一种人脸定位方法及系统技术方案

本发明专利技术公开了一种人脸定位方法及系统，该方法包括：通过课桌上的摄像头拍摄学生的人脸图像；检测人脸图像中的人脸位置；当检测到人脸位置后，依据预设的人脸关键点模型获取人脸的状态信息，确定人脸关键点该方法实现提高人脸定位的准确性。

【技术实现步骤摘要】
一种人脸定位方法及系统
本专利技术涉及人脸识别
，特别是涉及一种人脸定位方法及系统。
技术介绍
目前，人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。随着计算机技术和光学技术的不断发展，人脸识别技术被越来越多的应用于人们的工作和生活中。例如，人脸识别考勤系统、人脸识别门禁系统、人脸识别摄像办证系统，以及加载于电子产品的众多APP，如美图秀秀、美颜相机、甚至刷脸开户等。尽管人脸识别技术的应用已非常广泛，但是如何对人脸进行准确定位，提高人脸识别的精度和准确度仍是人脸识别技术需要迫切解决的问题。人脸识别时，尤其是对幼儿的人脸识别，由于幼儿好运动的特性，识别时的关键点定位相对困难，且识别的距离无法固定，加之摄像设备本身分辨率因素的影响，使得对幼儿人脸的识别定位相对困难，因此识别定位的准确性较低。
技术实现思路
本专利技术的目的是提供一种人脸定位方法及系统，以实现提高人脸定位的准确性。为解决上述技术问题，本专利技术提供一种人脸定位方法，包括：通过课桌上的摄像头拍摄学生的人脸图像；检测人脸图像中的人脸位置；当检测到人脸位置后，依据预设的人脸关键点模型获取人脸的状态信息，确定人脸关键点。优选的，所述检测人脸图像中的人脸位置，包括：获取第一帧人脸图像，将导入人脸的特征模板进行全图搜索，生成多个图像特征；依据图像特征生成强分类器，利用回归串联校正模型搜索到人脸位置。优选的，所述检测人脸图像中的人脸位置之前，还包括：计算学生人脸与摄像头之间的空间几何距离，利用空间几何距离计算滤波器的尺度。优选的，所述依据预设的人脸关键点模型获取人脸的状态信息之前，还包括：保存检测到的人脸位置，将人脸的整体位置信息作为人脸关键点定位的初始化信息。本专利技术还提供一种人脸定位系统，用于实现上述方法，包括：摄像头，用于拍摄学生的人脸图像；数据处理中心，用于检测人脸图像中的人脸位置；当检测到人脸位置后，依据预设的人脸关键点模型获取人脸的状态信息，确定人脸关键点。优选的，数据处理中心包括：搜索模块，用于获取第一帧人脸图像，将导入人脸的特征模板进行全图搜索，生成多个图像特征；依据图像特征生成强分类器，利用回归串联校正模型搜索到人脸位置；定位模块，用于当检测到人脸位置后，依据预设的人脸关键点模型获取人脸的状态信息，确定人脸关键点。优选的，所述数据处理中心还包括：计算模块，用于计算学生人脸与摄像头之间的空间几何距离，利用空间几何距离计算滤波器的尺度。优选的，所述数据处理中心还包括：保存模块，用于保存检测到的人脸位置，将人脸的整体位置信息作为人脸关键点定位的初始化信息。本专利技术所提供的一种人脸定位方法及系统，通过课桌上的摄像头拍摄学生的人脸图像；检测人脸图像中的人脸位置；当检测到人脸位置后，依据预设的人脸关键点模型获取人脸的状态信息，确定人脸关键点。可见，通过课桌上的摄像头拍摄学生的人脸信息，并检测图像中的人脸位置，当检测到了人脸位置后，根据预先定义好的人脸关键点模型完成定位，实时估测人脸的状态信息，通过状态信息确定人脸关键点，提高人脸定位的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术所提供的一种人脸定位方法的流程图；图2为儿童人脸定位分析算法简要流程图；图3为本专利技术所提供的一种人脸定位系统的结构示意图。具体实施方式本专利技术的核心是提供一种人脸定位方法及系统，以实现提高人脸定位的准确性。为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参考图1，图1为本专利技术所提供的一种人脸定位方法的流程图，该方法包括：S11：通过课桌上的摄像头拍摄学生的人脸图像；S12：检测人脸图像中的人脸位置；当检测到人脸位置后，依据预设的人脸关键点模型获取人脸的状态信息，确定人脸关键点。可见，该方法通过课桌上的摄像头拍摄学生的人脸信息，并检测图像中的人脸位置，当检测到了人脸位置后，根据预先定义好的人脸关键点模型完成定位，实时估测人脸的状态信息，通过状态信息确定人脸关键点，提高人脸定位的准确性。基于上述方法，进一步的，步骤S12中，检测人脸图像中的人脸位置的过程具体为：获取第一帧人脸图像，将导入人脸的特征模板进行全图搜索，生成多个图像特征；依据图像特征生成强分类器，利用回归串联校正模型搜索到人脸位置。进一步的，步骤S12中，检测人脸图像中的人脸位置之前，还包括：计算学生人脸与摄像头之间的空间几何距离，利用空间几何距离计算滤波器的尺度。进一步的，步骤S12中，依据预设的人脸关键点模型获取人脸的状态信息之前，还包括：保存检测到的人脸位置，将人脸的整体位置信息作为人脸关键点定位的初始化信息。详细的，本方法就是一种人脸定位算法，课堂教学开始后，人脸定位算法与课程教案同步启动，然后通过课桌上的摄像头拍摄学生的人脸信息，并检测图像中的人脸位置。当检测到了人脸位置后，算法根据预先定义好的人脸关键点模型完成定位，实时估测人脸的状态信息，通过人脸关键点的变化来完成对幼儿人脸的准确定位。图2为儿童人脸定位分析算法简要流程图，基于本方法，具体实施过程如下：步骤1：设置在课桌上的摄像头与课程智能PPT同时启动，并将采集到人脸信息、视频信息传送到信息处理中心；步骤2：信息处理中心利用根据智能座椅的位置算出人脸与摄像头的空间几何距离，设计实现尺度滤波器。根据3-6岁儿童的人脸长度L，滤波器的尺度计算为：其中，f为摄像头的焦距，D为摄像头到幼儿位置的距离；步骤3：在第一帧图像到达时，将导入人脸的特征模板(四个hAAR特征)进行全图搜索；其中，模板中的将灰色矩阵中的灰度值与白色矩阵中的灰度值相减，生成大量的图像特征；步骤4：在生成的特征中，每个特征做一个弱分类器，所有正负样本上训练，找到一个阈值让它的分类错误率最低，从而生成强分类器；步骤5：利用回归串联校正模型搜索到人脸在视频图像中出现的位置；其中，必须要所有的强分类器都在同一位置检测出人脸，算法才确定幼儿人脸的位置，并将观测到的人脸特征登记入库，并将生成人脸模板即人脸特征文件保存到数据库中而形成特征模板；步骤6：保存检测到的人脸位置，并将人脸的整体位置信息作为关键点定位的初始化信息；步骤7：当下一帧图像到达，将使用目标周围区域的循环矩阵采集正负样本，并利用脊回归训练目标检测器；步骤8：进一步的，将线性空间的脊回归通过核函数映射到非线性空间，在非线性空间通过求解对偶问题，并使用循环矩阵傅里叶空间对角化简化计算完成人脸跟踪。本文中的尺度滤波器与智能书桌的平台结合，完成人脸的精确定位。本方法首先通过回归串联校正模型检测人脸，并结合相关滤波的方法完成人脸跟踪定位。首先幼儿进入教室，随着PPT的播放可以吸引幼儿本文档来自技高网...

