[发明专利]基于二值决策树的红外局部人脸关键点获取方法

权利要求书

1.一种基于二值决策树的红外局部人脸关键点获取方法，所述方法包括：

a)导入通过二值决策树训练所得到的分类器，对待测样本启动人脸关键点获取过程；

训练过程的步骤如下：

a1)收集包括人眼的人脸样本作为预训练样本；

a2)标定预训练样本的眉毛和人眼作为人眼关键点信息，制作训练样本；

a3)根据步骤a2获得的训练样本，检测出的人眼位置，估计局部人脸区域；

a4)根据步骤a3估计的局部人脸区域，初始化人脸关键点，并计算平均局部脸；

a5)构造二值决策树模型；

a6)训练包含步骤a5中所述二值决策树的级联集合，所述级联集合具有S级，每级具有T棵所述二值决策树，训练第i级(0<i≤S)的T棵树；

a7)记录落入每棵树的每个叶子结点的样本，产生局部二值特征，记作l表示第l个关键点索引，表示第l个关键点的二值特征，所有关键点的二值特征记作

a8)记录预测偏差n为样本序列号索引，并根据偏差值调整每个叶子的权重W_i；

a9)根据叶子权重W_i更新关键点的位置；

a10)判断是否到达最大级联数S，若未到达第S级联，则返回步骤a6，循环处理步骤a6～步骤a9直到训练完S级级联；若达到第S级联，则进入步骤a11；

a11)保存分类器；

b)用人眼检测器检测人眼，估计局部人脸区域；

c)根据步骤b估计的局部人脸区域，初始化人脸关键点；

d)利用训练好的二值决策树的分类器预测人脸关键点位置，所述分类器具有S级，每级具有T棵所述二值决策树，进入第i(0<i≤S)级预测；

e)记录落入每棵树的每个叶子结点的样本，产生局部二值特征，记作l表示第l个关键点索引，表示第l个关键点的二值特征，所有关键点的二值特征记作

f)获取每个叶子的权重；

g)更新关键点的位置；

h)判断是否到达最大级联S，若到达第S级联，则进入步骤i，若未达到第S级联，则进入步骤d，循环处理步骤d-h直到到达第S级级联；

i)保存所选取的关键点的位置。

2.如权利要求1所述的方法，其中所述构造所述二值决策树模型的步骤如下：

d1)在关键点周围提取H个像素值差分对；

d2)确定特征：以H个像素值差分对中每一个差分对依次作为特征，计算H个差分对的熵，选择最大的熵的差分对作为结点特征；

d3)确定结点阈值：在H个像素值差分对里选出最大值和最小值，取两者平均值作为结点阈值；

d4)重复步骤d2和d3，直到训练完所述二值决策树的所有结点即完成二值决策树的构造。

3.如权利要求1所述的方法，其中所述记录落入每棵树的每个叶子结点的样本步骤中，样本落入的叶子结点标记为1，未落入的叶子结点标记为0。

4.如权利要求1所述的方法，其中所述记录预测偏差步骤中，采用局部坐标系标定预测偏差，所述预测偏差为预测关键点与真实值之间的差值n为样本序列号索引。

5.如权利要求1所述的方法，其中所述调整每个叶子的权重，用岭回归正则化方法求解并调整每个叶子权重W，算法如下：

其中N是样本数。

6.如权利要求1所述的方法，其中所述所有关键点的二值特征集合为：

其中L是关键点的个数。

7.如权利要求1所述的方法，其中所述样本只包含眼周信息或单眼信息。

8.一种利用如权利要求1至7中任一权利要求所述的方法的移动终端，所述移动终端选自智能电话、平板电脑、智能可穿戴设备、智能门锁中的任意一种。