一种人脸追踪方法及系统技术方案

本发明专利技术公开一种人脸追踪方法及系统，所述方法包括：获取人脸图像；提取所述人脸图像的各特征点，构成特征点集合；去除所述特征点集合中的干扰点，获得关键点集合；确定所述关键点集合中的各关键点的方向；根据各关键点的方向确定特征关键点；根据各所述特征关键点建立人脸3D模型；根据所述人脸3D模型和人脸矩阵转换进行人脸追踪。本发明专利技术提供的方法通过人脸特征点的获取、人脸矩阵的变换、模型匹配人脸特征点，可快速、准确实现人脸的追踪。

【技术实现步骤摘要】
一种人脸追踪方法及系统
本专利技术涉及人脸识别领域，特别是涉及一种人脸追踪方法及系统。
技术介绍
面貌跟踪是指对被检测到的面貌进行动态目标跟踪，具体采用基于模型的方法或基于运动与模型相结合的方法。通过多个客户端搜索在自身位置的的预设范围内的虚拟人物模型，可获取人物的脸型图像及其定位信息。现代的生物识别技术已经达到了一定的高度，人们追求更复杂环境中的识别效果，而目前的人脸跟踪系统无法充分满足人们的这一需求。
技术实现思路
本专利技术的目的是提供一种人脸追踪方法及系统，用来提高人脸追踪的准确度。为实现上述目的，本专利技术提供了如下方案：一种人脸追踪方法，所述方法包括：获取人脸图像；提取所述人脸图像的各特征点，构成特征点集合；去除所述特征点集合中的干扰点，获得关键点集合；确定所述关键点集合中的各关键点的方向；根据各关键点的方向确定特征关键点；根据各所述特征关键点建立人脸3D模型；根据所述人脸3D模型和人脸矩阵转换进行人脸匹配。可选的，所述提取所述人脸图像的各特征点，具体包括：利用不同尺度的高斯差分核与所述人脸图像卷积生成高斯图；提取所述高斯图中的极值点。可选的，所述去除所述特征点集合中的干扰点，具体包括：判断各所述特征点是否为处于所述人脸图像的边缘，得到判断结果；若所述判断结果表示所述特征点处于所述人脸图像的边缘，从所述特征点集合中删除所述特征点。可选的，所述确定所述关键点集合中的各关键点的方向，具体包括：采用高斯函数对各所述关键点进行加权处理；计算加权处理后的各所述关键点的方向直方图；确定所述方向直方图的主峰值所在的方向为所述关键点的主方向。可选的，在所述确定所述方向直方图的峰值为所述关键点的主方向之后，还包括：确定所述方向直方图的主峰值的80％所在的方向为辅方向。可选的，所述根据各关键点的方向确定特征关键点，具体包括：以各所述关键点为中心，旋转所述高斯图，旋转角为各所述关键点的方向；对旋转后的高斯图进行插值处理；对插值处理后的高斯图进行归一化处理；提取归一化处理后的高斯图的特征点。一种人脸追踪系统，所述系统包括：人脸图像获取模块，用于获取人脸图像；特征点提取模块，用于提取所述人脸图像的各特征点，构成特征点集合；干扰点去除模块，用于去除所述特征点集合中的干扰点，获得关键点集合；方向确定模块，用于确定所述关键点集合中的各关键点的方向；特征关键点确定模块，用于根据各关键点的方向确定特征关键点；人脸3D模型建立模块，用于根据各所述特征关键点建立人脸3D模型；人脸匹配模块，用于根据所述人脸3D模型和人脸矩阵转换进行人脸匹配。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供了一种人脸追踪方法及系统，该方法通过人脸特征点的获取、人脸矩阵的变换、模型匹配人脸特征点，可快速、准确实现人脸的追踪。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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的人脸跟踪方法的流程图；图2为本专利技术的人脸跟踪系统的结构连接图。具体实施方式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。本专利技术的目的是提供一种人脸追踪方法及系统，该方法通过人脸特征点的获取、人脸矩阵的变换、模型匹配人脸特征点，可快速、准确实现人脸的追踪。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。本专利技术提供了一种人脸追踪方法，图1为本专利技术的人脸跟踪方法的流程图。如图1所示，所述方法包括：步骤11：获取人脸图像；步骤12：提取所述人脸图像的各特征点，构成特征点集合；具体包括：步骤121：利用不同尺度的高斯差分核与所述人脸图像卷积生成高斯图；步骤122：提取所述高斯图中的极值点。步骤13：去除所述特征点集合中的干扰点，获得关键点集合；具体包括：步骤131：判断各所述特征点是否为处于所述人脸图像的边缘，得到判断结果；步骤132：若所述判断结果表示所述特征点处于所述人脸图像的边缘，从所述特征点集合中删除所述特征点。步骤14：确定所述关键点集合中的各关键点的方向；具体包括：步骤141：采用高斯函数对各所述关键点进行加权处理；步骤142：计算加权处理后的各所述关键点的方向直方图；步骤143：确定所述方向直方图的主峰值所在的方向为所述关键点的主方向。步骤144：确定所述方向直方图的主峰值的80％所在的方向为辅方向。步骤15：根据各关键点的方向确定特征关键点；具体包括：步骤151：以各所述关键点为中心，旋转所述高斯图，旋转角为各所述关键点的方向；步骤152：对旋转后的高斯图进行插值处理；步骤153：对插值处理后的高斯图进行归一化处理；步骤154：提取归一化处理后的高斯图的特征点。步骤16：根据各所述特征关键点建立人脸3D模型；步骤17：根据所述人脸3D模型和人脸矩阵转换进行人脸匹配。本专利技术还提供了一种人脸追踪系统，图2为本专利技术的人脸跟踪系统的结构连接图。如图2，所述系统包括：人脸图像获取模块21，用于获取人脸图像；特征点提取模块22，用于提取所述人脸图像的各特征点，构成特征点集合；干扰点去除模块23，用于去除所述特征点集合中的干扰点，获得关键点集合；方向确定模块24，用于确定所述关键点集合中的各关键点的方向；特征关键点确定模块25，用于根据各关键点的方向确定特征关键点；人脸3D模型建立模块26，用于根据各所述特征关键点建立人脸3D模型；人脸匹配模块27，用于根据所述人脸3D模型和人脸矩阵转换进行人脸匹配。本专利技术提供的完整技术方案1、人脸参数特征点提取:构建DOG尺度空间：在视觉信息处理模型中引入一个被视为尺度的参数，通过连续变化尺度参数获得不同尺度下的视觉处理信息，然后综合这些信息以深入地挖掘图像的本质特征(主要就是包括人脸的主要特征，眼镜，鼻子，嘴巴，耳朵等特征)。尺度空间方法将传统的单尺度视觉信息处理技术纳入尺度不断变化的动态分析框架中，因此更容易获得图像的本质特征。尺度空间的生成目的是模拟图像数据多尺度特征。尺度空间中各尺度图像的模糊程度逐渐变大，能够模拟人在距离目标由近到远时目标在视网膜上的形成过程。大尺度对应图像的概貌特征，小尺度对应图像的细节特征。所以对不同尺度的图像检测关键点，最终得到的sift特征点具有尺度不变性。尺度空间是客观存在的，我们使用高斯卷积的形式来表现尺度空间。为了有效的在尺度空间检测到稳定的关键点，提出了高斯差分尺度空间(DOGscale-space)。利用不同尺度的高斯差分核与图像卷积生成。对于一幅图像，建立其在不同尺度scale下的图像，也称为octave，这是为了scale-invariant，也就是在任何尺度都能有对应的特征点。2、关键点搜索和定位:(定位是指在算法中会设置有特别的识别点，可以增强定位的准确性)为了寻找尺度空间的极值点，每一个采样点要和它所有的相邻点本文档来自技高网...

