[发明专利]一种用射影不变量提取人脸基准点的方法

说明书

技术领域

本发明涉及数字图像处理、计算机视觉领域，具体的涉及一种基于用特征数作为形状约束的人脸基准点提取方法。

背景技术

人脸基准点是指面部突出的点，如眼角、嘴角、瞳孔、下巴和鼻尖等。基准点提取在计算机视觉应用如人脸识别、人脸跟踪和动漫制作等方面有广泛的应用。人脸大尺度的表情和姿态变化，以及受到光照和遮挡的影响，都给基准点提取带来了很大的挑战。在过去几十年间，为了提高算法的准确性和鲁棒性，人们一直致力于人脸基准点提取方法的研究。

大部分的人脸基准点提取算法都在古典的主动轮廓模型的框架下，它将一条参数化曲线与某个优化函数结合在一起。优化函数是内部能量和外部能量之和，内部能量来自曲线自身的数学属性，外部能量反映图像感兴趣区域的灰度信息。利用面部纹理信息提取基准点，比较流行的方法是使用Gabor滤波器，它是利用特征块模板，通过在滑动窗口中进行模板匹配找到最优基准点。虽然模板的纹理信息对光照不敏感，但是因为形状约束比较弱，提取的基准点并不是太精确。

由于人脸特征的高度结构化，人们利用这些几何特征，如两眼中心的距离、鼻尖到两眼的夹角等，来对基准点作形状约束。具有开创性的主动形状模型（ASM）[1]和主动表现模型（AAM）[2]利用主成分分析方法（PCA）在一组标签脸上构造参数形状模型。另外，有许多基于ASM和AAM方法出现许多变异和改进，包括局部约束模型（CLM）,位置优化ASM,非线性判别AAM模型。特别是Milborrow和Nicolls的扩展ASM，在各个方面都做了改进（如拟合多基准点、在训练集中添加噪声等），这些改进对于正脸的图片有很高的准确率。但是这些算法对于姿态变化的侧脸图片检测效果不理想。

复旦大学的中国发明专利，申请号为CN200610024307，“一种人脸特征点自动定位方法”，该专利是采用实时AAM和遗传算法来优化形状系数，然后通过边缘检测以及肤色区间检测的方法来对部分特征点进一步微调。优点是对正脸和侧脸（偏角45度以内）图片具有较好的检测效果，但是算法较为复杂，而且不太适合提取具有表情变化、遮挡的人脸图片。

发明内容

本发明提供一种基于射影不变量作为形状约束的人脸基准点提取方法，解决了现有技术的不足，该方法只需要选取少量的正脸图片用作训练集，利用特征数得到人脸基准点共有的几何形状约束，就能应用于提取各种姿态的人脸基准点。同时，提高了提取基准点的准确性和鲁棒性，具有较强的通用性。

本发明采用的技术方案：

一种用射影不变量提取人脸基准点的方法，是一种新的形状约束。根据人脸的结构信息，利用人脸基准点间的几何关系，构造新的三点特征数和六点特征数，并结合五点交比信息，对人脸基准点作严格的形状约束。

第一步，定义特征数

定义1：在射影空间中，一条直线l被任意三条直线a,b和c所截，记直线l与三条直线的交点为P＝<l,a>,Q＝<l,b>,和R＝<l,c>,并记三条直线a,b和c两两交点为μ＝<c,a>，ν＝<a,b>和ω＝<b,c>,则P,Q和R可以用μ,ν,ω线性表示：