[发明专利]兼容真实人脸和漫画人脸的跨域关键点检测方法

权利要求书

1.一种兼容真实人脸和漫画人脸的跨域关键点检测方法，其特征在于，包括以下步骤：

步骤A，建立人脸定性形状模型即QSM模型，并训练五官检测器、局部关键点检测器和整体关键点微调器；

步骤B，使用五官检测器对人脸图像进行五官位置的初始检测得到候选五官框，然后使用QSM模型进行筛选以确定正确的五官框；

步骤C，使用局部关键点检测器分别对五官检测以得到关键点；

步骤D，使用整体关键点微调器对关键点位置进行调整。

2.根据权利要求1所述的方法，其特征在于，所述的步骤A中，建立人脸定性形状模型包括以下步骤：

步骤A1，将人脸五官分为4个独立的五官，分别是包含左眉毛的左眼、包含右眉毛的右眼、鼻子和嘴巴；计算人脸图像中各五官的中心点坐标，并确定五官之间的上下左右定性空间关系属性；

步骤A2、根据上下左右定性空间关系属性生成五官样例，使用当前最佳假说算法在生成的所有样例上，进行归纳学习，获得五官的初始一阶逻辑定义；

步骤A3、使用三原色相似度方法并结合上下左右定性空间关系，进行对称性检测；将对称性的检测结果转换成对称性定性空间关系属性；以析取的方式将对称性定性空间关系属性加入到步骤A2学习到的五官一阶逻辑定义中，从而组成人脸定性形状模型即QSM模型。

3.根据权利要求2所述的方法，其特征在于，所述的步骤A1包括：

步骤A11，对于真实人脸数据集的每个样本，基于样本所提供的关键点标签，找出每个五官包含的关键点的最小横坐标x₁、最小纵坐标y₁，最大横坐标x₂和最大纵坐标y₂；计算每个五官中心点(x₀，y₀)：

x₀＝(x₁+x₂)/2

y₀＝(y₁+y₂)/2

步骤A12，根据五官中心点坐标，确定所有五官与其他五官之间的上下左右定性空间关系属性，其中包括horiLE，horiRE，horiN和horiM四个用于描述水平定性空间关系的属性，其中horiLE表示当前五官与左眼在水平方向的关系，horiRE表示当前五官与右眼在水平方向的关系，horiN表示当前五官与鼻子在水平方向的关系，horiM表示当前五官与嘴巴在水平方向的关系，属性的取值为表示当前五官处于相应五官左边的left、当前五官处于相应五官相同水平位置的equal或者当前五官处于相应五官右边的right；

还包括vertLE，vertRE，vertN和vertM四个用于描述竖直定性空间关系的属性，其中vertLE表示当前五官与左眼在竖直方向的关系，vertRE表示当前五官与右眼在竖直方向的关系，vertN表示当前五官与鼻子在竖直方向的关系，vertM表示当前五官与嘴巴在竖直方向的关系，属性的取值为表示当前五官处于相应五官上方的up、当前五官处于相应五官相同竖直位置的equal或者当前五官处于相应五官下方的down。

4.根据权利要求2所述的方法，其特征在于，所述的步骤A2包括：

步骤A21，对于真实人脸数据集的每个样本，对每一个五官x分别生成归纳学习的正例和负例：以在人脸中除去五官x的其他五官组成的集合称为set，对五官x与集合set中每个五官成立的上下左右定性空间关系属性进行合取，得到五官x的正例；对集合set中的每一个五官，也分别将它们与set中的每一个五官成立的上下左右定性空间关系属性进行合取，得到五官x的负例；

步骤A22，对于每一个五官，使用Current-best-hypothesis即当前最佳假说算法在该五官所有的正例和负例中进行归纳学习，且初始假说随机设置为该五官的其中某一个正例，在学习时若遇到假负例，即当前假说判定为负例，但实际为正例，则对当前假说进行泛化操作；若遇到假正例，即当前假说判定为正例，但实际为负例，则对当前假说进行狭化操作；若遇到真正例和真负例，则维持当前假说不变；归纳学习完成后得到各个五官的初始一阶逻辑定义。