[发明专利]利用联合配准改善图像人脸个体配准性能方法及系统

说明书

利用联合配准改善图像人脸个体配准性能方法及系统,第一步，根据组图像中人脸个体的脸区矩形形成人脸标定点集；第二步，利用正面人脸训练集得到参考人脸点集，并对该参考人脸点集以及第一步中的人脸标定点集进行标准化操作；第三步，得到组图像人脸的初步拟合结果集；第四步，根据该参数确定初步拟合结果集的扭曲结果集；第五步，利用扭曲结果集更新参考人脸，迭代从第三步到第五步，完成联合配准过程。使用最大迭代数作为终止度量。本文中的方法属于后者，与之前方法不同之处在于把参考模型从通用模型转化为组图像人脸模型且局部优化期间参考模型可以动态更新，从宏观上避免图像人脸个体配准结果的较大偏移且从微观上进行图像人脸间的互约束。

技术领域：

本发明属于机器视觉领域，具体涉及一种利用联合配准改善图像人脸个体配准性能方法。

背景技术：

利用多幅图像做人脸配准源自组图像联合配准技术。组图像联合配准技术是计算机视觉研究的分支之一，配准时刻同时考虑多幅图像，图像中的人脸可以来自同一人，也可以来自不同人，利用这些人脸的颜色、纹理、形状等信息完成组内所有人脸个体标定点的同时且精确定位。仅考虑单一人脸的配准，虽然使用从训练集取得的约束可以提升配准性能，但是图像人脸本身信息量的缺乏会造成配准性能提升的瓶颈，而同时考虑多幅图像人脸可以弱化该问题，实现信息量增加。

在人脸配准时刻同时考虑多幅人脸图像是有价值的，毕竟，就同一个标定点而言有更多信息可用，易于施加彼此约束和补偿，从而提升组图像人脸个体配准性能。在图像采集时刻因遮挡、光照等因素影响，图像中的部分标定点会受到影响，这对于仅考虑单一图像的人脸配准是极其困难的。然而，就联合配准而言，若组图像人脸中大部分配准结果临近实际位置且就任一标定点而言大部分标定点未受到影响，则可以利用未受影响的标定点信息对受影响的标定点信息进行约束和补偿，通过组内人脸的彼此约束和补偿提升组图像人脸个体的配准性能，从而为后面的人脸分析提供支持。

组图像人脸可以来自同一人，也可以来自不同人，两者的形状模型均可以在线性空间表示，而后者的纹理模型也可以在线性空间表示，前者的联合配准称为广义人脸联合配准而后者的联合配准称为特定人脸联合配准。在联合配准期间，参考人脸的选择是一个重要的因素，通常把广义布鲁克分析应用于人脸训练集且计算均值人脸并作为参考人脸。联合配准期间，参考人脸用于约束组图像人脸配准的优化过程，减少组图像人脸个体的配准误差，迭代期间需要动态更新。

人脸具有特殊性，不仅具有刚性变化而且具有非刚性扭曲，在联合配准期间通常使用两种方式进行组图像人脸配准结果优化：一是仅考虑人脸的刚性变化，先利用图像人脸配准方法取得组图像人脸个体的配准结果，然后通过迭代方式把参考人脸向这些结果渐进拟合，拟合过程为仿射变换参数矩阵乘，迭代期间参考人脸动态更新，迭代结束后取得的拟合结果作为组图像人脸个体的最终配准结果；二是同时考虑人脸的刚性变化和非刚性扭曲，联合配准期间单纯考虑前者会导致外轮廓标定点有较好的配准结果而内部标定点的配准结果有大的误差，单纯考虑后者会导致组图像人脸个体标定点整体约束的缺乏，引发大的配准误差。通常第二种方式被使用。

在使用第二种方式时，从训练集取得的均值人脸通常被选作参考人脸，该人脸与组图像人脸形状没有直接相关性，需要把通用的参考人脸转化为组图像的参考人脸；参考人脸向组图像人脸拟合时首先考虑的是人脸的刚性变化，之后考虑的是人脸的非刚性扭曲，这样，迭代拟合过程可以看做两个阶段：刚性拟合阶段和非刚性扭曲阶段，在不同阶段参考人脸的更新过程不同；组图像人脸的全局优化和组图像人脸个体的局部优化应该同时考虑。

发明内容：

本发明要解决的技术问题是提供一种利用联合配准改善图像人脸个体配准性能方法，其目的是使用动态可更新的参考人脸对多幅图像人脸的配准实施联合约束，解决联合配准期间仅考虑图像人脸的全局仿射变化所导致的配准误差大问题。

技术方案：

一种利用联合配准改善图像人脸个体配准性能方法，其特征在于：该方法步骤如下：