【技术实现步骤摘要】
关键点平滑方法和装置
[0001]本申请涉及图像处理领域,尤其涉及一种关键点平滑方法和装置。
技术介绍
[0002]人脸关键点检测可以定位出面部的关键区域位置,包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等。人脸关键点检测可以应用在很多场景下,比如:自动人脸识别、表情分析、三维人脸重建及三维动画等。人脸关键点检测包括如下几种方法:参数化方法和非参数化方法。参数化方法包括基于局部的方法和基于全局的方法。非参数化方法包括基于图模型方法、基于级联回归方法以及基于深度学习方法。然而,不论是哪种方法,检测出来的关键点的位置都会存在不同程序的偏离。
[0003]现有技术中,对于严重偏离的关键点,结合该关键点所在区域内所有关键点的位置,通过各种样条曲线对该关键点的位置进行矫正。然而,这种方法矫正后的位置准确度依然不高。
技术实现思路
[0004]本申请提供一种关键点平滑方法和装置,用于提升人脸关键点位置准确度。
[0005]第一方面,本申请提供一种平滑处理方法,包括:获取待处理图像上目标对象的关键点;根据所述目标对象的关键点,构建所述目标对象对应的关键点向量;获取重构矩阵;根据所述关键点向量和所述重构矩阵,获取重构系数;根据所述重构系数和所述重构矩阵,确定平滑处理后的关键点向量。
[0006]第二方面,本申请提供一种平滑处理装置,包括:构建模块,用于获取待处理图像上目标对象的关键点;根据所述目标对象的关键点,构建所述目标对象对应的关键点向量;获取重构矩阵;根据所述关键点向量和所述重构矩阵,获取重构系 ...
【技术保护点】
【技术特征摘要】
1.一种平滑处理方法,其特征在于,包括:获取待处理图像上目标对象的关键点;根据所述目标对象的关键点,构建所述目标对象对应的关键点向量;获取重构矩阵;根据所述关键点向量和所述重构矩阵,获取重构系数;根据所述重构系数和所述重构矩阵,确定平滑处理后的关键点向量。2.根据权利要求1所述的方法,其特征在于,所述获取重构矩阵,包括:根据图像集,构建关键点矩阵,所述图像集中每张图像上所述目标对象的关键点构成所述关键点矩阵的一行;根据所述关键点矩阵,获取目标矩阵;根据所述目标矩阵和所述图像集中图像数量,获取协方差矩阵;根据所述协方差矩阵,获取所述重构矩阵。3.根据权利要求2所述的方法,其特征在于,所述根据所述关键点矩阵,获取目标矩阵,包括:获取所述图像集中所有图像上关键点的坐标的均值;将所述关键点矩阵中关键点的坐标减去所述均值,得到所述目标矩阵。4.根据权利要求2所述的方法,其特征在于,所述根据所述目标矩阵和所述图像集中图像数量,获取协方差矩阵,包括:通过如下公式获取所述协方差矩阵:其中,C
k
×
k
表示所述协方差矩阵,X
′
n
×
k
表示所述目标矩阵,n表示所述图像集中图像数量。5.根据权利要求2所述的方法,其特征在于,所述根据所述协方差矩阵,获取所述重构矩阵,包括:对所述协方差矩阵进行特征值分解,得到特征值;将所述特征值按照从大到小排序,并获取前预设数量个特征值对应的特征向量;根据所述预设数量个特征值对应的特征向量,构建所述重构矩阵。6.根据权利要求1
‑
5任一项所述的方法,其特征在于,所述根据所述关键点向量和所述重构矩阵,获取重构系数,包括:通过如下公式获取所述重构系数:c
k
′
=A
k
′×
k
·
x
T
其中,c
k
′
表示所述重构系数,A
k
′×
k
表示所述重构矩阵,x表示所述关键点向量。7.根据权利要求6所述的方法,其特征在于,所述根据所述重构系数和所述重构矩阵,确定平滑处理后的关键点向量,包括:通过如下公式确定所述平滑处理后的关键点向量:x
′
=A
T
·
c
k
′
其中,x
′
表示所述平滑处理后的关键点向量,A表示所述重构矩阵,c
k
′
表示所述重构系
数。8.根据权利要求6所述的方法,其特征在于,所述待处理图像为视频流中的图像;所述方法还包括:根据所述待处理图像之前至少两帧图像上所述目标对象对应的关键点向量,获取所述待处理图像对应的关键点估计向量;根据所述平滑处理后的关键点向量和所述关键点估计向量,确定所述待处理图像对应的防抖处理后的关键点向量。9.根据权利要求8所述的方法,其特征在于,所述根据所述待处理图像之前至少两帧图像上所述目标对象对应的关键点向量,获取所述待处理图像对应的关键点估计向量,包括:根据所述至少两帧图像上所述目标对象对应的关键点向量,计算方差向量;根据所述方差向量和所述待处理图像的前一帧图像对应的第一变量,确定所述待处理图像对应的第二变量;根据所述待处理图像对应的所述第二变量,确定所述待处理图像对应的增益;根据所述...
【专利技术属性】
技术研发人员:胡慧,
申请(专利权)人:广州视源人工智能创新研究院有限公司,
类型:发明
国别省市:
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。