一种用于美颜的人脸关键点定位方法及系统技术方案

本发明专利技术公开一种用于美颜的人脸关键点定位方法及系统，图像模型训练包括步骤：由服务器获取样本图像并转换成灰度样本图像；检测灰度样本图像中的人脸，统计人脸特征点坐标建立特征点模型；通过采用随机形状并添加随机扰动提取初始形状组；利用随机森林和线性回归方法迭代训练图像模型；存储特征点模型和图像模型作为训练模型；人脸关键点提取包括步骤：载入训练模型；获取输入图像并转换成灰度输入图像；检测灰度输入图像中的人脸；通过采用随机形状并添加随机扰动提取初始形状组；对初始形状组在训练模型中进行迭代计算，获得新形状组；求新形状组的中值作为人脸关键点。本发明专利技术对初始化形状的依赖较弱且对于人脸关键点的定位精确度较高。

【技术实现步骤摘要】

本专利技术属于图像处理
，特别是涉及一种用于美颜的人脸关键点定位方法及系统。
技术介绍
近年来，随着手机像素的提高，自拍人群日益增加，对照片处理的需求也日益多样化，因此对自拍照片进行个性化美颜已成为一个极富活力的研究领域；在个性化美颜的过程中，对人脸关键点的定位是个极为关键的一步，定位的精确度影响着图像中人脸美颜的质量。目前，在图像美颜过程中已经存在许多的人脸关键点的定位算法，比如早期所用到的AAM算法、ASM算法以及在这两种算法上的变种算法，还有最近用于人脸定位的基于回归的方法。但目前所使用的这些算法对图像中人脸的初始形状的过分依赖往往导致人脸关键点定位陷入局部最优，使得最终的定位效果差强人意，使得最终的关键点的定位精度较低，导致图像的美颜品质下降，需进一步进行手动调节，为使用者带来许多的不便。
技术实现思路
为了解决上述问题，本专利技术提出了一种用于美颜的人脸关键点定位方法及系统，此方法对初始化形状的依赖较弱且对于人脸关键点的定位精确度较高。为达到上述目的，本专利技术采用的技术方案是：一种用于美颜的人脸关键点定位方法，包括图像模型训练方法和人脸关键点提取方法；所述图像模型训练方法包括步骤：(1)由服务器获取样本图像；(2)将所述样本图像转换成灰度样本图像；(3)检测灰度样本图像中的人脸信息，记录人脸框位置，同时检测并读取人脸对应的特征点信息构成真实形状，统计人脸特征点坐标建立特征点模型；(4)通过采用随机形状并添加随机扰动利用步骤（3）中获取的人脸信息提取灰度样本图像中人脸的初始形状组；(5)利用随机森林和线性回归方法，根据所述真实形状和所述初始形状组迭代训练图像模型；(6)存储所述特征点模型和图像模型作为训练模型；人脸关键点提取方法包括步骤：(7)载入所述训练模型至移动客户端；(8)利用移动客户端获取输入图像；(9)将所述输入图像转换成灰度输入图像；(10)检测所述灰度输入图像中的人脸信息，记录人脸框位置；(11)通过采用随机形状并添加随机扰动的方法，利用步骤（10）中获取的人脸信息提取灰度输入图像中人脸的初始形状组；(12)对所述灰度输入图像中人脸的初始形状组在所述训练模型中进行迭代计算，获得新形状组；(13)求新形状组的中值作为最终形状，最终形状即人脸关键点。进一步的是，所述步骤（3）中利用Adaboost算法检测灰度样本图像中的人脸信息；所述步骤（10）中利用Adaboost算法检测灰度输入图像中的人脸信息。进一步的是，所述步骤（4）和步骤（11）中所述人脸的初始形状组的提取方法包括步骤：随机选择多个初始形状，并对所述人脸框的矩形中心和尺度做随机偏移得到新人脸框，然后将所述初始形状做缩放和偏移使初始形状落在新人脸框内，从而获得初始形状组。