[发明专利]一种帧间信息导向的头部姿态估计优化方法

说明书

本发明公开了一种帧间信息导向的头部姿态估计优化方法，包括人脸检测、人脸对齐、参数估计三个步骤。在人脸检测时，根据前邻帧的人脸位置信息缩小待测区域，提高人脸检测速度；在人脸对齐时，根据前邻帧的头部姿态是否偏转过大，剔除一些处于人脸轮廓边缘而导致定位不准的特征点，提高鲁棒性；在参数估计时，利用参数在前后帧的相近性简化了求解过程，省去了直接线性变换的步骤。本发明公开的方法在不增加复杂运算的前提下，优化了传统的头部姿态估计方法的准确性和实时性，为其再结合其他相关技术，实现更丰富的应用提供了支撑。

技术领域

本发明涉及一种帧间信息导向的头部姿态估计优化方法，用于视频流中的人脸面部图像处理分析领域。

背景技术

头部姿态估计是机器视觉和人机交互交叉领域的研究热点，通常是从二维的人脸图像估计得到头部对应的三维姿态，可以用三个欧拉角来描述。用专业的头部佩戴式感应设备可以获得精确的姿态数值，然而存在操作复杂、携带不便等缺点。基于机器视觉处理技术的头部姿态估计方法则不存在上述方法的弊端，可以被移植在配备摄像头的智能设备上，操作简单，能被运用于人脸辅助识别、驾驶员疲劳检测、虚拟现实等多种应用场景中。

现有的头部姿态估计方法主要分为基于特征和基于模型两类。基于特征的方法通常是提取待测人脸图像的某种特征，并与已标记姿态的样本做匹配，将匹配程度最高的样本姿态作为待测人脸图像的姿态，此方法提取特征的运算复杂，且所得到的姿态精度取决于样本标记是否设置合理，故不太适用于准确性实时性要求较高的场合。基于模型的方法需要预先建立一个描述头部形状轮廓的模型，然后基于针孔透视成像的原理建立起人脸图像和头部三维姿态的映射关系，一般分为人脸检测、人脸对齐、参数估计三个环节，在人脸对齐准确的前提下，理论上可以获得精确值。随着头部姿态估计技术越来越广泛地运用于人机交互等场景，传统的头部姿态估计方法无法满足一些准确性和实时性上的要求，如人脸检测速度慢、人脸对齐获得的特征点存在漂移而导致误差上升、求解速度慢的问题。

发明内容

为克服上述现有技术的不足，本发明提出一种帧间信息导向的头部姿态估计优化方法，解决传统头部姿态估计方法在处理视频流时速度慢、准确性差的问题。

本发明解决其技术问题所采用的技术方案是：一种帧间信息导向的头部姿态估计优化方法，包括人脸检测、人脸对齐、参数估计三个步骤。

1)人脸检测：采用基于HOG特征的人脸检测算法，除了初始帧需要对整幅图像进行人脸检测之外，其余帧可根据前邻帧的检测出的人脸位置信息改进搜索策略，缩小待测区域，提高检测速度。

2)人脸对齐：在步骤1)的基础上，采用级联回归树算法对当前帧检测出的人脸图像进行处理，得到特征点的二维图像像素点坐标，为了提高后续步骤的鲁棒性，在该步骤对特征点做两次筛选。第一次筛选，选择特征明显的特征点，例如眼角、眉角、嘴角、鼻尖等。第二次筛选，根据前邻帧计算得到的姿态是否偏转度过大，剔除一些处于人脸轮廓边缘而导致定位不准的特征点。通过两次筛选，只选取鲁棒的特征点，增强整体的抗噪性能。

3)参数估计：将步骤2)筛选得到的特征点与头部模型进行匹配，并联立方程求解。传统的求解方法分为两步，第一步采用直接线性变换方法求得粗糙解，第二步将粗糙解作为迭代算法的初值，求得最优解。本发明将前邻帧的最优解作为当前帧的迭代算法的初值，省略了直接线性变化的求解步骤，能在保证精度的同时提升速度。

本发明充分利用了视频中前后帧之间的强相关性，根据前邻帧的人脸位置信息缩小待测区域，提高人脸检测速度，同时根据前邻帧姿态筛选稳定的特征点，提高鲁棒性，最后直接利用参数在前后帧的相近性简化了求解步骤。本发明在不增加复杂运算的前提下，优化了传统的头部姿态估计方法的准确性和实时性，为其再结合其他相关技术、实现更丰富的应用提供了支撑。

附图说明

图1是本发明主要流程的示意图。

图2是改进搜索策略的人脸检测的方法示意图。