人脸跟踪方法及装置制造方法及图纸

本发明专利技术实施例公开了一种人脸跟踪方法及装置，涉及人脸跟踪技术领域，所述方法包括：确定人脸区域和人脸外区域；根据所述人脸区域和所述人脸外区域获得人脸特征模型；在下一帧图像中，根据所述人脸区域、人脸外区域和人脸特征模型确定人脸区域位置和人脸外区域位置；根据人脸区域位置和人脸外区域位置，确定人脸位置。本发明专利技术适用于处理动态人脸信息。

【技术实现步骤摘要】
人脸跟踪方法及装置
本专利技术涉及人脸跟踪
，特别涉及一种人脸跟踪方法及装置。
技术介绍
人脸跟踪是在视频或图像序列中确定某个人脸的运动轨迹及大小变化的过程。一直以来，人脸跟踪在图像分析与识别图像监控与检索等领域都具有重大意义，成为大量学者的关注的焦点，许多行之有效的算法也相继出现。Mean shift (均值偏移)技术是一种基于密度梯度的无参数估计方法，主要应用于运动目标跟踪，具有快速和有效的特点。Camshift (连续自适应的均值偏移)是基于均值偏移方法的一种运动目标跟踪算法。在基于Mean shift算法快速收敛特性的前提下，Cam shift利用被跟踪物体的直方图特征使其兼具计算量低、对目标变形、旋转变化、遮挡等适应性强的特点，从而被广泛应用于人脸、手部及其它物体的跟踪及机器人视觉等多种场合。在Cam shift算法中，人脸颜色直方图(主要是肤色特征)是人脸跟踪的唯一依据，当跟踪人脸过程遇到大面积类肤色区域或者背景与肤色接近的情况时，其跟踪结果会受到严重干扰，导致跟踪失败。针对上述干扰情况，现有技术中提出了两种优化方法，一种是基于Cam shift的改进算法，利用多维度颜色空间建立目标模型，使用两个核函数来进一步排除背景区域对于目标跟踪的干扰；另一种是基于边缘直方图的Mean shift人脸跟踪算法，利用边缘信息和纹理信息作为跟踪特征，该方法在背景颜色与肤色相似的情况下，跟踪效果明显优于传统的mean shift人脸跟踪算法。在实现本专利技术的过程中，专利技术人发现现有技术中至少存在如下问题:基于Camshift的改进算法虽然能够对干扰进行优化，但是当背景颜色和跟踪目标的颜色非常接近时，仍不能彻底排除干扰的影响；基于边缘直方图的Mean shift人脸跟踪算法能够较好的处理背景颜色与跟踪目标颜色接近的问题，但是在人脸出现姿态变化，表情变化以及部分人脸被遮挡的情况下，该方法`不具备鲁棒性，跟踪结果受到影响。
技术实现思路
本专利技术的实施例提供一种人脸方法及装置，能够解决人脸跟踪过程中与肤色相近的背景颜色对人脸跟踪的干扰以及在人脸发生表情变化、姿态变化以及被遮挡的情况下，保持对人脸的跟踪，提闻人脸跟踪质量。本专利技术实施例采用的技术方案为:一种人脸跟踪方法，包括:确定人脸区域和人脸外区域；根据所述人脸区域和所述人脸外区域获得人脸特征模型；在下一帧图像中，根据所述人脸区域、人脸外区域和人脸特征模型确定人脸区域位置和人脸外区域位置；根据人脸区域位置和人脸外区域位置，确定人脸位置。其中，所述确定人脸外区域包括:统计所述头发区域的先验，得到所述头发区域的先验概率，选取概率较大的区域作为头发区域；统计所述衣肩区域的先验，得到所述衣肩区域的先验概率，选取概率较大的区域作为衣肩区域；将所述头发区域和所述衣肩区域一起作为人脸外区域。其中，所述根据所述人脸区域和所述人脸外区域获得人脸特征模型包括:根据所述人脸区域和所述人脸外区域获得肤色模型和非肤色模型，对所述肤色模型和所述非肤色模型进行加权平均获得人脸特征模型，其中所述肤色模型由所述肤色区域得到，所述非肤色模型由所述眼睛区域、嘴唇区域和所述头发区域得到。进一步的，所述获得肤色模型包括:统计人脸区域的色度、饱和度和亮度三个分量的颜色直方图，将所述颜色直方图作为肤色模型。进一步的，所述获得人脸内非肤色模型包括:将所述肤色模型中的肤色区域剪除，剩余部分的颜色直方图再加上所述头发区域的颜色直方图作为人脸内非肤色模型。其中，所述根据所述人脸区域、人脸外区域和人脸特征模型确定人脸区域位置和人脸外区域位置包括:使用加入了所述人脸特征模型的连续自适应的均值偏移Cam shift算法跟踪人脸区域，确定人脸区域位置；使用所述Cam shift算法分别跟踪头发区域和衣肩区域，确定人脸外区域位置。一种人脸跟踪装置，包括:第一确定模块，用于初始化人脸跟踪区域，确定人脸区域和人脸外区域；模型获取模块，用于根据所述人脸区域和所述人脸外区域获得人脸特征模型；第二确定模块，用于在下一帧图像中，根据所述人脸区域、人脸外区域和人脸特征模型确定人脸区域位置和人脸外区域位置；第三确定模块，用于根据人脸区域位置和人脸外区域位置，确定人脸位置。其中，所述第一确定模块还包括:第一统计单元，用于统计所述头发区域的先验，得到所述头发区域的先验概率，选取概率较大的区域作为头发区域；第二统计单元，用于统计所述衣肩区域的先验，得到所述衣肩区域的先验概率，选取概率较大的区域作为衣肩区域；第二确定单元，用于将所述头发区域和所述衣肩区域一起作为人脸外区域。其中所述模型获取模块具体用于:根据所述人脸区域和所述人脸外区域获得肤色模型和非肤色模型，对所述肤色模型和所述非肤色模型进行加权平均获得人脸特征模型，其中所述肤色模型由所述肤色区域得到，所述非肤色模型由所述眼睛区域、嘴唇区域和所述头发区域得到。进一步的，所述模型获取模块包括:第一模型获取单元，用于统计人脸区域的色度、饱和度和亮度三个分量的颜色直方图，将所述颜色直方图作为肤色模型。进一步的，所述模型获取模块还包括:第二模型获取单元，用于将所述肤色模型中的肤色区域剪除，剩余部分的颜色直方图再加上所述头发区域的颜色直方图作为人脸内非肤色模型。其中，所述第二确定模块包括:第三确定单元，用于使用加入了所述人脸特征模型的连续自适应的均值偏移Cam shift算法跟踪人脸区域，确定人脸区域位置；第四确定单元，用于使用所述Cam shift算法分别跟踪头发区域和衣肩区域，确定人脸外区域位置。与现有技术相比，本专利技术实施例通过在肤色模型的基础上，获取眼睛区域和嘴唇区域的颜色直方图，并通过离线训练的方法得到头发区域和衣肩区域，并通过将头发区域的颜色直方图、眼睛区域和嘴唇区域的颜色直方图和原本的肤色直方图加权结合起来，获得一个综合的人脸特征模型以及综合的颜色直方图，通过将综合的人脸特征模型加入到Cam shift算法中，更加精确的对人脸进行跟踪，可以大大降低与肤色相近的背景颜色对人脸跟踪的干扰，并且在人脸发生表情变化、姿态变化以及被遮挡的情况下不会中断对人脸的跟踪，增强了人脸跟踪的鲁棒性，另外通过头发区域和衣肩区域对人脸的位置作进一步约束和限制，提高了人脸跟踪的准确性。【附图说明】为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例一提供的方法流程图；图2为本专利技术实施例二提供的方法流程图；图3、图4为本专利技术实施例三提供的装置结构示意图；图5为本专利技术实施例四提供的装置结构示意图。【具体实施方式】下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。为使本专利技术技术方案的优点更加清楚，下面结合附图和实施例对本专利技术作详细说明。实施例一本实施例提供一种人脸跟踪方法，如图1所示，所述方法本文档来自技高网...