进一步的是，所述步骤（5）中迭代训练图像模型包括步骤：(5.1)利用所述真实形状和所述初始形状组计算灰度样本图像的形状残差；(5.2)以最小化叶节点残差不纯度为目标训练随机森林；(5.3)根据随机森林提取灰度样本图像的像素差值特征；(5.4)利用线性回归，计算所述像素差值特征到所述形状残差的映射矩阵；(5.5)根据所述像素差值特征和映射矩阵，计算灰度样本图像的形状增量，利用形状增量更新所述初始形状组；(5.6)计算所述初始形状组的差异，若大于预设阈值则返回步骤（4），否则返回步骤（5.1）继续迭代，直到达到预设迭代次数则输出最终的随机森林和映射矩阵作为图像模型。进一步的是，所述步骤（12）中获得新形状组的迭代计算包括步骤：(12.1)根据输入图像中人脸的初始形状组和训练模型中的随机森林提取像素差值特征；(12.2)基于像素差值特征和训练模型中的映射矩阵，求得形状增量，利用形状增量更新输入图像中人脸的初始形状组，获得新形状组；(12.3)计算新形状组的差异，若大于设定阈值则返回步骤（11），否则返回步骤（12.1）继续迭代，直到达到预设迭代次数则输出最终的新形状组。进一步的是，所述预设迭代次数取5-9次，所述预设迭代次数最优选择取值为7次。另一方面，本专利技术还提供了一种用于美颜的人脸关键点定位系统，包括服务器和移动客户端，所述服务器与移动客户端无线通信；所述服务器包括模型训练模块，用于将样本图像经过训练形成训练模型；所述移动客户端包括人脸关键点提取模块，所述人脸关键点提取模块，用于从模型训练模块中提取输入图像的人脸关键点。进一步的是，所述模型训练模块包括样本获取单元、图像转换单元、人脸检测读取单元、初始形状组获取单元、模型训练单元和模型集合单元；所述样本获取单元获取样本图像后由图像转换单元将样本图像转换成灰度样本图像，所述人脸检测读取单元从图像转换单元中调取灰度样本图像并对灰度样本图像进行人脸信息检测获取真实形状和统计人脸特征点坐标建立特征点模型，所述初始形状组获取单元从人脸检测读取单元中获取人脸信息并从图像转换单元中调取灰度样本图像从而提取灰度样本图像中人脸的初始形状组，所述模型训练单元从人脸检测读取单元调取真实形状并从初始形状组获取单元调取初始形状组从而训练图像模型，所述模型集合单元集合所述人脸检测读取单元中的特征点模型和所述模型训练单元中的图像模型形成训练模型。进一步的是，所述人脸关键点提取模块包括模型获取单元、图像获取单元、输入图像转换单元、输入图像人脸检测单元、输入图像初始形状组获取单元和关键点提取单元；所述模型获取单元连接所述服务器，所述图像获取单元利用移动客户端获取输入图像，所述输入图像转换单元从图像获取单元中调取输入图像并将输入图像转换成灰度输入图像，所述输入图像人脸检测单元从输入图像转换单元中调取灰度输入图像并检测所述灰度输入图像中的人脸信息，所述输入图像初始形状组获取单元从输入图像人脸检测单元中获取人脸信息并从输入图像转换单元中调取灰度输入图像从而提取灰度输入图像中人脸的初始形状组，所述关键点提取单元通过对所述模型获取单元中的训练模型和所述输入图像初始形状组获取单元中的灰度输入图像中人脸的初始形状组进行计算获取人脸关键点。进一步的是，所述移动客户端采用手机、平板电脑和数码相机。采用本技术方案的有益效果：（1）通过采用随机形状并添加随机扰动的方法获取初始形状组，使得初始形状更具多样性，从而降低了人脸关键点定位对初始化形状的依赖。（2）以最小化叶节点残差不纯度为目标的随机森林训练，使得提取的图像特征与形状残差相关度更高，更利于优化当前形状，从而提高本文档来自技高网...

