【技术实现步骤摘要】
一种人脸对齐方法和相机
本专利技术涉及机器学习
，尤其涉及一种人脸对齐方法和相机。
技术介绍
人脸对齐技术经过多年的发展，一开始是采用主动形状模型(ActiveShapeModel，ASM)、主动外观模型(ActiveAppearanceModel，AAM)等模型进行人脸对齐，由于其率低下，鲁棒性低，级联回归、深度学习、约束局部模型、监督梯度下降等方法逐渐被应用到人脸对齐领域，使得人脸对齐的鲁棒性得到了很大的提升。但上述方法或模型一般是针对无遮挡、正对摄像头的人脸图像才能取得比较鲁棒的人脸对齐检测结果，而待检测的人脸图像并非总是正脸对着摄像头，大量情况下会有因不同角度的侧脸导致部分人脸关键点被遮挡，导致人脸对齐的效果并不理想。
技术实现思路
本专利技术提供了一种人脸对齐方法和相机，以解决对由不同角度的侧脸导致人脸关键点被遮挡的人脸图像进行人脸检测所存在的检测结果鲁棒性差的问题。第一方面，本专利技术提供了一种人脸对齐方法，构建多姿态人脸模型，多姿态人脸模型中每个姿态人脸模型关联不同的人脸角度范围，每个姿态人脸模型用于对人脸图像的面部关键点进行回归处理获得面部特征点...
【技术保护点】
1.一种人脸对齐方法，其特征在于，构建多姿态人脸模型，所述多姿态人脸模型中每个姿态人脸模型关联不同的人脸角度范围，每个姿态人脸模型用于对人脸图像的面部关键点进行回归处理获得面部特征点；所述方法包括：采集用户的人脸图像；利用预设人脸检测算法检测所述人脸图像中的面部关键点，获取所述用户的面部关键点，并根据所述面部关键点获得所述用户的人脸角度；根据每个所述姿态人脸模型关联的所述人脸角度范围，获得与所述用户的人脸角度对应的姿态人脸模型；根据与所述用户的人脸角度对应的姿态人脸模型对所述用户的面部关键点进行回归处理，获得所述用户的面部特征点，利用所述面部特征点实现所述用户的人脸对齐检测。
【技术特征摘要】
1.一种人脸对齐方法，其特征在于，构建多姿态人脸模型，所述多姿态人脸模型中每个姿态人脸模型关联不同的人脸角度范围，每个姿态人脸模型用于对人脸图像的面部关键点进行回归处理获得面部特征点；所述方法包括：采集用户的人脸图像；利用预设人脸检测算法检测所述人脸图像中的面部关键点，获取所述用户的面部关键点，并根据所述面部关键点获得所述用户的人脸角度；根据每个所述姿态人脸模型关联的所述人脸角度范围，获得与所述用户的人脸角度对应的姿态人脸模型；根据与所述用户的人脸角度对应的姿态人脸模型对所述用户的面部关键点进行回归处理，获得所述用户的面部特征点，利用所述面部特征点实现所述用户的人脸对齐检测。2.根据权利要求1所述的方法，其特征在于，所述构建多姿态人脸模型，包括：根据每个所述姿态人脸模型关联的人脸角度范围，对用于训练所述多个姿态人脸模型的训练图像集进行分类，获得处于每种人脸角度范围的子图像集；利用每种人脸角度范围的子图像集对级联形状回归模型进行训练，获得对应于每种人脸角度范围的姿态人脸模型。3.根据权利要求2所述的方法，其特征在于，每种人脸角度范围对应的子图像集之间不存在交集。4.根据权利要求1所述的方法，其特征在于，所述根据所述面部关键点获得所述用户的人脸角度，包括：根据采集所述用户的人脸图像的相机的内部参数，获得所述面部关键点在相机坐标系中的匹配点，所述匹配点在所述相机坐标系中所在的平面为基准平面；在所述相机坐标系中构建3D标准人脸模型，所述3D标准人脸模型中包括多个三维面部特征点；在所述相机坐标系中，根据旋转和平移处理后所述多个三维面部特征点在所述基准面上形成的多个映射点与所述匹配点的重合数量最多的旋转角度，获得所述用户的人脸角度。5.根据权利要求4所述的方法，其特征在于，所述旋转和平移处理包括：对所述多个三维面部特征点相对XOY平面的进行旋转，对所述多个三维面部特征点沿着与Y轴平行的方向进行旋转和对所述多个三维面部特征点沿着与X轴平行的方向进行旋转；其中，OXYZ为所述相机坐标系，O为所述相机坐标系的原点，X、Y与Z分别为相机坐标系的三个坐标轴，所述XOY平面为所述基准平面。6.根据权利要求5所述的方法，其特征在于，所述用户的人脸角度包括：摆动角度、转动角度和俯仰角度；所述摆动角度对应于所述多个三维面部特征点相对XOY平面的...
【专利技术属性】
技术研发人员：刘子伟，吴涛，
申请(专利权)人：青岛小鸟看看科技有限公司，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。