[发明专利]一种自动化人脸五官与面部轮廓辨识方法

权利要求书

1.一种自动化人脸五官与面部轮廓辨识方法，其特征在于，包括：

准备一组训练图像集，采用训练机制得到检测分类器模型；

定义优化函数，计算得出人脸部位轮廓定位模型；

对于给出的任意一副测试脸，通过所述检测分类器模型确定所述测试脸的位置；

将所述人脸部位轮廓定位模型应用于所述测试脸，在所述人脸部位轮廓位模型的每一步级联应用中，相应的调整所述人脸部位轮廓位模型中的所述测试脸的定位轮廓，使得各个级联的结果中由所述定位轮廓决定的所述测试脸的位置与由所述检测分类器模型确定所述测试脸的位置的差值小于预定的阈值。

2.根据权利要求1所述一种自动化人脸五官与面部轮廓辨识方法，其特征在于，

所述人脸部位轮廓定位模型中的所述测试脸的定位轮廓包括：所述测试脸的人脸的定位轮廓、左眼的定位轮廓、右眼的定位轮廓和嘴巴的定位轮廓；

在所述各个级联的结果中，由所述定位轮廓决定的所述测试脸的位置包括：所述测试脸的人脸的坐标位置、左眼中心位置、右眼中心位置和嘴巴中心位置。

3.根据权利要求1所述一种自动化人脸五官与面部轮廓辨识方法，其特征在于，所述采用训练机制得到检测分类器模型的过程包括：

框出所述准备的训练图像集中的训练脸的人脸位置区域，以及眼睛和嘴巴的中心区域；

利用人脸检测算法的训练机制得到所述检测分类器模型。

4.根据权利要求1所述一种自动化人脸五官与面部轮廓辨识方法，其特征在于，所述计算得出人脸部位轮廓定位模型的过程包括：

标注所述训练图像集中的训练脸的轮廓点；

选取一个标准脸模型，标注所述标准脸模型的轮廓点；

从所述标准脸模型的轮廓点出发，进行变换得到所述任一训练脸的轮廓点过程中，不断利用所述优化函数进行优化，得出所述人脸部位轮廓定位模型回归函数的系数，所述优化函数如下：

Min(||S-f(S₀)||+||f(S₀)_LeftEyeCenter-S_Detect_LeftEyeyCenter||

+||f(S₀)_RightEyeCenter-S_Detect_RightEyeyCenter||

+||f(S₀)_MouthEyeCenter-S_Detect_MouthEyeyCenter||)

计算所述人脸部位轮廓定位模型的具体过程如下：

S₁＝f(S₀)；

S₁＝S₀×R₀+T₀；

S₂＝f(S₁)＝T₁+_R1×(S₀×R₀+T₀)；

...

S＝T_i+R_i×(S_i-1×R_i-1+T_i-1)。

5.根据权利要求1所述一种自动化人脸五官与面部轮廓辨识方法，其特征在于，通过所述检测分类器模型确定所述测试脸的位置之前还包括：

对于给出的任意一副测试图像，判断所述测试图像中是否存在人脸，即所述测试脸；

若存在所述测试脸，则通过所述分类器模型确定所述测试脸的位置。

6.根据权利要求5所述一种自动化人脸五官与面部轮廓辨识方法，其特征在于，所述对于给出的任意一副测试脸，通过所述检测分类器模型确定所述测试脸的位置的过程包括：

利用所述检测分类器模型得到所述测试脸的人脸的粗略轮廓、左眼的粗略轮廓、右眼的粗略轮廓和嘴巴的粗略轮廓；

通过所述各个粗略轮廓计算得出所述测试脸的位置；

所述由各个粗略轮廓计算得出所述测试脸的位置包括：所述测试脸的人脸的坐标位置、左眼中心位置、右眼中心位置和嘴巴中心位置。

7.根据权利要求1至6任一项所述一种自动化人脸五官与面部轮廓辨识方法，其特征在于，所述检测分类器模型包括：

人脸检测分类器模型、左眼检测分类器模型、右眼检测分类器模型和嘴巴检测分类器模型。