[发明专利]三维人脸点云鼻尖检测方法及应用其的数据处理装置

摘要

本发明公开了一种三维人脸点云鼻尖检测方法及应用其的数据处理装置，通过利用超体素对三维点云数据进行高效分割，利用超体素邻域来增强人脸局部结构之间的匹配能力，结合局部参考框架来估计测试人脸姿态与训练样本人脸姿态的相对几何变换，进而校正三维人脸鼻尖位置的广义霍夫投票过程，提高了系统的人脸鼻尖位置估计精度和可靠性。

主权项

1.一种三维人脸点云鼻尖检测方法，包括：训练步骤，所述训练步骤包括：根据标识有鼻尖位置的训练样本点云获取训练样本三维局部结构的描述集合，每个训练样本三维局部结构的描述包括对应三维局部结构的特征向量、类别标记、局部参考框架以及相对于鼻尖位置的三维空间偏移量，其中所述类别标记用于表示训练样本点云为正样本或负样本，正样本为包含人脸数据的训练样本点云，负样本为不包含人脸数据的训练样本点云，所述局部参考框架为用于描述对应三维局部结构的局部参考坐标系；以及在决策树分类器的不同层，交替地以最小化类别不确定性和偏移量不确定性为目标，基于全部训练样本点云的三维局部结构的描述集合训练随机森林分类模型，所述随机森林分类模型包括多个决策树分类器，所述决策树分类器的叶子节点存储正训练三维局部结构的局部参考框架、相对于鼻尖位置的三维空间偏移量以及在该叶子节点上正样本数量的占比，所述决策树分类器的枝节点存储对应的二元测试函数分类条件，所述二元测试函数分类条件如下，包括分类使用的特征通道和分类阈值：其中，v表示三维局部结构，表示三维局部结构v在特征通道a下的描述特征，t_a，v(I)表示描述特征的二元分类结果，a∈{1,2,...C}表示选取的特征通道，C表示三维局部结构的特征向量的总维数，τ表示选取的特征通道对应的分类阈值；类别不确定性为其中，|A|是三维局部结构A中超体素的个数，p(l|A)是A中类别为l的超体素所占的比例；偏移量不确定性为其中，l_i是该叶子节点处第i个三维局部结构的类别，d_i是该叶子节点处第i个三维局部结构相对于鼻尖位置的三维空间偏移量，d_A是集合A中所有三维局部结构的平均空间偏移量；以及，检测步骤，所述检测步骤包括：根据待检测样本点云获取待检测三维局部结构的描述集合，每个待检测三维局部结构的描述包括对应待检测三维局部结构的特征向量和局部参考框架；利用所述随机森林分类模型对待检测点云的每个待检测三维局部结构进行分类，基于匹配的叶子节点处存储的每一个正样本的空间偏移量和局部参考框架以及待检测三维局部结构的局部参考框架估计对应的候选鼻尖位置，并基于匹配的叶子节点处的正样本占比对所述候选鼻尖位置赋予权重以获取霍夫空间；在所述霍夫空间检测极值获取鼻尖位置。