[发明专利]一种形状自适应分类的特征点检测方法

摘要

本发明提出了一种形状自适应分类的特征点检测方法。首先该发明使用了多视角模型，对不同的人脸姿态进行相应的处理，在基于级联回归的多视角模型训练和测试过程中，使用姿态分类算法对不同的人脸样本进行分类。其次，在测试过程中，根据级联回归算法的特性，采用了动态人脸姿态分类的方法，逐步提高分类的准确性，从而提高人脸特征点定位算法的精度。同时，为了进一步减少特征点定位的误差，本发明使用了多个多视角模型集成策略，在测试过程中，多个多视角模型同时用于预测特征点位置。试验证明，与传统方法比较，本发明对非限制环境下人脸表观变化有更好的鲁棒性。

主权项

一种形状自适应分类的人脸特征点检测方法，其特征在于，包括如下步骤：(a)从训练集中随机选取一定比例的图片，对这些图片进行镜像处理，接着对以上对图像再进行随机角度的左右旋转，最终获得扩展的人脸特征点库；(b)使用PCA人脸姿态分类方法，将获得的训练集分为三类，其中使用训练人脸形状的标准差分为三个区间[‑∞,std]，[‑std,std]，[std,∞]，从而将人脸形状分为三类，接着使用级联回归模型的训练方法，得到多视角模型结构；(c)重复(a)和(b)两个步骤三次，获得多视角集成模型结构；(d)通过摄像头获取检测人员的人脸图像样本，并组成测试集；(e)对人脸图像样本中人脸位置进行定位，并标注出人脸位置；(f)使用初始预测模型，定位出人脸特征点的初步位置，其中初始预测模型在训练过程中预先训练获得；(g)对初始的人脸特征点形状使用PCA人脸姿态分类方法进行分类，其中分类方法如下：将初始人脸形状进行标准化处理，再使用标准化后的标准差std组成三个区间[‑∞,std]，[‑std,std]，[std,∞]，从而将人脸形状分为三类；(i)将步骤(g)分类后的人脸形状在第一个强回归器中获得新的人脸形状更新，对该新人脸形状进行再一次分类，即使用动态人脸姿态分类方法对人脸姿态形状进行新的形状分类，在每个强回归器完成预测后，使用PCA人脸姿态分类方法对新的人脸特征点形状进行分类，其中强回归器由多个弱回归器组成，弱回归器通过随机蕨获得；(j)将上一步获得的人脸形状分类用于该步骤，将分类后的人脸姿态形状再放入与之对应的下一个强回归器进行进一步的预测计算，从而再次获得新的人脸形状更新；(k)重复第(i)和(j)步，直到所有的强回归器完成预测，所有的强回归器完成预测之后得到的是人脸特征点的精确坐标；(m)对多个测试结果求平均值，得到最终的预测结果。