定位模型。首先，定义一个优化函数，定义所述优化函数的目的就是计算出所述变化f回归函数的系数，所述优化函数如下: Min (I |S_f(S0) | | + | |f(S0)_LeftEyeCenter_S_Detect_LeftEyeyCenterI | + | | f (S0)_RightEyeCenter_S_Detect_RightEyeyCenter| | + | |f(S0)_MouthEyeCenter-S_Detect_MouthEyeyCenter||)。 其中，S是每个训练图集中所述标准脸模型正确的人脸部位轮廓位置，S0是所述检测分类器模型得到的所述标准脸模型的初始位置，Min是指距离尽可能小，也就是任一所述训练脸从所述标准脸模型出发进行一定的变换f，在变换过程中不断利用所述优化函数进行优化，确保变换后的人脸部位轮廓位置与初始得到的人脸部位轮廓位置变化不大，而且由变换后的所述人脸部位轮廓位置所决定的左右眼，以及嘴巴的中心位置与所述检测分类器模型检测到的左右眼，以及嘴巴的中心位置最接近。而所述变化f的定义即为所述人脸部位轮廓定位模型，具体计算过程如下: S1 = f (S0)； S1 = S0XR0+T0 ； S2 = = T^eiX (S0XR0+T0)； ... S = T^Ri X (Sh X Rh+Th) 其中，Ri是旋转矩阵，Ti是移动矩阵，由于是级联方式，所以就是要得到各个层次的Ri和Si。从而最后得到的f不是一个含有多级联的线性回归函数的组合。 以上描述和附图充分地示出本专利技术的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文档来自技高网...

【技术保护点】
一种得出人脸部位轮廓定位模型的方法，其特征在于，包括：准备一组训练图像集，标注所述训练图像集中的训练脸的轮廓点；选取一个标准脸模型，标注所述标准脸模型的轮廓点；从所述标准脸模型的轮廓点出发，进行变换得到所述任一训练脸的轮廓点过程中，不断利用优化函数进行优化，得出人脸部位轮廓定位模型回归函数的系数，所述优化函数如下：Min(||S‑f(S0)||+||f(S0)_LeftEyeCenter‑S_Detect_LeftEyeyCenter||+||f(S0)_RightEyeCenter‑S_Detect_RightEyeyCenter||+||f(S0)_MouthEyeCenter‑S_Detect_MouthEyeyCenter||)；计算所述人脸部位轮廓定位模型的具体过程如下：S1＝f(S0)；S1＝S0×R0+T0；S2＝f(S1)＝T1+R1×(S0×R0+T0)；...S＝Ti+Ri×(Si‑1×Ri‑1+Ti‑1)。

【技术特征摘要】
1.一种得出人脸部位轮廓定位模型的方法，其特征在于，包括: 准备一组训练图像集，标注所述训练图像集中的训练脸的轮廓点； 选取一个标准脸模型，标注所述标准脸模型的轮廓点； 从所述标准脸模型的轮廓点出发，进行变换得到所述任一训练脸的轮廓点过程中，不断利用优化函数进行优化，得出人脸部位轮廓定位模型回归函数的系数，所述优化函数如下:Min(I S-f(S0) I | + | f (S0)_LeftEyeCenter-S_Detect_LeftEyeyCenter+ I I f(S0)_RightEyeCenter_S_Detect_RightEyeyCenterI+ I f (S0)_MouthEyeCenter-S_Detect_MouthEyeyCenter )； 计算所述人脸部位轮廓定位模型的具体过程如下:S1 = f(S0)；51= S0XR0+T0 ；52= f(S!) = T^R1X (S0XR0+T0)； S = TfRiX (ShXRh+Th)。2.根据权利要求1所述的一种得出人脸部位轮廓定位模型的方法，其特征在于，...

【专利技术属性】
技术研发人员：熊伟华，范澍斐，李兵，马燕军，
申请(专利权)人：江苏刻维科技信息有限公司，
类型：发明
国别省市：江苏;32