【技术保护点】
一种用于美颜的人脸关键点定位方法，其特征在于，包括图像模型训练方法和人脸关键点提取方法；所述图像模型训练方法包括步骤：(1)由服务器获取样本图像；(2)将所述样本图像转换成灰度样本图像；(3)检测灰度样本图像中的人脸信息，记录人脸框位置，同时检测并读取人脸对应的特征点信息构成真实形状，统计人脸特征点坐标建立特征点模型；(4)通过采用随机形状并添加随机扰动利用步骤（3）中获取的人脸信息提取灰度样本图像中人脸的初始形状组；(5)利用随机森林和线性回归方法，根据所述真实形状和所述初始形状组迭代训练图像模型；(6)存储所述特征点模型和图像模型作为训练模型；所述人脸关键点提取方法包括步骤：(7)载入所述训练模型至移动客户端；(8)利用移动客户端获取输入图像；(9)将所述输入图像转换成灰度输入图像；(10)检测所述灰度输入图像中的人脸信息，记录人脸框位置；(11)通过采用随机形状并添加随机扰动的方法，利用步骤（10）中获取的人脸信息提取灰度输入图像中人脸的初始形状组；(12)对所述灰度输入图像中人脸的初始形状组在所述训练模型中进行迭代计算，获得新形状组；(13)求新形状组的中值作为最终形状，最终形状即人脸关键点。...

【技术特征摘要】
1.一种用于美颜的人脸关键点定位方法，其特征在于，包括图像模型训练方法和人脸
关键点提取方法；
所述图像模型训练方法包括步骤：
(1)由服务器获取样本图像；
(2)将所述样本图像转换成灰度样本图像；
(3)检测灰度样本图像中的人脸信息，记录人脸框位置，同时检测并读取人脸对应的特
征点信息构成真实形状，统计人脸特征点坐标建立特征点模型；
(4)通过采用随机形状并添加随机扰动利用步骤（3）中获取的人脸信息提取灰度样本
图像中人脸的初始形状组；
(5)利用随机森林和线性回归方法，根据所述真实形状和所述初始形状组迭代训练图
像模型；
(6)存储所述特征点模型和图像模型作为训练模型；
所述人脸关键点提取方法包括步骤：
(7)载入所述训练模型至移动客户端；
(8)利用移动客户端获取输入图像；
(9)将所述输入图像转换成灰度输入图像；
(10)检测所述灰度输入图像中的人脸信息，记录人脸框位置；
(11)通过采用随机形状并添加随机扰动的方法，利用步骤（10）中获取的人脸信息提取
灰度输入图像中人脸的初始形状组；
(12)对所述灰度输入图像中人脸的初始形状组在所述训练模型中进行迭代计算，获得
新形状组；
(13)求新形状组的中值作为最终形状，最终形状即人脸关键点。
2.根据权利要求1所述的一种用于美颜的人脸关键点定位方法，其特征在于，所述步骤
（3）中利用Adaboost算法检测灰度样本图像中的人脸信息；所述步骤（10）中利用Adaboost
算法检测灰度输入图像中的人脸信息。
3.根据权利要求1所述的一种用于美颜的人脸关键点定位方法，其特征在于，所述步骤
（4）和步骤（11）中所述人脸的初始形状组的提取方法包括步骤：随机选择多个初始形状，并
对所述人脸框的矩形中心和尺度做随机偏移得到新人脸框，然后将所述初始形状做缩放和
偏移使初始形状落在新人脸框内，从而获得初始形状组。
4.根据权利要求1所述的一种用于美颜的人脸关键点定位方法，其特征在于，所述步骤
（5）中迭代训练图像模型包括步骤：
(5.1)利用所述真实形状和所述初始形状组计算灰度样本图像的形状残差；
(5.2)以最小化叶节点残差不纯度为目标训练随机森林；
(5.3)根据随机森林提取灰度样本图像的像素差值特征；
(5.4)利用线性回归，计算所述像素差值特征到所述形状残差的映射矩阵；
(5.5)根据所述像素差值特征和映射矩阵，计算灰度样本图像的形状增量，利用形状增
量更新所述初始形状组；
(5.6)计算所述初始形状组的差异，若大于预设阈值则返回步骤（4），否则返回步骤
（5.1）继续迭代，直到达到预设迭代次数则输出最终的随机森林和映射矩阵作为图像模型。
5.根据权利要求4所述的一种用于美颜的人脸关键点定位方法，其特征在于，所述步骤
（12）中获得新形状组的迭代计算包括步骤：...

【专利技术属性】
技术研发人员：陈丹，
申请(专利权)人：成都品果科技有限公司，
类型：发明
国别省市：四川;51