[发明专利]一种人脸特征提取方法

说明书

技术领域

本发明涉及图像分析技术领域，具体讲是一种人脸特征提取方法。

背景技术

人脸特征提取技术就是通过计算机在一幅人脸图像上自动定位出人脸各个器官的准确位置，其中包括眼睛、鼻子、嘴巴以及人脸外轮廓等所有需要提取特征点的位置。人脸特征提取可以为人脸识别、表情姿态分析、人脸跟踪等研究工作提供相应的基础数据。当前存在许多特征提取算法如主特征分析（PCA）、局部二元模式（LBP）、线性判别分析（LDA）、Gabor小波变换等可以用于提取人脸特征，但是这些方法只能在特定条件（光线、姿势、化妆和脸部表情恰当）下可以较好工作，而且得到的都是一些底层的、复杂的信息，用于人脸识别和聚类很难取得好的效果。

主动表观模型（Active Appearance Model，AAM）已经被成功的应用于很多领域中，涉及的领域有人脸建模，人眼建模，脸部表情识别，图像分割和分析，姿态估计，脸部跟踪和手势识别等。人脸特征定位算法，根据使用数据维度大致可以分为两类：基于二维图像的人脸特征定位、基于三维图像的人脸特征定位。基于二维图像的人脸特征定位由于现有人脸检测分割技术的固有限制，光照、背景和人物姿态等对处理结果有较大的影响。基于三维图像的人脸特征定位使用了昂贵的三维扫描仪器用于生成三维人脸图像，使用曲率计算和全局配准的算法，对计算机和处理设备的要求过高，难以实用推广。主动表观模型（AAM）就是使用较为广泛的基于二维图像的人脸特征定位的一种方法。

Kinect相机2010年在美国上市，这种小巧低廉的深度相机设备，在商用硬件上也能达到每秒200帧以上，在复杂背景和人物姿态条件下能够准确跟踪并分割脸部图像，给计算机视觉、计算机图形学、人机交互等领域带来一系列革命性的变化。基于本段前述可知，虽然Kinect相机已广泛应用于人体姿态分析识别，且在复杂背景和人物姿态条件下能够准确跟踪并分割脸部图像，但是目前为止还没有利用Kinect相机提供的人体姿态分析数据和深度数据来对人脸特征进行定位的方法，即还未见利用Kinect相机提供的人体姿态分析数据和深度数据进行人脸特征提取的方法。

发明内容

本发明所要解决的技术问题是，提供一种将Kinect相机提供的人体姿态分析数据和深度数据融合到Depth-AAM算法中，形成基于2.5维图像的人脸特征提取方法。

本发明的技术方案是，提供一种人脸特征提取方法，包括以下步骤，

1）采用主成份分析方法训练Depth-AAM算法的表观模型：

①利用Kinect相机采集训练用人脸图像的纹理图像和深度图像，将深度图像从0~65535像素范围压缩到0~255像素范围，代入四通道图像的α通道，再与纹理图像合并为RGBD四通道图像，并对其进行手工标定若干个轮廓点；

②定义人脸形状为组成网格的v个顶点坐标s＝(x₁,y₁，...,x_v,y_v)^T；顶点构成的形状向量用主成份分析方法建立二维线性模型，形状向量被表示成基本形状s₀加上m个形状向量s_i的线性组合p＝(p₁，...,p_m)^T是形状矩阵的特征值向量，s₀为人脸图像的标准姿态，s_i是特征值p_i对应的特征向量；