一种复杂人脸姿态的特征点重建方法技术

本发明专利技术公开了一种复杂人脸姿态的特征点重建方法，包括，获取原始遮挡人脸的图像集标记特征点，进行人脸姿态判断；提取训练样本集上每张图片的梯度直方图特征，形成特征集合；利用多初始化方式提取大量图像样本特征对稀疏矩阵进行学习，得到多姿态特征映射参数；输入人脸图像进行目标检测，提取梯度直方图特征进行参数计算，重建人脸特征。本发明专利技术适用于50％以内面部遮挡的问题，在监控摄像头下，一些眼部、嘴部等关键部位的遮挡出现频率较高，人脸遮挡是较为普遍的一个问题，该方法在安防监控、智能家居等摄像头环境中具备较大的应用价值。价值。价值。

【技术实现步骤摘要】
一种复杂人脸姿态的特征点重建方法


[0001]本专利技术涉及人脸识别的
，尤其涉及一种复杂人脸姿态的特征点重建方法。

技术介绍

[0002]人脸识别作为人工智能技术快速发展的典型代表，目前在治安、交通、电商等科技领域得到了广泛的应用，诸如人脸搜索、人脸快速通行过闸、刷脸支付等等。在光照、拍摄角度良好情况下，人脸识别算法可以取得非常不错的效果，但在真实的场景中，往往出现光照不足、人脸存在遮挡的情况，人脸拍摄的角度也会对识别的结果造成一定的干扰，对于支付系统而言，识别失败将导致电商交易不成功，降低用户体验；对于闸机识别系统而言，识别错误可能导致通行效率下降；而对于罪犯识别系统而言，识别率不高可能造成犯罪分子逍遥法外。
[0003]在人脸识别算法应用过程中,尤其在监控摄像头下，人脸遮挡是较为普遍的一个问题，一些眼部、嘴部等关键部位的遮挡出现频率较高。针对此类问题目前国内外已有针对戴口罩、墨镜等小范围遮挡的特征点重建方法，而对于诸如侧脸、仰视、俯视等复杂姿态的特征点重建的方法少之又少。

技术实现思路

[0004]本部分的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂人脸姿态的特征点重建方法，其特征在于：包括，获取原始遮挡人脸的图像集标记特征点，进行人脸姿态判断；提取训练样本集上每张图片的梯度直方图特征，形成特征集合；利用多初始化方式提取大量图像样本特征对稀疏矩阵进行学习，得到多姿态特征映射参数；输入人脸图像进行目标检测，提取梯度直方图特征进行参数计算，重建人脸特征。2.根据权利要求1所述的复杂人脸姿态的特征点重建方法，其特征在于：所述图像集包括，侧脸、仰视、俯视图像集。3.根据权利要求1或2所述的复杂人脸姿态的特征点重建方法，其特征在于：所述特征点标记包括，对输入的人脸图像进行标注，标注区域分为正常区域和补充区域；若无遮挡或偏转情况，所述补充区域为空，直接利用标注点对特征点提取；若存在遮挡或偏转情况，采用Criminisi算法从图像已知区域中寻找最优匹配块填补，对填补后的人脸利用标注点提取特征点。4.根据权利要求3所述的复杂人脸姿态的特征点重建方法，其特征在于：所述人脸姿态判断包括，当|l1‑
θ1|>0时，即为偏转姿态；当|l2‑
θ2|＜0时，即为仰视姿态；当|l3‑
θ3|>0时，即为俯视姿态；其中，d1为人脸中心垂线与左眼中心垂线的距离，d2为人脸中心垂线与右眼中心垂线的距离，两眼连线与人脸中心垂线的交点记为C，d3为人脸边界中心与C点的距离，d4为人脸边界中心与嘴部中心点的距离，记分别设置偏转姿态阈值θ1、仰视姿态阈值θ2、俯视姿态阈值θ3。5.根据权利要求4所述的复杂人脸姿态的特征点重建方法，其特征在于：包括，人工标记的准确特征点位置周围对应每张图片提取梯度直方图特征ρ
ij
，并形成特征集合S,其中，S＝{S1、S2、S3}，S1、S2...

【专利技术属性】
技术研发人员：林静，卢会春，尉锦龙，吕晓敏，
申请(专利权)人：杭州天翼智慧城市科技有限公司，
类型：发明
国别省市：