[发明专利]用于面部对准的系统和方法

权利要求书

1.一种用于面部对准的方法，包括：

基于面部图像中的预定面部形状提取所述面部图像的特征；

通过将回归量施加到所提取的特征，估计多个预定域中的每个预定域的形状残差，所述多个预定域是根据形状和局部外观的主成分将训练样本分割为多个子集而限定出的，所述训练样本包括所述面部图像中的每个关键部位周围的区；

通过将所述形状残差与所述预定面部形状相加计算每个所述预定域的回归形状；

基于所述回归形状获得每个所述预定域的特征；

通过使用所获得的特征预测每个所述预定域的组合向量；

通过使用预测的组合向量对所述回归形状加权；以及

组合经加权的回归形状以输出组合形状。

2.根据权利要求1所述的方法，其中提取所述面部图像的特征包括：

将所述预定面部形状的至少一个关键部位的每个关键部位周围的区遍历通过预定决策森林的每个树，直到到达每个树的叶节点；

为每个所述关键部位获得用于指示在所述树中到达的叶节点的向量；以及

组合为每个所述关键部位获得的向量以输出被提取的特征。

3.根据权利要求2所述的方法，其中获得每个所述预定域的特征包括：

使用每个所述关键部位的向量获得每个所述预定域的特征。

4.根据权利要求1所述的方法，其中预测组合向量包括：

通过将所获得的特征输入到预定组合森林中预测出所述组合向量。

5.根据权利要求2所述的方法，进一步包括：

通过使用霍夫森林方法使所述预定决策森林的结构化损失最小化，从而训练所述预定决策森林。

6.根据权利要求5所述的方法，其中通过对所述预定面部形状与所述预定面部形状的每个所述关键部位的预设形状之间的差进行回归操作，使所述预定决策森林的所述结构化损失最小化。

7.根据权利要求1所述的方法，进一步包括通过线性回归学习训练所述回归量。

8.根据权利要求4所述的方法，进一步包括：通过使所组合的形状与预设形状之间的偏差最小化训练所述预定组合森林。

9.根据权利要求1所述的方法，还包括：排除组合向量为零的域。

10.一种用于面部对准的设备，包括：

提取装置，基于面部图像中的预定面部形状提取所述面部图像的特征；

估计装置，通过将回归量施加到所提取的特征，估计多个预定域中的每个预定域的形状残差，所述多个预定域是根据形状和局部外观的主成分将训练样本分割为多个子集而限定出的，所述训练样本包括所述面部图像中的每个关键部位周围的区；

计算装置，通过将所述形状残差与所述面部形状相加计算每个所述预定域的回归形状；

获得装置，基于所述回归形状获得每个所述预定域的特征；

预测装置，通过使用所获得特征预测每个所述预定域的组合向量；

加权装置，使用预测的组合向量对所述回归形状加权；以及

组合装置，组合经加权的回归形状以输出组合形状。

11.根据权利要求10所述的设备，其中所述提取装置包括：

遍历子装置，将所述预定面部形状的至少一个关键部位的每个关键部位周围的区遍历通过预定决策森林的每个树，直到到达每个树的叶节点；

获得子装置，为每个所述关键部位获得用于指示在所述树中到达的叶节点的向量；以及

组合子装置，组合为每个所述关键部位获得的向量以输出被提取的特征。

12.根据权利要求11所述的设备，其中所述获得子装置使用每个所述关键部位的向量获得每个所述预定域的特征。

13.根据权利要求10所述的设备，其中所述预测装置通过将所获得的特征输入到预定组合森林中预测出所述组合向量。