【技术保护点】
1.一种人脸追踪方法，其特征在于，所述方法包括：获取人脸图像；提取所述人脸图像的各特征点，构成特征点集合；去除所述特征点集合中的干扰点，获得关键点集合；确定所述关键点集合中的各关键点的方向；根据各关键点的方向确定特征关键点；根据各所述特征关键点建立人脸3D模型；根据所述人脸3D模型和人脸矩阵转换进行人脸匹配。

【技术特征摘要】
1.一种人脸追踪方法，其特征在于，所述方法包括：获取人脸图像；提取所述人脸图像的各特征点，构成特征点集合；去除所述特征点集合中的干扰点，获得关键点集合；确定所述关键点集合中的各关键点的方向；根据各关键点的方向确定特征关键点；根据各所述特征关键点建立人脸3D模型；根据所述人脸3D模型和人脸矩阵转换进行人脸匹配。2.根据权利要求1所述的人脸追踪方法，其特征在于，所述提取所述人脸图像的各特征点，具体包括：利用不同尺度的高斯差分核与所述人脸图像卷积生成高斯图；提取所述高斯图中的极值点。3.根据权利要求1所述的人脸追踪方法，其特征在于，所述去除所述特征点集合中的干扰点，具体包括：判断各所述特征点是否为处于所述人脸图像的边缘，得到判断结果；若所述判断结果表示所述特征点处于所述人脸图像的边缘，从所述特征点集合中删除所述特征点。4.根据权利要求1所述的人脸追踪方法，其特征在于，所述确定所述关键点集合中的各关键点的方向，具体包括：采用高斯函数对各所述关键点进行加权处理；计算加权处理后的各所述关键点的方向直方图；确定所述方向直方图的...

【专利技术属性】
技术研发人员：支洪伟，
申请(专利权)人：深浅度视觉科技大连有限公司，
类型：发明
国别省市：辽宁,21