[发明专利]人脸图像面部关键点的定位方法

权利要求书

1.一种人脸图像面部关键点的定位方法，其特征在于：

(1)收集N张互联网人脸图像，形成人脸图像训练集；

(2)为人脸图像训练集中的每张人脸图像进行面部关键点位置标注并得到关键点坐标，其中标注的面部关键点包括人脸器官和面部轮廓，其中的人脸器官包括眉毛中心、眼睛中心、鼻子中心和嘴巴中心，面部轮廓为下面部轮廓，共标记28个面部关键点，以每张人脸图像的左上角为原点O，以水平右向为X轴正方向，以垂直下向为Y轴正方向，建立直角坐标系，得到标注的每个面部关键点i在该坐标系中的位置，其中；

(3)利用人脸检测器对每张人脸图像进行人脸检测，人脸检测器在每张人脸图像上检测到像素大小的矩形人脸检测框，其中心在每张人脸图像的直角坐标系中的坐标为，每张人脸图像的人脸检测框的大小随其对应的人脸图像改变，以该人脸检测框的中心为参考点，在每张人脸图像上抠取像素大小的矩形区域；

(4)对于抠取的像素大小的矩形区域，将其归一化到150*150像素大小矩形区域，以人脸检测框的中心为原点O，水平方向为X轴，垂直方向为Y轴，则面部关键点i的坐标归一化为：，其中为人脸检测框大小，对齐归一化后的每张人脸图像的所有面部关键点的位置记为，则，为面部关键点表示；

(5)在对齐归一化后的人脸图像训练集上为每个面部关键点i单独地进行判别特征学习，具体为：

(5.1)分别获得每个面部关键点i的正例样本和反例样本；

(5.2)对每个面部关键点i得到的所有正例样本和所有反例样本分别提取59维的Uniform LBP特征；

(5.3)计算每个面部关键点i得到的所有样本的均值、正例样本均值和反例样本的均值；

(5.4)计算每个面部关键点i正例样本和反例样本的散度矩阵和以及类间散度矩阵；

(5.5)基于Fisher准则学习每个面部关键点i的判别投影矩阵；

(6)为每张人脸图像进行面部关键点特征提取；

(7)训练得到面部关键点定位模型；

(8)对输入的人脸图像利用定位模型定位得到面部关键点位置。

2.如权利要求1所述的方法，其中步骤(5.1)具体为：在对齐归一化后的每幅人脸图像上，为每个关键点i截取7*7像素大小的窗体作为正例，在距离该关键点i水平或垂直方向距离为3到14个像素的范围内随机采样四个7*7像素大小的窗体反例，为每张人脸图像的每个关键点i采样得到了一个正例样本和四个反例样本。

3.如权利要求2所述的方法，其中步骤(5.2)具体为：关键点i的所有N个正例样本的Uniform LBP特征记为：，其中为人脸图像上的关键点i的正例样本的Uniform LBP特征，为每个正例样本N对应的Uniform LBP特征，所有反例样本的Uniform LBP特征记为：，其中为人脸图像的关键点i的第m个反例样本的Uniform LBP特征，，为每个反例样本N对应的Uniform LBP特征。

4.如权利要求3所述的方法，其中步骤(5.3)具体为：。

5.如权利要求4所述的方法，其中步骤（5.4）具体为：，。