一种基于随机森林的人脸轮廓定位方法及系统技术方案

本发明专利技术公开了一种基于随机森林的人脸轮廓定位方法及系统，其中，所述方法包括：步骤S1，使用随机森林生成待定位人脸图片的人脸轮廓的图像特征信息；步骤S2，使用多次线性回归定位所述待定位人脸图片的人脸轮廓。与现有技术相比，本发明专利技术不依赖常用的深度学习算法和平台，只需检测图像中的像素点即可完成轮廓定位，计算复杂度小，运算量小，速度快，不依赖庞大复杂的深度学习平台，有利于移植到计算能力较弱的一般机器以及移动设备上。

【技术实现步骤摘要】
一种基于随机森林的人脸轮廓定位方法及系统
本专利技术涉及一种基于随机森林的人脸轮廓定位方法及系统，属于人脸轮廓定位

技术介绍
目前，对人脸轮廓定位一般采用基于深度学习算法的人脸定位方法，即在人脸样本上标注人脸轮廓，再使用多层卷积神经网络等算法定位人脸轮廓。由于该方法基于深度学习框架，如tensorflow、caffe等，其代码架构及依赖关系极其复杂，运算量较大，对机器性能需求大。
技术实现思路
本专利技术的目的在于，提供一种基于随机森林的人脸轮廓定位方法及系统，可以至少解决上述技术问题之一。为解决上述技术问题，本专利技术采用如下的技术方案：一种基于随机森林的人脸轮廓定位方法，包括：步骤S1，使用随机森林生成待定位人脸图片的人脸轮廓的图像特征信息；步骤S2，使用多次线性回归定位所述待定位人脸图片的人脸轮廓。前述的基于随机森林的人脸轮廓定位方法中，所述使用随机森林生成待定位人脸图片的人脸轮廓的图像特征信息包括：步骤S11，获取N个初始坐标；步骤S12，根据所述N个初始坐标对所述待定位人脸图片的人脸轮廓关键区域进行标注，得到N个第一标注点，其中，所述第一个标注点的坐标为所述初始坐标；本文档来自技高网...

【技术保护点】
1.一种基于随机森林的人脸轮廓定位方法，其特征在于，包括：步骤S1，使用随机森林生成待定位人脸图片的人脸轮廓的图像特征信息；步骤S2，使用多次线性回归定位所述待定位人脸图片的人脸轮廓。

【技术特征摘要】
1.一种基于随机森林的人脸轮廓定位方法，其特征在于，包括：步骤S1，使用随机森林生成待定位人脸图片的人脸轮廓的图像特征信息；步骤S2，使用多次线性回归定位所述待定位人脸图片的人脸轮廓。2.根据权利要求1所述的基于随机森林的人脸轮廓定位方法，其特征在于，所述使用随机森林生成待定位人脸图片的人脸轮廓的图像特征信息包括：步骤S11，获取N个初始坐标；步骤S12，根据所述N个初始坐标对所述待定位人脸图片的人脸轮廓关键区域进行标注，得到N个第一标注点，其中，所述第一个标注点的坐标为所述初始坐标；步骤S13，分别构建每个第一标注点的随机森林；步骤S14，分别根据随机森林生成每个第一标注点的特征矩阵。3.根据权利要求2所述的基于随机森林的人脸轮廓定位方法，其特征在于，所述步骤S13包括：对于所述N个第一标注点中的任意一个第一标注点，在该第一标注点的随机区域内随机取点，得到多个随机点；分别计算该第一标注点对应的多个随机点两两之间的亮度的差值，得到多个亮度差；以所述多个亮度差作为非叶节点，根据信息熵的大小构建该第一标注点的多个随机二叉树，联合后组成该第一标注点的随机森林。4.根据权利要求3所述的基于随机森林的人脸轮廓定位方法，其特征在于，所述步骤S14包括：对于所述N个第一标注点中的任意一个第一标注点，根据该第一标注点对应的亮度差分别从该第一标注点的每个随机二叉树中游走，得到多个二进制数，所述多个二进制数组合生成该第一标注点的特征矩阵。5.根据权利要求2至4任一项所述的基于随机森林的人脸轮廓定位方法，其特征在于，所述步骤S2包括：步骤S21，对所述待定位人脸图片的人脸轮廓关键区域进行标注，得到N个第二标注点，其中，所述第二标注点与所述第一标注点一一对应，所述第二标注点的坐标与一一对应的第一标注点的坐标不同；步骤S22，对于所述N个第二标注点中的任意一个第二标注点，根据该第二标注点的坐标以及与该第二标注点一一对应的第一标注点的特征矩阵，通过随机梯度下降算法学习线性回归函数，得到多个线性回归函数的系数值，将所述多个线性回归函数的系数值组成系数矩阵，将所述系数矩阵与所述特征矩阵相乘，得到坐标增量；步骤S23，将所述坐标增量与该第一标注点的坐标相加得到预测坐标，将第一标注点的坐标更新为所述预测坐标，重复所述步骤S22，直到坐标增量为0，执行步骤S24；所述步骤S24，根据所有第二标注点的坐标对所述待定位人脸图片的人脸轮廓进行定位。6.一种基于随机森林的人脸轮廓定位系统，其特征在于，包括：图像特征...

【专利技术属性】
技术研发人员：杨争库，陈靖，
申请(专利权)人：北京大生在线科技有限公司，
类型：发明
国别省市：北京,11