[发明专利]一种快速的人脸特征点初始化方法

摘要

本发明公开了一种快速的人脸特征点初始化方法，属于计算机视觉领域。该方法的实现过程为：首先将训练样本根据姿势不同分为多个训练样本子集，对每个训练样本子集分别提取链式模型和平均特征。对输入的人脸图像，利用动态规划技术结合链式模型由大量可能的特征点分布中快速的搜索最优的特征点分布作为人脸特征点初始化的结果。本发明能有效的对特征点进行初始化，对特征点初始化结果有依赖的特征点检测算法都可以借助本发明所提出的方法提升其检测精度。

主权项

1.一种快速的人脸特征点初始化方法，其特征在于该方法包括：根据不同头部姿势即人脸图像姿态对训练样本进行划分成多个子类；对每个子类，分别提取链式模型、平均特征，并将所有特征点分布加入特征点分布集合中；对输入的人脸图像，利用动态规划技术快速地由多个的特征点分布中选取最优结果作为人脸特征点初始化的结果；该方法包括训练过程和测试过程两个部分；训练过程为根据人脸图像姿态的不同，将训练样本划分为N个子集S_i,i∈[1,N]；对每个子集S_i，分别提取平均特征及链式模型L_i，并将该子集中每个图像特征点分布经过归一化后加入特征点分布集合P_i中；测试过程为对输入人脸图像，每个特征点的候选位置集合为特征点分布集合P_i,i∈[1,N]中对应特征点的所有位置，利用动态规划技术结合链式模型，依次确定每个特征点，以构成最优特征点分布θ_i，其中θ_i满足每个特征点的局部特征得分和特征点之间的整体特征得分之和最小；最后，选取d_i,i∈[1,N]中的最小值所对应的特征点分布θ_i作为特征点初始化的结果；平均特征的计算方法，包括如下步骤：步骤1：对每个特征点，分别以k个不同的半径提取k个圆形LBP特征，得到一个k维的局部特征；步骤2：对每个特征点，根据当前特征点与链式模型中下一个特征点之间的相对位置提取特征f＝(dx,dy,dx²,dy²)，其中dx,dy分别是两个特征点横坐标之差和纵坐标之差，得到一个4维的整体特征；步骤3：将所有特征点的局部特征和整体特征级联起来，得到高维特征F；步骤4：计算所有特征F的均值作为平均特征；链式模型L的提取，包括如下步骤：步骤1：对姿势集合内所有的样本，计算其特征点平均分布步骤2：对平均特征点分布随机的选取一个特征点，加入链表中；步骤3：选取一个离最近加入链表的特征点最近且不在链表中的特征点，将其加入链表中；步骤4：如果所有特征点均加入链表中，则所建立的链表即为所提取的链式模型，否则重复步骤3；最优特征点分布的确定方法，包括如下步骤：步骤1：使下标j等于1，对链式模型的第j个特征点，对其所有可能位置集合Q_j中所有特征点，计算其局部特征得分，作为该特征点位置的得分；步骤2：使j加1，对链式模型的第j个特征点，对所有可能位置集合Q_j中的每一个特征点p_j，分别由上一个特征点所有可能位置集合Q_j‑1中选取一个最优特征点p_j‑1，使得满足位置p_j‑1得分、位置p_j的局部特征得分和位置p_j‑1与p_j之间的整体特征得分之和最小；并以该结果作为位置p_j的得分；步骤3：如果已经完成对链式模型中所有特征点的计算，以最终最小得分所包含所有特征点位置作为最优特征点分布，否则重复步骤2。