【技术保护点】
一种人脸跟踪方法，其特征在于，包括：确定人脸区域和人脸外区域；根据所述人脸区域和所述人脸外区域获得人脸特征模型；在下一帧图像中，根据所述人脸区域、人脸外区域和人脸特征模型确定人脸区域位置和人脸外区域位置；根据人脸区域位置和人脸外区域位置，确定人脸位置。

【技术特征摘要】
1.一种人脸跟踪方法，其特征在于，包括:确定人脸区域和人脸外区域； 根据所述人脸区域和所述人脸外区域获得人脸特征模型； 在下一帧图像中，根据所述人脸区域、人脸外区域和人脸特征模型确定人脸区域位置和人脸外区域位置； 根据人脸区域位置和人脸外区域位置，确定人脸位置。2.根据权利要求1所述的方法，其特征在于，所述人脸区域包括:肤色区域、眼睛区域和嘴唇区域；所述人脸外区域包括:头发区域和衣肩区域。3.根据权利要求1，其特征在于，所述确定人脸区域包括: 根据初始化人脸跟踪区域的初始化结果，得到人脸区域。4.根据权利要求1所述的方法，其特征在于，所述确定人脸外区域包括: 统计所述头发区域的先验，得到所述头发区域的先验概率，选取概率较大的区域作为头发区域； 统计所述衣肩区域的先验，得到所述衣肩区域的先验概率，选取概率较大的区域作为衣肩区域； 将所述头发区域和所述衣肩区域一起作为人脸外区域。5.根据权利要求1所述的方法，其特征在于，所述根据所述人脸区域和所述人脸外区域获得人脸特征模型包括: 根据所述人脸区域和所述人脸外区域获得的肤色模型和非肤色模型，对所述肤色模型和所述非肤色模型进行加权平均获得人脸特征模型，其中所述肤色模型由所述肤色区域得到，所述非肤色模型由所述眼睛区域、嘴唇区域和所述头发区域得到。6.根据权利要求5所述的方法，其特征在于，所述获得肤色模型包括: 统计人脸区域的色度、饱和度和亮度三个分量的颜色直方图，将所述颜色直方图作为肤色模型。7.根据权利要求5或6所述的方法，其特征在于，所述获得人脸内非肤色模型包括: 将所述肤色模型中的肤色区域剪除，剩余部分的颜色直方图再加上所述头发区域的颜色直方图作为人脸内非肤色模型。8.根据权利要求1所述的方法，其特征在于，所述根据所述人脸区域、人脸外区域和人脸特征模型确定人脸区域位置和人脸外区域位置包括: 使用加入了所述人脸特征模型的连续自适应的均值偏移Cam shift算法跟踪人脸区域，确定人脸区域位置； 使用所述Cam shift算法分别跟踪头发区域和衣肩区域，确定人脸外区域位置。9.根据权利要求1所述的方法，其特征在于，在所述根据人脸区域位置和人脸外区域位置，确定人脸位置之后，还包括: 对所述最终的人脸位置的跟踪结果做平滑处理，根据多帧图像的人脸位置加权得到最佳人脸位置。10.一种人脸跟踪装置，其特征在于，包括: 第一确定模块，用于初始化人...

【专利技术属性】
技术研发人员：张杰，熊剑平，黄一宁，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：