【技术保护点】
一种人脸定位方法，其特征在于，包括：通过课桌上的摄像头拍摄学生的人脸图像；检测人脸图像中的人脸位置；当检测到人脸位置后，依据预设的人脸关键点模型获取人脸的状态信息，确定人脸关键点。

【技术特征摘要】
1.一种人脸定位方法，其特征在于，包括：通过课桌上的摄像头拍摄学生的人脸图像；检测人脸图像中的人脸位置；当检测到人脸位置后，依据预设的人脸关键点模型获取人脸的状态信息，确定人脸关键点。2.如权利要求1所述的方法，其特征在于，所述检测人脸图像中的人脸位置，包括：获取第一帧人脸图像，将导入人脸的特征模板进行全图搜索，生成多个图像特征；依据图像特征生成强分类器，利用回归串联校正模型搜索到人脸位置。3.如权利要求2所述的方法，其特征在于，所述检测人脸图像中的人脸位置之前，还包括：计算学生人脸与摄像头之间的空间几何距离，利用空间几何距离计算滤波器的尺度。4.如权利要求3所述的方法，其特征在于，所述依据预设的人脸关键点模型获取人脸的状态信息之前，还包括：保存检测到的人脸位置，将人脸的整体位置信息作为人脸关键点定位的初始化信息。5.一种人脸定位系统，其特征在于，用于实现如权利要求1至4中...

【专利技术属性】
技术研发人员：罗武胜，鲁琴，肖晶晶，杜列波，
申请(专利权)人：湖南科乐坊教育科技股份有限公司，
类型：发明
国别省市：湖南,43