【技术实现步骤摘要】
人脸实时跟踪系统及方法
本专利技术属于人脸跟踪
,涉及一种人脸实时跟踪系统,尤其涉及一种基于二阶泛函梯度的人脸实时跟踪系统及方法。
技术介绍
人脸跟踪主要是指在连续的视频序列中确定人脸的运动轨迹,在计算机视觉、人工智能领域等多个领域,都得到了广泛的关注和研究;并在视频监控,机器人,人机交互等中得到了广泛的应用。而随着移动式设备的爆发式增长,需要用到人脸跟踪的应用越来越多,例如移动支付、虚拟化妆、美颜自拍等,传统的人脸跟踪很难适用这些场合,需要结合最新的算法做深入的研究。传统的人脸跟踪算法应用到移动式设备上主要有以下两个问题1)计算资源开销大,难以直接移植到移动式设备上。手机等移动式设备上计算能力较弱,内存少,而传统的高精度模型计算量大,同时需要大量内存,简化模型后,其精度必然下降,很难准确跟踪;2)鲁棒性差,即对于大侧角人脸,部分被遮挡等情况,定位有偏差,跟踪不到。早期人脸跟踪需要对人脸建模。形状建模方法有可变形模板(DeformableTemplate)、点分布模型(主动形状模型ActiveShapeModel)、图模型等。表观建模方法包括全局表观建模和局部表观建模,其中全局方法有主动表观模型ActiveAppearanceModel(产生式模型)和BoostedAppearanceModel(判别式模型)等,局部表观建模则是对局部区域的表观信息建模,包括颜色模型、投影模型、侧剖线模型等。基于建模的方法往往受限于模型本身而准确率较低,主要是简单的模型很难表达实际应用中的一些困难因素,包括光照, ...
【技术保护点】
1.一种人脸实时跟踪系统,其特征在于,所述人脸实时跟踪系统包括:/n视频帧图像获取模块,用以获取视频的每一帧图像;/n人脸检测模块,用以对于每一帧图像,调用不同的人脸检测模型,寻找是否有人脸出现;所述人脸检测模型能够遍历图像的每个位置,判断各位置是否有人脸出现,并返回一个可靠度;对某个位置,只有可靠度高于设定值,才认为确实出现人脸,并记录该人脸的位置,将对应位置发送至人脸特征点定位模块;/n人脸特征点定位模块,用以定位人脸的二阶特征点的坐标(x
【技术特征摘要】
1.一种人脸实时跟踪系统,其特征在于,所述人脸实时跟踪系统包括:
视频帧图像获取模块,用以获取视频的每一帧图像;
人脸检测模块,用以对于每一帧图像,调用不同的人脸检测模型,寻找是否有人脸出现;所述人脸检测模型能够遍历图像的每个位置,判断各位置是否有人脸出现,并返回一个可靠度;对某个位置,只有可靠度高于设定值,才认为确实出现人脸,并记录该人脸的位置,将对应位置发送至人脸特征点定位模块;
人脸特征点定位模块,用以定位人脸的二阶特征点的坐标(xi,yi);所述人脸特征点定位模块逐步生成多颗决策树,每颗决策树输入二阶特征点的当前坐标,目标是降低二阶泛函的值;沿着优化梯度的方向来改进坐标(xi,yi)的值,每个特征点(xi,yi)的梯度其中,Ij是特征点所在的叶节点,|Ij|是该叶节点上所有特征点的数量;修正每个特征点的坐标为:xi=xi+ηdxi,yi=yi+ηdxi;η为设定常数;
人脸跟踪模块,用以跟踪视频中的人脸,得到其连续的空间姿态;对于每一帧视频,都能准确定位人脸的二阶特征点,这些特征点构成的序列代表人脸的运动轨迹;基于这些特征点,判断人脸的空中姿态;不同帧之间特征点的变化,反映人脸的各种变化及运动。
2.根据权利要求1所述的人脸实时跟踪系统,其特征在于:
所述人脸检测模块对某个位置,只有可靠度>0.95,才认为确实出现人脸。
3.根据权利要求1所述的人脸实时跟踪系统,其特征在于:
所述人脸检测模块对视频的每一帧图像,调用至少一人脸检测模型,这些模型会遍历图像的每个位置;每个可能的人脸位置,给出一个置信度confidencerate;计算这些置信度的综合置信度:
confidencerate=ω1R1+ω2R2+……;
其中,R1,R2,…分别为不同人脸检测模型返回的置信度,ω1,ω2,…分别为设定系数;
若综合置信度confidencerate>0.95,则该位置有人脸;记录该位置,将该位置信息发送至人脸特征点定位模块;如检测不到人脸,则继续检测下一帧图像。
4.根据权利要求1所述的人脸实时跟踪系统,其特征在于:
所述人脸特征点定位模块对每个人脸所在区域,调用二阶特征点定位算法;
B1、根据标准模板,初始化N个人脸特征点的坐标(xi,yi),每个点的初始坐标来自于平均脸,即标注很多人的脸作为样本,对每个特征点,都取这些样本的平均值;
B2、二阶泛函定义及优化求解:
构造一棵决策树,有T个叶节点;其输入为特征点的当前坐标,其目标是降低如下二阶泛函的值;
其中,Ij是样本i所在的叶节点,(dxj,dyj)是最优解在该叶节点的值;gi是损失函数在每个特征点的一阶导数,hi是损失函数在每个特征点的二阶导数,是每个特征点的最优解,该二阶泛函的极值问题转化为这T个叶节点的最优值计算;
B3、该泛函取最小值,对应的就是每个特征点的坐标修正;即二阶特征点的修正来自于对二阶泛函取最小值;对于叶节点Tj,其中|Ij|个样本,其定义如下:
B4、修正每个特征点的坐标:
如果样本i所在的叶节点是Tj,则:
xi=xi+ηdxj,yi=yi+ηdxj;其中,η为设定常数,一般取值;
B5、连续生成多棵决策树,如连续两棵决策树之间的修正(∑|dx|,∑|dy|)小于设定阈值,则该模块收敛,记录这些特征点,将其发送至人脸跟踪模块,否则,继续步骤B2。
5.根据权利要求1所述的人脸实时跟踪系统,其特征在于:
所述人脸跟踪模块用以根据人脸的二阶特征点计算人脸的空间姿态;所述二阶特征点用以确定位于人脸的关键位置;所述人脸跟踪模块用以根据眼睛处的二阶特征点判断是否眨眼,所述人脸跟踪模块用以根据嘴巴处的二阶特征点判断是否张嘴;所述人脸跟踪模块用以根据人脸的二阶特征点判断人脸的左右、上下姿态;
连续多帧的特征点构成的特征点序列,所述人脸跟踪模块用以分析所述特征点序列,得到人脸的运动轨迹。
6.一种人脸实时跟踪系统,其特征在于,所述人脸实时跟踪系统包括:
视频帧图像获取模块,用以获取视频的每一帧图像;
人脸检测模块,用以对于每一帧图像,调用不同的人脸检测模型,寻找是否有人脸出现;所述人脸检测模...
【专利技术属性】
技术研发人员:陈英时,耿敢超,左建锋,
申请(专利权)人:上海看看智能科技有限公司,
类型:发明
国别省市:上海;31
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。