[发明专利]一种人脸标记的方法

说明书

本发明提供了一种人脸标记的方法，包括训练过程和预测过程，所述训练过程包括以下步骤：A1、输入训练样本，对训练样本进行预处理；A2、进行级联回归训练；A3、训练完毕后生成模型文件并保存；所述预测过程包括以下步骤：B1、对输入的人脸图像进行去噪滤波；B2、待检测人脸图像；B2、对处理好的人脸图像模型预测计算；B3、通过训练好的模型文件，分析计算得到特征点的位置，从而得到人脸的形状。本发明所述的一种人脸标记的方法有效解决目前人脸标记算法用于视频序列中时都存在的标记点抖动问题，使视频序列中人脸关键点标记更加稳定，为后续基于标记点的分析和处理环节提供了稳定的效果，尤其是对标记点位置稳定和准确度要求高的应用。

技术领域

本发明属于人脸标记领域，尤其是涉及一种人脸标记的方法。

背景技术

伴随着机器视觉研究的兴起，以人脸检测、标记和分析等技术为基础的 应用成为当下的热点，包括人脸身份识别，人脸特效，表情分析识别等。所 有这些应用依赖的基础就是人脸检测和标记技术。人脸标记就是给定一张人 脸图像，在人脸图像的人脸区域找出面部和五官边缘轮廓的位置，通过找到 的位置就可以获得面部轮廓形状和五官的位置及形状，从而可以进一步进行 特征分析、属性分析等。

传统的人脸标记的算法都是基于单帧图像的，而对于视频图像序列而言， 由于摄像头的和外部光照环境的影响，视频前后帧的图像即使没有运动也会 有明显的差异，会导致特征点的抖动，位置不稳定，利用传统的人脸标记 算法对视频图像序列进行人脸检测标记准确性较低。

发明内容

有鉴于此，本发明旨在提出一种人脸标记的方法，有效解决目前人脸标 记算法用于视频序列中时都存在的标记点抖动问题，使视频序列中人脸关键 点标记更加稳定，为后续基于标记点的分析和处理环节提供了稳定的效果， 尤其是对标记点位置稳定和准确度要求高的应用，比如表情分析及识别。

为达到上述目的，本发明的技术方案是这样实现的：

一种人脸标记的方法，包括训练过程和预测过程，所述训练过程包括以 下步骤：A1、输入训练样本，对训练样本进行预处理；A2、进行级联回归训 练；A3、训练完毕后生成模型文件并保存；

所述预测过程包括以下步骤：B1、对输入的人脸图像进行去噪滤波；B2、 待检测人脸图像；B2、对处理好的人脸图像模型预测计算；B3、通过训练好 的模型文件，分析计算得到特征点的位置，从而得到人脸的形状。

进一步的，步骤A1中输入的训练样本是对人脸区域和关键点进行标记 过的图像，记为Li(i＝N)，N表示训练集合的总数目，特征点形状是所有 这些特征点位置构成的一个整体轮廓；

特征点的真实形状记为Si，表示所有特征点的坐标信息。

进一步的，步骤A1中对训练样本进行预处理包括归一化处理，归一化 处理的方法为：通过将各个样本图像的特征点进行同构尺度的缩放、平移操 作，将各个样本图像的人脸形状都映射到统一的标准矩阵内，并得到各个样 本图像在标准矩阵内对应的形状信息，包括对应各个特征点的坐标信息。

进一步的，对样本图像集中各个样本图像进行归一化处理，用于保证各 个样本图像上的特征点所在的矩阵是一致的，方便进行训练，构建得到级联 回归学习模型。

进一步的，在步骤A2中，通过随机森林进行级联回归训练。

进一步的，步骤A3中生成的模型文件包括随机森林的级数、每级森林 中回归树的数量、每棵回归树的深度和回归树种每个节点的节点信息。

进一步的，所述回归树种每个节点的节点信息包括每个节点的像素对位 置和阈值、左右分支的概率信息、叶子节点的误差估计值。

进一步的，在步骤B1中，通过非线性中值滤波的方式对输入的人脸图 像进行去噪滤波，通过对图像中每个像素为中心的N*N(其中N为奇数) 窗，统计计算出中值，该位置处的像素值用中值代替。