[发明专利]一种特征点定位方法和装置

权利要求书

1.一种特征点定位方法，其特征在于，包括：

提取待检测图像的非线性特征；

根据训练得到的回归因子矩阵与所述非线性特征，对形状系数进行迭代更新；

根据更新后的形状系数与训练得到的统计形状模型，检测所述待检测图像的特征点位置；

其中，所述回归因子矩阵

根据训练样本的最优形状系数更新量与所述训练样本的非线性特征确定。

2.如权利要求1所述的方法，其特征在于：

该方法还包括：每次对形状系数进行迭代更新之后，将本次迭代更新得到的中间形状与平均形状进行对齐，得到全局相似性变换矩阵；

根据所述全局相似性变换矩阵，对所述中间形状和所述待检测图像进行全局相似性变换。

3.如权利要求2所述的方法，其特征在于：

将本次迭代更新得到的中间形状与平均形状进行对齐，具体包括：

采用多分辨率金字塔框架，将本次迭代更新得到的中间形状与平均形状进行对齐。

4.根据权利要求3所述的方法，其特征在于：

采用多分辨率金字塔框架，将本次迭代更新得到的中间形状与平均形状进行对齐，具体包括：

先在第一分辨率的图像上进行特征点定位，收敛到设定阈值之后，将所述特征点定位的结果映射到第二分辨率的图像上继续进行特征点定位，其中，第一分辨率小于第二分辨率。

5.根据权利要求4所述的方法，其特征在于：

进行对齐之后，还包括：根据每次迭代后进行对齐所得到的全局相似性变换矩阵，将对齐后得到的特征点逆变换到所述待检测图像的坐标系内。

6.根据权利要求2至5任一项所述的方法，其特征在于：

第k次对形状系数进行迭代更新所用的全局相似性变换矩阵A_k通过以下目标函数得到：

其中，是第k次迭代后第i个样本的形状，s₀为平均形状。

7.如权利要求1至5任一项所述的方法，其特征在于：

通过下述方式训练得到所述统计形状模型：

以标出特征点位置的图像作为训练样本，学习统计形状模型。

8.如权利要求1所述的方法，其特征在于：

所述非线性特征包括非线性纹理特征；

训练样本的非线性特征通过以下方式确定：

从训练样本中学习平均纹理特征；

根据从训练样本中提取的非线性纹理特征与所述平均纹理特征，确定所述训练样本的非线性纹理特征。

9.如权利要求8所述的方法，其特征在于：将从训练样本中提取的非线性纹理特征与所述平均纹理特征的差值，确认为所述训练样本的非线性纹理特征。

10.如权利要求1所述的方法，其特征在于：

所述非线性特征包括非线性纹理特征；

训练样本的非线性特征通过以下方式确定：

从训练样本中学习统计纹理模型；

将从训练样本中提取的非线性纹理特征投影到所述统计纹理模型切空间后输出的结果，确认为所述训练样本的非线性纹理特征。

11.如权利要求8至10任一项所述的方法，其特征在于：

所述非线性纹理特征包括一种非线性纹理特征或至少两种非线性纹理特征的组合；

在不同的迭代阶段使用相同或不同的非线性纹理特征或至少两种非线性纹理特征的组合。

12.如权利要求11所述的方法，其特征在于：

p_k+1＝p_k+R_kφ_k

其中，p_k是当前形状(第k次迭代后的形状)对应的形状系数，φ_k是在当前形状下提取的非线性特征，R_k是第k次迭代所用的回归因子。