[发明专利]一种改进的ASM人脸特征点定位方法有效
申请号: | 201310045204.2 | 申请日: | 2013-02-05 |
公开(公告)号: | CN103136513A | 公开(公告)日: | 2013-06-05 |
发明(设计)人: | 刘辰飞 | 申请(专利权)人: | 山东神思电子技术股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 济南泉城专利商标事务所 37218 | 代理人: | 李桂存 |
地址: | 250101 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 改进 asm 特征 定位 方法 | ||
技术领域
本发明涉及一种改进的ASM人脸特征点定位方法,涉及数字图像处理领域。
背景技术
主动形状模型ASM,是Cootes等人于1995年提出的一种基于统计学的灰度和形状分离的可变形模型。ASM同时采用了灰度信息和梯度信息来控制形状模型在目标图像中进行搜索,是人脸特征点定位方面的主流算法。
实践表明,ASM是一种比较可靠的特征点定位算法。经典的ASM算法在建立局部灰度模型时,只是在当前特征点两侧,沿垂直于其前后两个特征点联机的方向上分别选择m个像素构成一个2*m+1的向量,然后对该向量所包含的像素的灰度值求导得到一个局部的灰度纹理模型。采用这种方式构建的灰度模型,在搜索的过程中往往会使得特征点收敛到与标记点灰度相似但纹理相差较大的点,导致定位不准;同时,光照和噪声等都会对定位造成影响。
同时,传统的ASM算法在特征点的搜索过程中容易陷入局部最小值的问题,导致得到的最终结果不是最优结果。
发明内容
本发明为了克服上述技术问题的缺点,提供了一特征点收敛到与标记点灰度、纹理都极为相似处的ASM人脸特征点定位方法。
本发明的改进的ASM人脸特征点定位方法,其特别之处在于,包括以下步骤:a).建立人脸照片库,建立容量为L的人脸照片训练样本库M,每张人脸照片为一个训练样本;并对每张人脸照片进行归一化处理;b).手工标定并获取形状模型,在每个训练样本的相同位置处手工标定n个特征点,得到训练样本的形状模型集合 ,(0≤<L)为训练样本M[]的形状模型,其由标定的特征点坐标向量形成,记为;为训练样本M[]的第j个标定点的坐标,其中,(0≤<n);c).对进行降维处理,采用PCA算法对进行降维处理,得到特征向量矩阵P,P为正交矩阵;并求取平均形状模型;d).选取特征点邻域,在训练样本M[]中的每个特征点j的周围选取邻域;e).构建二阶梯度矩阵,求取每个特征点j邻域内每个像素点的二阶梯度,并利用二阶梯度值构建特征点邻域的二阶梯度矩阵;f).构建特征矩阵,将每个特征点邻域的二阶梯度矩阵中每一个元素分别乘以其对应的二维高斯权值,构建特征点邻域的特征矩阵,其中,0≤<L,0≤<n;
g).求取二阶梯度模型和协方差,利用公式、分别求取所有训练样本的第j个特征点邻域的二阶梯度模型和及其协方差;h).建立全局形状模型,根据在步骤c)中获取的正交矩阵P建立全局形状模型,并根据求出向量B中每个分量的高斯分布模型~;i).初始化待测人脸图像,令全局形状模型中的向量B为零向量,来初始化待测人脸图像中特征点的位置;j).搜索最佳候选特征点,在初始化特征点周围搜索当前特征点W的候选特征点q,当马氏距离取最小值时,对应的点为W的最佳候选点;k).构成当前形状模型,当全部特征点搜索完毕后,所有特征点的当前候选点构成一个当前形状模型,并将与对齐后得到;m).判断当前形状模型是否收敛,利用公式求取向量B,如果向量B中90%以上的分量均满足,则表明当前形状模型已经收敛;否则利用重新初始化待测人脸图像,重新执行步骤i)。
步骤b)中,手工标定训练样本的特征点时,应保证每张人脸照片上标定的特征点的位置相同;每个训练样本的形状模型中的元素排列相一致。步骤f)中,距离特征点越近的点,其对应的二维高斯权值越大,反之,其对应的二维高斯权值越小。步骤j)中,当马氏距离取最小值时,会使得当前候选点与标记点灰度和纹理都极为相似。
本发明的改进的ASM人脸特征点定位方法,步骤a)中所述的归一化处理包括统一照片尺寸、统一为灰度值图像和统一图像亮度的处理。对样本图像进行归一化处理,有利于保证通过训练样本获取数据的准确性。
本发明的改进的ASM人脸特征点定位方法,步骤d)中选取的特征点邻域为特征点j周围的m*n的矩形区域或半径为m的圆形区域;在邻域为m*n的矩形区域的情形下,矩形区域的长边的方向与特征点对应的模型轮廓法线方向相一致。
本发明的改进的ASM人脸特征点定位方法,步骤e)中所述的二阶梯度是指行方向上的二阶梯度、列方向上的二阶梯度或行列结合的二阶梯度;行方向上的二阶梯度求取公式为:;列方向上的二阶梯度求取公式为:;行列结合的二阶梯度求取公式为:。
本发明的改进的ASM人脸特征点定位方法,步骤j)中,当搜索到的当前特征点的最佳候选点的位置为上一次搜索的初始化位置时,选择次最佳候选点为当前的最佳候选点。采用这种搜索方法,有利于避免搜索过程中出现陷入局部最小值问题,
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东神思电子技术股份有限公司,未经山东神思电子技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310045204.2/2.html,转载请声明来源钻瓜专利网。