[发明专利]基于深度神经网络的人脸姿态重建方法

权利要求书

1.一种基于深度神经网络的人脸姿态重建方法，其特征在于，包括：

人脸图像的预处理，将人脸训练样本分成多个局部小块，组成样本局部图像集，所选取人脸图像满足凸显的大小一致、人脸部分位置一致、人脸的概略对齐，消除对人脸图像对姿态重建的影响；

构建人脸姿态中的神经网络，根据改进后的人脸姿态重建关系式，将样本局部图像集代入神经网络，通过神经网络求出关系式的各因子对应参数，确定重建关系式，训练出改进后的姿态重建模型；

把分割好的测试局部图像集代入训练好的姿态重建模型，得到预测后的人脸图像局部小块，将人脸图像局部小块组合后生成人脸图像；

所述把分割好的测试局部图像集代入训练好的姿态重建模型，得到预测后的人脸图像局部小块，将人脸图像局部小块组合后生成人脸图像包括：

将各部分小块图像合成人脸图像局部小块图像，其公式为：

式中，a_i为初始化局部图像块之间的重构系数，作为一次项x_i的参数的初始化值，其表示公式为：γ_i表示初始化的线性因子，其表示公式为：b_i为偏置参数，其初始化值为0；

将人脸图像局部小块图像合成人脸图像，其公式为：

2.根据权利要求1所述的基于深度神经网络的人脸姿态重建方法，其特征在于，所述人脸图像的预处理包括：

采集人脸图像，制作人脸图像库；

采用加权平均法对人脸图像进行灰度化处理；

对灰度化处理后的人脸图像进行几何归一化处理；

采用线性变换方法进行人脸图像的数据归一化处理；

对人脸图像中值滤波去噪。

3.根据权利要求2所述的基于深度神经网络的人脸姿态重建方法，其特征在于，所述采用加权平均法对人脸图像进行灰度化处理包括：

对人脸图像中的RGB分量进行加权平均，得到灰度图像的灰度值，其公式为：

F(x,y)＝0.2989R(x,y)+0.5870G(x,y)+0.1140B(x,y) (1)

式中，0.2989，0.5870，0.1140分别为(x,y)位置的像素点R分量、G分量、B分量对应的权值，经过公式(1)得到灰度化后的图像(x,y)位置像素点的灰度值F的大小。

4.根据权利要求2所述的基于深度神经网络的人脸姿态重建方法，其特征在于，所述对灰度化处理后的人脸图像进行几何归一化处理包括：

采用LBP算法的人脸检测训练模型，对模型要训练的人脸图像进行检测，在人脸图像中找到人脸部分的位置，确定人脸区域的准确位置，准确获取人脸部分；

采用AdaBoost算法训练检测眼睛位置，对测试图像进行人眼检测，获得图像上的眼睛区域，作为眼睛精确位置的初步估算；

根据图像平面旋转方法，对人脸图像中选取的某一点位置作为基准点，将人脸图像以基准点为中心进行旋转，将人脸图像进行矫正对齐。

5.根据权利要求2所述的基于深度神经网络的人脸姿态重建方法，其特征在于，所述采用线性变换方法进行人脸图像的数据归一化处理包括：线性函数转换方法、对数函数转换方法、反余切函数转换方法、正态分布化方法、小数定标规范化方法、模糊量化模式方法。

6.根据权利要求2所述的基于深度神经网络的人脸姿态重建方法，其特征在于，所述对人脸图像中值滤波去噪包括：

设置滤波模板，并将滤波模板的中心与人脸图像的像素点位置进行重合；

将滤波模板与人脸图像重合区域内的各个对应像素点的灰度值进行排序；

获取人脸图像重合区域灰度值的中间值；

将中值赋值给模板中心位置的像素点。