一种平面内任意旋转的单幅多视角人脸图像姿态估计方法技术

本发明专利技术公开了一种平面内任意旋转的单幅多视角人脸图像姿态估计方法，包括以下步骤：步骤1：根据待测人脸图像建立γ角的预估值集合，γ角表示绕Z轴的偏转角度；步骤2：遍历γ角的预估值集合，并采用在指定γ角条件下求解满足目标函数的α、β角的计算方法计算出各γ角预估值对应的α、β角；α表示绕X轴的偏转角度，β表示绕Y轴的偏转角度；步骤3：将各γ角预估值对应的目标函数的值组成备选集合，并从备选集合中选择出值最小目标函数值，以该最小值目标函数值所对应的γ角预估值、α、β角作为待测人脸图像的人脸姿态。本发明专利技术解决了现有技术中依赖先验条件来检测目标人脸姿态的技术问题，能够只需要单张待测图像即可实现目标人脸姿态估计，无需事先训练或学习。

A Single Multi-view Face Image Attitude Estimation Method with Arbitrary Rotation in Plane

The invention discloses an attitude estimation method for a single multi-view face image with arbitrary rotation in a plane, which includes the following steps: step 1: Establishing a set of predicted gamma angles according to the face image to be measured, and gamma angles represent the deflection angle around Z axis; step 2: traversing the set of predicted gamma angles, and calculating the alpha and beta angles satisfying the objective function under the condition of specified gamma angles. Calculate the corresponding alpha and beta angles of each gamma angle estimation; alpha represents the deflection angle around the X axis, beta represents the deflection angle around the Y axis; Step 3: Make up the value of the target function corresponding to each gamma angle estimation into an alternative set, and select the value of the minimum objective function from the alternative set, and take the value of the minimum objective function corresponding to the value of the gamma angle estimation, alpha and beta angles as the face of the face image to be measured. Posture. The invention solves the technical problem that the prior condition is used to detect the face pose of the target in the prior art, and can realize the face pose estimation of the target only by a single image to be measured without prior training or learning.

【技术实现步骤摘要】
一种平面内任意旋转的单幅多视角人脸图像姿态估计方法
本专利技术涉及人脸识别
，具体涉及一种人脸姿态识别模型与一种人脸姿态识别方法。
技术介绍
人脸识别需要预先采集各个角度人脸图像，然后再把待检测人脸图像与预先采集到的人脸图像进行对齐，然而在实际应用中，待检测的人脸图像并非总是正对着摄像头，大多数情况下会在三维空间中发生偏转，因此需要识别出待检测人脸图像中的人脸姿态(人脸在三维空间中绕各坐标轴的偏转角度)，才能进行人脸对齐。此外，通过姿态估计还可以得到头部转动方向和眼睛注视位置，是多视角环境下的人机交互、视觉监视的基础，通过姿态估计进行人脸姿态矫正，可以提高多视角人脸识别及分析的准确率。人脸图像是在二维空间(XY平面)内对人脸信息进行记录的，因此，对于XY平面上的人脸姿态γ(绕垂直于XY平面的Z轴的偏转角度)是比较容易估计的，一般是两眼之间的连线与X轴(水平方向)的夹角。但是，在人脸图像上估计绕X轴的人脸姿态α、绕Y轴(垂直于水平方向)的人脸姿态β角是十分困难的，无法通过直观测量的方式获取。另外，对于正面人脸，其XY平面内的旋转角度γ可通过双眼中心的连线的倾斜角度计算，但对于受透本文档来自技高网...

