[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

说明书

本发明提供了一种基于二值决策树的红外局部人脸关键点获取方法，包括：a)导入通过二值决策树训练所得到的分类器；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级联集合预测人脸关键点位置，所述级联集合具有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)记录落入每棵树的叶子结点；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)保存所获取的关键点的位置。

技术领域

本发明涉及一种生物特征识别和信息安全技术，尤其涉及一种基于二值决策树的红外局部人脸关键点检测方法。

背景技术

人脸关键点定位是在人脸检测基础上，进一步对眼睛、眉毛、鼻子、嘴巴等轮廓的定位，通常利用关键点附近的信息以及各个关键点之间的相互关系来定位，分为基于模型的方法和基于回归的方法。

基于模型的方法以ASM(Active Shape Model)方法最为代表，ASM方法将数十个脸部特征点的纹理和位置关系约束一起考虑来进行计算出一个参数模型。从局部特征中检测到所求的关键点，但是这种方法对噪声非常敏感。

基于回归的方法是ASM相关改进的另外一个方向，就是对形状模型本身的改进。该方法没有用PCA(Principal Component Analysis)去约束形状模型，而是基于训练样本的线性组合来约束形状。在ESR(explicit shape regression)采用形状索引特征，所谓的形状索引特征，就是根据关键点的位置和一个偏移量。取得该位置的像素值，然后计算两个这样的像素的差值，从而得到了形状索引特征。

然而，现有人脸关键点技术由于训练出的分类器没有正则化，很容易产生过拟合现象，而且不能达到对数据的高速处理，因此需要一种能够减轻过拟合框架的人脸关键点获取方法。

发明内容

根据本发明的一个方面，本发明提供了一种基于二值决策树的红外局部人脸关键点获取方法，能够对红外局部人脸解决了人脸关键点检测问题，而且不需要完整的人脸区域，通过采用局部人脸便可检测出人脸关键点，本发明还可以在手机上实时运行。

为达到上述目的，本发明采用如下技术方案：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及测试样本；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级联集合预测人脸关键点位置，所述级联集合具有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。