[发明专利]一种人脸对齐方法、装置及电子设备

说明书

本发明提供一种人脸对齐方法、装置及电子设备，涉及图像处理技术领域，用以降低ASM方法在高维参数空间里进行形状拟合时的最优搜索的难度。本发明包括：S1、对人脸进行检测，获得待处理人脸图像；S2、利用待处理人脸图像，初始化训练好的层级化组件模型树中每个组件的形状实例和姿态，获得初始形状实例和初始姿态；S3、沿训练好的层级化组件模型树，在待处理人脸图像中自上而下的搜索每个组件对应的特征点新位置，完成每个组件对应的形状实例和姿态的更新；S4、当满足迭代终止条件时，将每个组件在迭代终止时所对应的姿态特征点集在所述层级化组件模型树中的位置逐级进行复合作为人脸对齐结果；否则执行步骤S3。本发明主要用于人脸对齐技术中。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人脸对齐方法、装置及电子设备。

背景技术

在机器视觉领域里，将一形状或模板对齐到给定图像中对象上去的研究进行了多年。人脸对齐的目标就是将人脸二维形状或外观对应到人脸图像上去。有关人脸对齐的应用包括人脸识别，人脸跟踪，表情分析，三维人脸建模以及人脸卡通动画等。

ASM(Active Shape Model，主动形状模型)/AAM(Active Appearance Model，主动外观模型)是最具有代表性的基于模型的人脸对齐方法。通常基于模型的人脸对齐方法，都是通过预先对物体形状训练后来获得一个图像上预期摸样的先验模型。在ASM/AAM中，每个人脸形状是通过模型形状参数给出的，它采用一个迭代的过程，通过对每个特征点附近进行局部搜索最佳匹配点，进而来变形模型的实例，以找寻图像上对象的最佳姿态匹配。

虽然ASM提供了一个运用从训练样本里获取的先验知识来辅助人脸对齐的方法，但采用ASM进行人脸对其的效果好坏，则依赖于图像对象特征紧致性如何以及训练的模型对图像对象描述能力如何。传统的ASM将所有的人脸特征点当作一个整体形状看待，它强调的整体形状约束，因此，在进行人脸对齐时不得不用多个参数来描述形状的变化，这导致在高维参数空间里进行形状匹配时的最优搜索较为困难。此外传统的ASM方法只能对模型按训练集中出现过的形状样本进行变形操作，一旦在待检测图像里的对象出现了训练样本集中没出现过的变形类型，那么模型对齐将会失败。

发明内容

有鉴于此，本发明提供一种人脸对齐方法、装置及电子设备，以降低ASM 方法在高维参数空间里进行形状拟合时的最优搜索的难度。

为解决上述技术问题，本发明提供一种人脸对齐方法，包括：

S1、对人脸进行检测，获得待处理人脸图像；

S2、利用所述待处理人脸图像，初始化训练好的层级化组件模型树中每个组件的形状实例和姿态，获得初始形状实例和初始姿态；

S3、沿所述训练好的层级化组件模型树，在所述待处理人脸图像中自上而下的搜索所述每个组件对应的特征点新位置，并完成每个组件对应的形状实例和姿态的更新；

S4、当满足迭代终止条件时，将每个组件在迭代终止时所对应的姿态特征点集在所述层级化组件模型树中的位置逐级进行复合，作为人脸对齐结果；否则执行步骤S3；

其中，所述层级化组件模型树中包括至少两个组件，所述组件至少包括三个以上的不共线的人脸特征点，所述三个以上的人脸特征点用来描述人脸中一部分器官或者一个器官的轮廓；

所述迭代终止条件包括：

迭代次数达到预定值；或者

所有组件在相邻两次迭代过程中获得的形状参数之间的差异小于预设值。

其中，在所述沿所述训练好的层级化组件模型树，自上而下的搜索所述每个组件特征点新位置，并完成每个组件对应的形状实例和姿态的更新的步骤后，所述方法还包括：

S5、沿所述训练好的层级化组件模型树，自下而上的更新每个组件对应的姿态和形状实例；