[发明专利]一种自动化人脸五官与面部轮廓辨识方法

说明书

技术领域

本发明属于计算机视觉、智能安防，视频和图像分析技术领域，尤其涉及一种借助于机器学习技术的自动化人脸五官与面部轮廓辨识方法。

背景技术

人脸识别正在逐步的应用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域，伴随着人脸识别技术应用技术领域的范围增加，人们对于人脸识别技术的精度要求也越来越高。而面部结构的精准定位则是提高人脸识别技术精度的基础。现今，如何准确地对人脸各个部位进行定位是目前计算机视觉领域比较热门的一个课题，因为它对于人脸识别，人脸化妆，人物表情分析等具有十分重要的意义。这个方面从早期的主动形状模型(ASM，active shape model)方法一直发展到最新提出的显著人脸形状回归算法，它们均取得了积极成果。

但是这些方法仅仅是从人脸的形状入手，采用对大量人脸形状的训练和分析得到一些标注模型，然后将该模型应用于任何测试人脸图像中，是一种无监督的分析定位过程，存在了较大的不可避免的误差。且当训练数据集比较小，或者某个人的人脸与训练集中的数据差别比较大的时候，人脸轮廓定位将变得尤其不准确。

所以研发一种具有监督的分析定位过程的人脸定位系统，提高人脸各部位定位的精度显得尤为重要。

发明内容

为解决传统无监督式人脸各部位定位过程中，若训练数据集比较小，或者某个人的人脸与训练集中的数据差别比较大的时候，人脸各部位无法高精度定位的技术问题，本发明提供一种自动化人脸五官与面部轮廓辨识方法。

在一些可选的实施例中，所述自动化人脸五官与面部轮廓辨识方法，包括：采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中心位置；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中心位置与由所述检测分类器模型确定所述测试脸的中心位置的差值达到最小小于预定的阈值。

在一些可选的实施例中，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测试定位轮廓、左眼的测试定位轮廓、右眼的测试定位轮廓和嘴巴的测试定位轮廓；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中心位置包括：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。

在一些可选的实施例中，所述采用训练机制得到检测分类器模型的过程包括：准备一组训练图像集，框出所述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。

在一些可选的实施例中，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)。