一种人脸跟踪方法技术

本发明专利技术公开的是一种人脸跟踪方法，包含离线训练方法和在线跟踪方法；离线训练方法包含多层结构人脸模型训练方法和人脸特征点的离线模板训练方法；多层结构人脸模型训练方法为在线跟踪方法提供人脸模型，离线模板训练方法为在线跟踪方法提供人脸特征点离线模板；多层结构人脸模型训练方法包含如下步骤：选取适当的人脸图像作为训练样本；对人脸图像的特征点进行标记；得到基准形状模型；得到全局形状模型；得到局部形状模型。本发明专利技术属于生物特征识别技术领域，广泛应用于各种人脸跟踪与比对系统。

【技术实现步骤摘要】

本专利技术涉及生物特征识别
，尤其涉及一种人脸跟踪方法。
技术介绍
人脸是人的重要信息，是区分不同的人的重要依据。人脸跟踪是在连续的视频序列中跟踪一个或多个人脸。人脸跟踪在很多场合下都具有非常重要的作用，例如手机彩信中的视频彩信、人机界面、权限控制、智能监视系统等。跟踪的准确性、精度和鲁棒性问题一直是业界关心的主要问题。解决人脸跟踪问题的难点很多，如人脸表情变化、人脸的姿态变化、光照变化、面部遮挡等等。其中，人脸表情与姿态变化是所有人脸跟踪技术的普遍问题。现有技术往往只能解决两者之一。因此，业界急需一种能够解除人脸表情变化、姿态变化影响的人脸跟踪技术。
技术实现思路
为弥补现有技术的不足，本专利技术目的是提供一种人脸跟踪方法，解决人脸表情变化和姿态变化的影响，提高人脸跟踪的准确性、精度和鲁棒性。为了实现上述目的，本专利技术的技术方案如下：一种人脸跟踪方法，其特征在于，包含：离线训练方法和在线跟踪方法；该离线训练方法包含多层结构人脸模型训练方法和人脸特征点的离线模板训练方法；该多层结构人脸模型训练方法为该在线跟踪方法提供人脸模型，该离线模板训练方法为该在线跟踪方法提供人脸特征点离线模板；该多层结构人脸模型训练方法包含如下步骤：步骤301，选取适当的人脸图像作为训练样本；步骤302，对人脸图像的特征点进行标记；步骤3031-3061，得到基准形状模型；步骤3032-3062，得到全局形状模型；步骤3033-3063，得到局部形状模型。其中，该基准形状模型、该全局形状模型与该局部形状模型的获得方法为：用s表示一个人脸形状向量：s=s‾+Pb,]]>其中，为平均人脸形状；P为一组正交的主形状变化模式；b为形状参数向量；人脸形状向量s表示为(sR，sG，sL)T，其中sR、sG和sL分别表示基准特征点、全局特征点和局部特征点；刚性基准形状的点分布模型全局基准形状的点分布模型-->局部形状模型的点分布模型第i个局部形状向量为sGi，Li＝{sGi，sLi本文档来自技高网...

【技术保护点】
一种人脸跟踪方法，其特征在于，包含：离线训练方法和在线跟踪方法；该离线训练方法包含多层结构人脸模型训练方法和人脸特征点的离线模板训练方法；该多层结构人脸模型训练方法为该在线跟踪方法提供人脸模型，该离线模板训练方法为该在线跟踪方法提供人脸特征点离线模板；该多层结构人脸模型训练方法包含如下步骤：步骤３０１，选取适当的人脸图像作为训练样本；步骤３０２，对人脸图像的特征点进行标记；步骤３０３１－３０６１，得到基准形状模型；步骤３０３２－３０６２，得到全局形状模型；步骤３０３３－３０６３，得到局部形状模型。

【技术特征摘要】
1.一种人脸跟踪方法，其特征在于，包含：离线训练方法和在线跟踪方法；该离线训练方法包含多层结构人脸模型训练方法和人脸特征点的离线模板训练方法；该多层结构人脸模型训练方法为该在线跟踪方法提供人脸模型，该离线模板训练方法为该在线跟踪方法提供人脸特征点离线模板；该多层结构人脸模型训练方法包含如下步骤：步骤301，选取适当的人脸图像作为训练样本；步骤302，对人脸图像的特征点进行标记；步骤3031-3061，得到基准形状模型；步骤3032-3062，得到全局形状模型；步骤3033-3063，...

【专利技术属性】
技术研发人员：唐霖，董初宁，姜涛，
申请(专利权)人：上海摩比源软件技术有限公司，
类型：发明
国别省市：31[中国|上海]