[发明专利]一种人脸对齐方法和相机

说明书

本发明公开一种人脸对齐方法和相机。本发明的相机包括摄像头模组和处理器；本发明的方法包括：采集用户脸部的深度图像和红外图像；利用深度图像和红外图像生成双通道图像，双通道图像的第一通道对应为红外图像颜色特征，双通道图像的第二通道对应为深度图像颜色特征；从第一通道中提取第一类特征点，从第二通道中提取第二类特征点；利用预设分类器对第一类特征点和第二类特点进行分类识别，获得双通道图像中的人脸区域；检测人脸区域中的面部关键点，利用级联决策树回归方法对面部关键点进行回归处理，获得处理后的面部关键点为用户脸部的面部特征点，以利用面部特征点实现人脸对齐检测。本发明能够提高人脸对齐检测的精度，降低计算复杂度。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种人脸对齐方法和相机。

背景技术

人脸检测技术最经典的是Viola和Jones提出的基于Haar特征与CascadeAdaBoost分类器，可达到实时人脸检测，后来又发展到局部组合二值特征(LocallyAssembled Binary，LAB)算法、加速稳健特征特征(Speeded Up Robust Features，SURF)算法、以及归一化像素差异特征(Normalized Pixel Difference，NPD)算法，到现在的深度学习方法检测人脸。但是以上技术都是基于正常场景的人脸图片，识别率受光照影响较大，深度学习的识别率虽然有较大提高，但是其计算量大，很难做到实时，并且对于一些对计算要求比较苛刻的嵌入式设备，很难移植。

人脸对齐方法经过多年的发展，一开始是主动形状模型(Active Shape Model，ASM)、主动外观模型(Active Appearance Model，AAM)，由于其率低下，鲁棒性低，级联回归、深度学习、约束局部模型、监督梯度下降等方法逐渐被应用到人脸对齐领域，使得人脸对齐的鲁棒性得到了很大的提升。但是大部分的人脸对齐方法都是基于灰度图或者RGB图，而且很多算法计算效率比较低。

发明内容

本发明提供了一种人脸对齐方法和装置，以至少部分解决上述问题。

本发明一方面提供了一种人脸对齐方法，包括：采集用户脸部的深度图像和红外图像；利用深度图像和所述红外图像生成双通道图像，双通道图像的第一通道对应为深度图像颜色特征，双通道图像的第二通道对应为红外图像颜色特征；从第一通道中提取第一类特征点，从第二通道中提取第二类特征点，第一类特征点表示面部轮廓，第二类特征点表示面部特征部位；利用预设分类器对第一类特征点和第二类特点进行分类识别，获得双通道图像中的人脸区域；检测人脸区域中的面部关键点，利用级联决策树回归方法对面部关键点进行回归处理，获得处理后的面部关键点为用户脸部的面部特征点，以利用面部特征点实现人脸对齐检测。

优选地，从第一通道中提取第一类特征点，从第二通道中提取第二类特征点，包括：获取双通道图像中的人脸框位置；在第一通道中人脸框周围随机选取多个第一像素点的深度值，将多个第一像素点中的任意两个第一像素点的深度值做差，所获得的差值为第一类特征点；以及，在第二通道中人脸框内部均匀选取多个第二像素点的灰度值，将多个第二像素点中的任意两个第二像素点的灰度值做差，所获得的差值为第二类特征点。

优选地，在第一通道中所述人脸框周围随机选取多个第一像素点的深度值，将多个第一像素点中的任意两个第一像素点的深度值做差，所获得的差值为第一类特征点，包括：根据选取的多个第一像素点之间的距离，基于高斯分布概率对多个第一像素点进行筛选，通过将筛选出的任意两个第一像素点的深度值做差获得第一类特征点。

优选地，在第二通道中人脸框内部均匀选取的多个第二像素点的灰度值，将多个第二像素点中的任意两个第二像素点的灰度值做差，所获得的差值为第二类特征点，包括：根据选取的多个第二像素点之间的距离，基于高斯分布概率对多个第二像素点进行筛选，通过将筛选出的任意两个第二像素点的灰度值做差获得第二类特征点。

优选地，人脸框用于定位双通道图像中的人脸区域，人脸框的大小可变、在双通道图像中的位置可滑动。