[发明专利]一种基于Android平台的实时人脸关键点定位方法

说明书

本发明公开了一种基于Android平台的实时人脸关键点定位方法，属于计算机视觉技术领域。本发明方法包括以下步骤：收集人脸训练图片集，并标定关键点；随机选取训练集中的n个样本作为每一个训练样本的初始形状；计算每一个训练样本标准化目标；提取每一个关键点的形状索引特征；采用相关性分析方法选择适量的特征；采用两层增强回归结构(外部层和内部层)；计算每一个阶段的回归器；使用人脸检测的方法估计人脸窗口，根据训练好的回归模型预测人脸关键点位置。目前已有的方法计算复杂度较高，在移动平台上运行过慢；而且对噪声敏感，定位的精度低。本发明以样本的线性组合来约束形状，应用基于回归的方法提高了人脸关键点定位的精度和效率。

技术领域

本发明涉及计算机视觉技术领域，涉及一种人脸关键点定位方法。

背景技术

人脸检测和关键点定位技术作为计算机视觉研究的关键技术，目前已广泛应用于智能监控、身份识别、表情分析等方面。人脸关键点定位是指在人脸图像中精确定位到人的眼睛、嘴巴、鼻子等特定的面部器官，并获取其几何参数，从而为表情分析或人脸识别等研究提供准确的信息。

目前，人脸关键点的定位在计算机上已有较好的实现，实时性和准确性都很高，代表性的工作有主动形状模型(Active Shape Model，ASM)，贝叶斯切空间形状模型(Bayesian Tangent Shape Model，BTSM)，主动外观模型(Active Appearance Model，AAM)，受约束的局部模型(Constrained Local Model，CLM)等等。但已有的算法计算复杂度较高，在计算、存储能力有限的移动平台上鲜有应用。

如今，在中国有几亿的智能终端(主要是手机，平板电脑)用户，智能终端逐渐成为人们的信息载体。移动平台性能也得到了大幅提升，这就为移动平台上人脸特征点实时定位跟踪提供了可能。但目前已有的人脸特征点定位跟踪算法普遍计算复杂度较高、内存消耗较大、处理速度较慢，很难直接移植到移动平台。

发明内容

为了解决上述问题，本发明公开了高效率、高精度的“显式形状回归”人脸关键点定位方法，通过直接学习一个矢量回归函数来预测整个人脸的关键点。固有的形状约束被自然地编码到我们的级联学习框架中，并且被由粗到细地应用在测试的过程中。本发明力图在多个方面全面提升算法的性能，具体体现在特征选取和模型训练方面做了较大改进，使算法运行效率大幅提升，并同时保证了定位的准确性，能够实现在移动平台上实时进行人脸特征点的检测定位。

本发明分为训练和测试两个阶段。训练阶段主要学习回归模型。区别于大部分回归方法，本方法并不是用固定参数的形状模型。本发明通过直接学习一个矢量回归函数来预测整个人脸的关键点，然后在训练集上显式地最小化定位误差。

为了实现高效的回归，我们使用简单的像素差分特征，即在图像中的两个像素的强度差。这样的特征计算复杂度非常小，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。该方法中采用的是局部坐标而非全局坐标系，极大的增强了特征的鲁棒性。