[发明专利]图像特征点定位方法及装置

权利要求书

1.一种图像特征点定位方法，其特征在于，所述方法包括：

获取训练样本图像，所述训练样本图像是已标注有N个特征点的人脸图像，所述N为正整数；

提取训练特征矩阵，所述训练特征矩阵是由所述N个特征点的特征向量所组成的矩阵；

按照主分量分析PCA算法对所述训练特征矩阵进行机器训练，获得降维矩阵，所述降维矩阵是由机器训练得到的前m个特征向量构成的矩阵，所述m为正整数；

通过所述降维矩阵对所述训练特征矩阵进行降维处理，获得降维后的训练特征矩阵；

通过SDM算法，对所述降维后的训练特征矩阵进行机器训练，获得预测定位矩阵；

获取待处理的人脸图像对应的初始特征矩阵，所述初始特征矩阵是所述待处理的人脸图像中的N个初始特征点的特征向量所组成的矩阵；

通过所述降维矩阵对所述初始特征矩阵进行降维处理，获得降维后的特征矩阵；

根据所述预测定位矩阵以及所述降维后的特征矩阵进行拟合计算，获得拟合后的特征矩阵；

根据所述拟合后的特征矩阵确定所述待处理的人脸图像中的各个特征点。

2.根据权利要求1所述的方法，其特征在于，所述获取待处理的人脸图像对应的初始特征矩阵，包括：

对所述待处理的人脸图像进行人脸检测，确定所述待处理的人脸图像中的人脸区域；

在所述人脸区域范围内确定出所述N个初始特征点；

根据确定出的所述N个初始特征点获取所述初始特征矩阵。

3.一种图像特征点定位装置，其特征在于，所述装置包括：

样本获取模块，用于获取训练样本图像，所述训练样本图像是已标注有N个特征点的人脸图像；

第一矩阵提取模块，用于提取训练特征矩阵，所述训练特征矩阵是由所述N个特征点的特征向量所组成的矩阵；

第一训练模块，用于按照主分量分析PCA算法对所述训练特征矩阵进行机器训练，获得降维矩阵，所述降维矩阵是由机器训练得到的前m个特征向量构成的矩阵，所述m为正整数；

第二降维模块，用于通过所述降维矩阵对所述训练特征矩阵进行降维处理，获得降维后的训练特征矩阵；

第二训练模块，用于通过SDM算法，对所述降维后的训练特征矩阵进行机器训练，获得预测定位矩阵；

初始矩阵获取模块，用于获取待处理的人脸图像对应的初始特征矩阵，所述初始特征矩阵是所述待处理的人脸图像中的N个初始特征点的特征向量所组成的矩阵，N≥1，且N为整数；

第一降维模块，用于通过预设的降维矩阵对所述初始特征矩阵进行降维处理，获得降维后的特征矩阵；

计算模块，用于根据预设的特征定位算法以及所述降维后的特征矩阵进行拟合计算，获得拟合后的特征矩阵；

确定模块，用于根据所述拟合后的特征矩阵确定所述待处理的人脸图像中的各个特征点；

其中，所述计算模块，包括：

定位矩阵获取子模块，用于获取所述预测定位矩阵；

计算子模块，用于根据所述预测定位矩阵以及所述降维后的特征矩阵进行拟合计算，获得拟合后的特征矩阵。

4.根据权利要求3所述的装置，其特征在于，所述初始矩阵获取模块，包括：

人脸检测子模块，用于对所述待处理的人脸图像进行人脸检测，确定所述待处理的人脸图像中的人脸区域；

确定子模块，用于在所述人脸区域范围内确定出所述N个初始特征点；

获取子模块，用于根据确定出的所述N个初始特征点获取所述初始特征矩阵。