[发明专利]基于回归的主动外观模型初始化方法

摘要

本发明公开了一种基于回归的主动外观模型初始化方法，属于计算机视觉领域。该方法的实现过程为：在利用主动外观模型进行人脸特征点自动跟踪时，假设已知视频跟踪中第一帧的目标位置信息，在后续跟踪过程中，利用双阈值特征对应算法获取相邻帧图像间的离散特征对应，利用通过核岭回归算法建立的离散特征点与结构化标定点之间空间映射关系，获取人脸特征的初始标定，可大幅降低后续迭代次数，同时提高标定精度。与传统主动外观模型的初始化方法相比，本发明的可辅助主动外观模型获取更为准确的人脸特征点标定结果。

主权项

一种基于回归的主动外观模型初始化方法，其特征在于：在利用主动外观模型进行人脸特征点自动跟踪时，假设已知视频跟踪中第一帧的目标位置信息，利用局部特征对应方法获取前后帧图像的散乱局部点特征对应。利用核岭回归算法建立散乱局部特征点与人脸特征标定点之间的空间位置映射关系，从而完成主动外观模型的初始化工作，其具体实现步骤如下：(1)选定训练视频，利用核岭回归算法建立散乱局部特征点与人脸特征标定点之间空间位置的映射M_v；(2)利用Cascade Adaboost算法检测人脸，并将人脸图像归一化为250*250大小；(3)计算前帧重建图像与当前重建图像之间的误差其中I₁和I₂分别为前帧人脸图像和当前人脸图像，x为均值形状s₀下的像素集合，p为从均值形状s₀到当前重建形状s的变形参数，W(x；p)为重建形状s下的像素集合，N为均值形状下像素的个数；当e＞e₀时，说明前帧人脸图像与当前人脸图像差别较大，转入步骤(3)，否则，转入步骤(5)，其中e₀＝5e‑4为误差阈值；(4)提取前帧人脸图像I₁和当前帧人脸图像I₂的SIFT特征，利用基于双阈值的特征匹配方法进行匹配，得到匹配对C＝{(c_k，c′_k)，k＝1，2，…，q_C}，其中q_C为匹配对个数；(5)在前帧人脸图像I₁中提取空间向量V＝{V_k，k＝1，2，…，n}，其中n为人脸特征点个数；(6)根据步骤(1)中得到的映射M_v参数以及步骤(4)中得到的匹配点，建立测试阶段离散特征点空间位置矢量V作为输入送入映射M_v，输出与之相对应的人脸标定点，即得到对于当前帧跟踪所用的主动表观模型的初始值。