人脸识别中关键特征点的检测与定位方法技术

本发明专利技术公开了人脸识别中关键特征点的检测与定位方法，包括步骤：对人脸图像进行预处理；预设22个关键特征点；根据预设的关键特征点的标定顺序，在训练样本中人工标定所述关键特征点构成一组形状向量训练样本；进行全局形状模型和局部纹理模型的构建；进行关键特征点的搜索定位；进行关键特征点定位的优化；关键特征点自动标定和关键特征点坐标归一化输出。由于通过本发明专利技术缩小了取样的范围，从而可以有效的提高后续进行提取关键特征点时的取样效率。

【技术实现步骤摘要】
人脸识别中关键特征点的检测与定位方法
本专利技术涉及生物特征识别，特别是涉及人脸识别中关键特征点的检测与定位方法。
技术介绍
人脸识别技术一般包括四个组成部分，分别为人脸图像采集、人脸图像预处理、人脸图像特征提取以及匹配与识别，具体来说：人脸图像采集及检测是指通过摄像镜头等视频图像采集装置采集包括有人脸的视频或图像数据，可以是采集对象的静态图像、动态图像、不同的位置、不同表情等。人脸图像预处理是指从采集的图像数据中确定人脸的部分，并进行灰度校正、噪声过滤等图像预处理，从而使后续的人脸图像特征提取过程能够更加的准确和高效。现有技术中，对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。专利技术人经过研究发现，经现有技术中的图像预处理方式处理后的人脸图像在后续的人脸图像的关键特征点提取时，关键特征点定位出现误差的几率较高，从而影响人脸识别的整体效率和效果。
技术实现思路
本专利技术所要解决的技术问题是如何提高人脸识别的效率和效果，具体的：本专利技术实施例提供了一种人脸识别中关键特征点的检测与定位方法，包括步骤：S11、对人脸图像本文档来自技高网...

【技术保护点】
一种人脸识别中关键特征点的检测与定位方法，其特征在于，包括步骤：S11、对人脸图像进行预处理；S12、预设22个关键特征点；22个关键特征点具体包括每个眉毛的两个角点、每个眼睛的两个角点、每个眼皮的最上点和最下点、鼻尖点、两个鼻翼点、嘴巴的两个角点、上嘴唇的最上点和最下点、下嘴唇的最上点和最下点，以及，下颚点；根据预设的关键特征点的标定顺序，在训练样本中人工标定所述关键特征点；根据作为训练样本的人脸图像生成一组特征点坐标数据，构成一组形状向量训练样本；S13、根据所述形状向量训练样本进行全局形状模型和局部纹理模型的构建；S14、进行关键特征点的搜索定位，包括：根据所述全局形状模型和局部纹理模型...

【技术特征摘要】
1.一种人脸识别中关键特征点的检测与定位方法，其特征在于，包括步骤：S11、对人脸图像进行预处理；S12、预设22个关键特征点；22个关键特征点具体包括每个眉毛的两个角点、每个眼睛的两个角点、每个眼皮的最上点和最下点、鼻尖点、两个鼻翼点、嘴巴的两个角点、上嘴唇的最上点和最下点、下嘴唇的最上点和最下点，以及，下颚点；根据预设的关键特征点的标定顺序，在训练样本中人工标定所述关键特征点；根据作为训练样本的人脸图像生成一组特征点坐标数据，构成一组形状向量训练样本；S13、根据所述形状向量训练样本进行全局形状模型和局部纹理模型的构建；S14、进行关键特征点的搜索定位，包括：根据所述全局形状模型和局部纹理模型在待检测人脸图像中通过迭代定位所示关键特征点；S15、进行关键特征点定位的优化，包括：根据步骤S14中的定位结果作为初始结果，根据预设的图像处理算法对所述关键特征点进行优化；S16、关键特征点自动标定和关键特征点坐标归一化输出，包括：将优化后的关键特征点标定在所述待检测人脸图像中，然后按照设定的参考点和参考距离变换并输出所述关键特征点的坐标。2.根据权利要求1所述人脸识别中关键特征点的检测与定位方法，所述对人脸图像进行预处理，包括步骤：S21、从采集的图像数据中确定识别对象的面部图像；S22、在所述面部图像中进行双瞳识别并分别确定双瞳的位置；S23、根据双瞳的位置关系将所述面部图像矫正为所述识别对象的面部的正视图；S24、根据所述正视图确定每个待确定的关键特征点的取样范围。3.根据权利要求2所述人脸识别中关键特征点的检测与定位方法，其特征在于，所述根据双瞳的位置关系将所述面部图像矫正为所述识别对象的面部的正视图，包括：S31、通过将双瞳位置调整为水平的方式，将所述面部图像调整为水平；S32、获取双瞳之间的瞳距；S33、获取所述面部图像的下颚位置，并计算所述下颚位置到双瞳连线中点的距离；S34、根据所述瞳距和所述下颚位置到双瞳连线中点的距离的比例估算所述面部图像的侧转角度；S35、根据所述...

【专利技术属性】
技术研发人员：尹雄，于磊，路正荣，李超超，
申请(专利权)人：北京龙杯信息技术有限公司，
类型：发明
国别省市：北京,11