[发明专利]一种人脸跟踪方法

权利要求书

1.一种人脸跟踪方法，其特征在于，包含：

离线训练方法和在线跟踪方法；

该离线训练方法包含多层结构人脸模型训练方法和人脸特征点的离线模板训练方法；

该多层结构人脸模型训练方法为该在线跟踪方法提供人脸模型，该离线模板训练方法为该在线跟踪方法提供人脸特征点离线模板；

该多层结构人脸模型训练方法包含如下步骤：

步骤301，选取适当的人脸图像作为训练样本；

步骤302，对人脸图像的特征点进行标记；

步骤3031-3061，得到基准形状模型；

步骤3032-3062，得到全局形状模型；

步骤3033-3063，得到局部形状模型。

2.如权利要求1所述的人脸跟踪方法，其特征在于，该基准形状模型、该全局形状模型与该局部形状模型的获得方法为：

用s表示一个人脸形状向量：

s=s‾+Pb,]]>

其中，为平均人脸形状；P为一组正交的主形状变化模式；b为形状参数向量；

人脸形状向量s表示为(s_R，s_G，s_L)^T，其中s_R、s_G和s_L分别表示基准特征点、全局特征点和局部特征点；

基准形状模型的点分布模型

全局形状模型的点分布模型

局部形状模型的点分布模型

第i个局部形状向量为s_Gi，Li＝{s_Gi，s_Li}，其中s_Gi，s_Li分别表示属于第i个局部形状的全局和局部特征点。

3.如权利要求1所述的人脸跟踪方法，其特征在于，该人脸特征点的表达方法为：

给定灰度图像中的一个像素一系列Gabor系数可表达该点附近的局部外观，可定义为：

Jj(xρ)=∫I(xρ′)ψj(xρ-xρ′)d2xρ′]]>

其中Gabor核ψ_j为高斯包络函数限定的平面波，

ψj(xρ)=kj2σ2exp(-kj2x22σ2)[exp(ikρjxρ)-exp(-σ22)]]]>

kv=2-v+22π,]]>

其中，k_v为频率，为方向，本发明优选v＝0，1，...，9，μ＝0，1，...，7。j＝μ+8v，且频率波宽设为σ＝2π；

Gabor核由10个频率、8个方向组成80个Gabor复系数，用以表达像素点附近的外观特征，用一个jet向量表示这些系数，J_j＝α_jexp(iφ_j)，j＝0，1，...，79

其中，α_j和φ_j分别为第j个Gabor系数的幅值和相位；

对80个Gabor复系数进行实验筛选，得到该人脸特征点表达所用的小波特征。