[发明专利]一种基于ASM算法的人脸特征定位方法

权利要求书

1.一种基于ASM算法的人脸特征定位方法，包含下列步骤：

步骤1.选取人脸库中的M张图片作为样本集并对其进行特征点的标定；

对人脸库中的每张样本图片的主要器官的轮廓进行n个特征点的手工标定，则一张样本图片由n个特征点的坐标值X＝(x₁，...，x_n，y₁，...，y_n)^T表示；M张图片的样本集表示成XA＝(X₁，X₂，...，X_M)；

步骤2.采用Procrustes Analysis算法对样本集XA进行配准，具体包括；

步骤2-1.固定样本集XA中的第k列向量X_k，计算第k列向量X_k和第m列向量X_m的平均值c_k和c_m，其中1≤k≤M，m≠k且1≤m≤M；

步骤2-2.计算矩阵B＝(X_m-I·c_m)(X_k-I·c_k)^T，其中I为一个和X具有相同维数的单位向量；并对矩阵B进行奇异值分解，得到B＝USV^T，其中U为2n阶正交矩阵，V为2n阶正交矩阵，S是矩阵B的奇异值；

步骤2-3.构造旋转矩阵R＝UV^T，位移矩阵T＝I·c_k-R·c_m；

步骤2-4.X_m经过以X_k为基准进行配准后，得到的向量Y_m＝R·X_m+T；

步骤2-5.对XA中的每一列不同于X_k的向量做步骤2-2至步骤2-4的变换，得到与XA同样大小的新的样本集YA＝(Y₁，Y₂，...，Y_M)，其中Y_k＝X_k；

步骤3.计算平均人脸模型Y‾=1MΣi=1MYi;]]>

步骤4.采用对三种分辨率下的图片进行轮廓搜索的策略，建立统计灰度搜索模型，具体方法如下：

针对人脸库中的每张样本图片的每一个特征点，以该特征点的坐标为中心，取其法线方向两侧各w个像素点的灰度值按顺序组成向量g＝(g₁，g₂，...，g_(2w+1))^T；然后求出向量g＝(g₁，g₂，...，g_(2w+1))^T的一阶差分向量g′＝(g₂-g₁，g₃-g₂，...，g_(2w+1)-g_2w)；其次构建该特征点的灰度搜索模型接着构建该人脸样本图片的搜索模型G^*＝(g^*₁，g^*₂，...，g^*_n)；最后构建人脸库中整个人脸样本图片集的统计灰度搜索模型

步骤5.对待定位人脸图像Y_s进行搜索定位，包括以下具体步骤；

步骤5-1.搜索的初始位置为其中为待定位人脸图像Y_s的人脸模型，其中：M(s，θ)表示缩放、旋转操作，s为缩放因子，θ为旋转因子；T为代表平移操作的平移因子；P＝(p₁，p₂，...，p_t)，b＝(λ₁ λ₂...λ_t)，b由协方差矩阵的t个最大的特征值从大到小的顺序排列而成，P由b中特征值对应的正交特征向量构成，t的取值为不等式确定的最小值，权值系数α取0.98或0.95，b向量初始元素值为0；

步骤5-2.根据待定位人脸图像Y_s的人脸模型在待定位人脸图像Y_s中提取n个特征点，以每个特征点坐标为中心，取其法线方向两侧各l个像素点的灰度值，根据步骤4的方法计算得到本次搜索的局部灰度模型其中l＞w；

步骤5-3.匹配统计灰度搜索模型和局部灰度模型以确定n个特征点的移动方向dY，移动方向dY确定后，姿态参数控制的等式(y+dY)＝M(1+ds，dθ)[y]+dT成立；

步骤5-4.位置参数dy由等式M(s(1+ds)，θ+dθ)[Y+dy]+T+dT＝y+dY确定，等式变换得到dy＝M((s(1+ds))^-1，-(θ+dθ))[M(s，θ)[Y]+dY-dT]-y；

步骤5-5.Y+dy≈Y‾+P(b+db)]]>成立，更新形状参数db＝P^-1·dy；

步骤5-6.循环5-1到5-5，直至本次循环与上次循环结果的n个特征点的坐标值之和的差异值占本次循环结果的比例小于阈值Tg时，搜索完成，定位结束，得到待定位人脸图像Y_s的人脸模型Y‾s=Y‾+Pb.]]>

2.根据权利要求1所述的基于ASM算法的人脸特征定位方法，其特征在于，步骤5-6中所述阈值Tg的取值范围是(0，0.001]。