【技术保护点】
1.一种平面内任意旋转的单幅多视角人脸图像姿态估计方法，其特征在于：包括以下步骤：步骤1：根据待测人脸图像建立γ角的预估值集合，γ角表示绕Z轴的偏转角度；步骤2：遍历γ角的预估值集合，并采用在指定γ角条件下求解满足目标函数的α、β角的计算方法计算出各γ角预估值对应的α、β角；α表示绕X轴的偏转角度，β表示绕Y轴的偏转角度；步骤3：将各γ角预估值对应的目标函数的值组成备选集合，并从备选集合中选择出值最小目标函数值，以该最小值目标函数值所对应的γ角预估值、α、β角作为待测人脸图像的人脸姿态估计参数。

【技术特征摘要】
1.一种平面内任意旋转的单幅多视角人脸图像姿态估计方法，其特征在于：包括以下步骤：步骤1：根据待测人脸图像建立γ角的预估值集合，γ角表示绕Z轴的偏转角度；步骤2：遍历γ角的预估值集合，并采用在指定γ角条件下求解满足目标函数的α、β角的计算方法计算出各γ角预估值对应的α、β角；α表示绕X轴的偏转角度，β表示绕Y轴的偏转角度；步骤3：将各γ角预估值对应的目标函数的值组成备选集合，并从备选集合中选择出值最小目标函数值，以该最小值目标函数值所对应的γ角预估值、α、β角作为待测人脸图像的人脸姿态估计参数。2.根据权利要求1所述的平面内任意旋转的单幅多视角人脸图像姿态估计方法，其特征在于：步骤1中采用搜索算法建立γ角的预估值集合，并按如下步骤：步骤101：检测待测人脸图像上双眼中心连线与水平线的夹角θ；步骤102：确定γ角的预估值范围：为搜索范围；步骤103：以搜索步长δ进行搜索：γ＝θ±tδ；其中，t为当前搜索次数，每次搜索均以搜索步长tδ进行正负搜索；每搜索一次便将得到的γ角的预估值保存到γ角的预估值集合中；步骤104：搜素完毕后，便完成γ角的预估值集合的建立。3.根据权利要求1所述的平面内任意旋转的单幅多视角人脸图像姿态估计方法，其特征在于：步骤2中指定γ角下计算α、β角的方法包括以下步骤：步骤201：建立通用人脸三维稀疏模型所述通用人脸三维稀疏模型是指在X、Y、Z轴上均未发生偏转的通用人脸三维稀疏模型；步骤202：建立通用人脸三维稀疏模型上指定点的三维坐标矩阵V3D：指定点包含基准点；其中，表示通用人脸三维稀疏模型的第i个指定点，步骤203：建立待检测人脸图像上与通用人脸三维稀疏模型上指定点对应的匹配点的二维坐标矩阵V2D：匹配点不包含基准点；其中，表示第i个匹配点，n为待检测人脸图像上的人脸匹配点数目；步骤204：以向量X＝(s,α,β)为自变量，并初始化s、α、β的值，s表示缩放系数，α表示绕X轴的偏转角度，β表示绕Y轴的偏转角度；步骤205：以指定的γ角绕Z轴旋转通用人脸三维稀疏模型步骤206：以α角度绕X轴旋转通用人脸三维稀疏模型并以β角度绕Y轴旋转通用人脸三维稀疏模型以缩放系数s对旋转后的通用人脸三维稀疏模型进行缩放；步骤207：将缩放后的通用人脸三维稀疏模型正投影到XY平面上，从而得到二维投影模型步骤208：平移二维投影模型使二维投影模型上的基准点与待检测人脸图像上的基准点重合；基准点包含于匹配点；步骤209：根据二维投影模型上指定点与待检测人脸图像上相应点的距离平方和建立目标函数；步骤2010：采用搜索算法更新向量X＝(s,α,β)，每更新一次便重复步骤206到步骤208，直到搜索到目标函数的最优解；步骤2011：将目标函数的最优解存储到备选集合中。4.根据权利要求3所述的平面内任意旋转的单幅多视角人脸图像姿态估计方法，其特征在于：指定点包括鼻下点、双眼眼角点、鼻尖点...

【专利技术属性】
技术研发人员：傅由甲，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆,50