[发明专利]基于定性空间关系的卡通人物的脸部特征提取方法

说明书

技术领域

本发明涉及一种基于定性空间关系的卡通人物的脸部特征提取方法，属于人工智能和计算机视觉技术领域。

背景技术

随着动漫和数字娱乐业的蓬勃发展，卡通图像被大量生产出来。仅2012年一年我国就审批备案动画片536部433780分钟，在百度上可被搜索的卡通图片达到77,400,000张。“十二五”国家动漫产业发展规划提出：建设国家动漫公共素材库，以完善共享机制并降低企业创作成本。而从海量素材中实现有效的检索和共享，要对海量的卡通图像进行精准检索，需要计算机能够辨识卡通尤其是其脸部特征。因为脸是卡通角色的重要组成部分，通过脸部特征可以推断出角色的表情和身份，进而为用户提供丰富的检索选项。本发明提出了正面卡通脸部的特征提取方法，为实现卡通图像的智能分析和检索奠定基础。

现有的人脸特征提取方法大多基于对五官形状和表观(appearance)的统计建模，其中具有代表性的方法是主动形状模型(ASMs)、主动表观模型(AAMs)和它们的各种改进。这类方法要求目标形状和表观可以用线性统计模型表征，即变化不剧烈，否则其统计分布的方差会很大，进而模型对样本的表征精度就会降低。而这个要求通常是很难满足的，因为不同姿态、表情和个体的五官形状和表观可能差异很大。针对该问题可以将整体上难以统计表征的人脸分解为不同表情下的五官，并建立对应的局部ASMs模型。采用基于分而治之的策略，把对形状和表观的统计表征分解到单一表情和姿态层面，进而保证模型的表征精度。但这类方法需为每个卡通角色的形状和表观建立单独的统计模型，若用于处理成千上万的卡通角色，单是样本的采集标记和模型训练的任务量就超出了可控的范围。

除了形状和表观，还可以用脸部特征之间的位置关系来表征人脸。可以用马氏距离来表征人脸特征之间的相对位置关系；还可以用更具结构化的马尔科夫随机场来表征。但这些方法都是定量的。定量的方法对于人脸图像和素描是合适的，因为其中的人脸特征分布符合生理学规律，用线性高斯模型就能比较准确的表征。但卡通脸部中的特征分布可能是极端夸张的，在符合人脸大致拓扑结构的前提下可以不受生理学的限制，特征之间的相对距离和角度可以随意变化，因此其定量统计的分布方差大，模型的表征精度低。

因此，有必要设计一种新型的卡通人物的脸部特征提取方法。

发明内容

本发明所要解决的技术问题是提供一种基于定性空间关系的卡通人物的脸部特征提取方法，该基于定性空间关系的卡通人物的脸部特征提取方法具有提取效率高和准确性性高等优点。

发明的技术解决方案如下：

一种基于定性空间关系的卡通人物的脸部特征提取方法，包括以下步骤：

步骤1：读取卡通人物的脸部图像；

步骤2：对边缘的提取、匹配处理以及确定镜像对称轴：

提取该脸部图像中的边缘，并将提取出的边缘对应的多个像素拟合成线段；从所述的线段中，以线段作为边缘特征元素通过匹配操作识别出具有镜像对称关系的线段，并确定镜像对称轴；

步骤3：将线段聚合成序列，确定各边缘特征元素之间的“里/外”、“上/下”和“对称”定性空间关系，所述的边缘特征元素是指经过聚合的线段序列；

步骤4：基于定性空间关系显著性对边缘特征元素进行筛选；【选出定性空间关系显著的边缘序列，这些边缘序列位于脸部五官的概率较大】

步骤5：迭代式约束优化：

即基于卡通脸的定性空间关系模型确定每个通过筛选的边缘特征元素在脸部五官中的类属性；【用通俗的话来讲，即确定每一个边缘特征元素分属于脸部五官中的哪一个。】；

脸部五官包括以下元素：眉毛、眼睛、鼻子、嘴巴和脸轮廓；

卡通脸的定性空间关系模型用于描述脸部五官各元素之间的里/外、上/下和对称关系；将被检测到的脸部五官的元素数目作为附加约束条件进行迭代，实现约束优化；

如果获得约束优化解，则进入下一步骤，否则继续约束优化；

步骤6：获得最优约束优化解：

若约束优化解为多个，则将每个解中标识为脸部五官的特征元素按对应五官的出现概率加权求和，选择该值最大的解作为最优约束优化解，脸部五官的出现概率根据样本卡通图像统计获得；

若约束优化解为一个，则该约束优化解为最优约束优化解；

步骤7：根据最优解中标识为脸部五官的边缘特征元素确定脸部五官的位置和形状，完成卡通人物的脸部特征提取。