[发明专利]一种人脸对齐方法

权利要求书

1.一种人脸对齐方法，其特征在于：包括以下步骤：

S1、训练；

利用人脸数据集，提取人脸特征点的特征向量作为输入，特征量偏移量作为输出，训练得到梯度回归树；

S2、跟踪；

利用人脸识别算法获得图像中人脸位置方框并初始化人脸特征点，利用训练得到的梯度回归树来更新初始特征点的位置，实现人脸对齐。

2.根据权利要求1所述的人脸对齐方法，其特征在于，步骤S1包括以下子步骤：

S11、准备训练集，对人脸数据集进行人脸特征手工标记，得到人脸标记点；

S12、训练梯度回归树；

步骤S12包括以下子步骤：

S121、平均脸的获得，首先获得人脸数据集中的人脸标记点的坐标均值，并对人脸标记点坐标均值进行归一化处理得到平均脸；

S122、手工标注的特征点位置记做p，计算p的外接矩形r1，使用蒙塔卡洛算法，在r1周围生成r2矩形作为训练算法的初始化矩形，在r2矩形中用平均脸初始化当前特征点位置p₀，并在特征点位置提取局部特征；

S123、训练得到梯度回归树。

3.根据权利要求2所述的人脸对齐方法，其特征在于：在步骤S122中采用HOG特征计算，并且在训练迭代过程中采用由粗到精的变尺度策略，在每一次迭代过程中，使细胞单元尺寸S和缩放系数w逐次减小；在步骤S123中以HOG特征作为输入训练梯度回归树。

4.根据权利要求3所述的人脸对齐方法，其特征在于，在步骤S122中HOG特征的计算流程包括以下步骤：

a、检测窗口；

b、归一化图像；

c、计算梯度；

d、将图像划分为若干个cell，并统计cell内的直方图，得到每个cell的特征描述；

e、组合若干个cell内的特征描述得到一个block的特征描述；

f、把所有block内的直方图向量一起组合成图像的HOG特征向量；

g、HOG计算结束。

5.根据权利要求4所述的人脸对齐方法，其特征在于，在步骤S123中以HOG特征作为输入训练梯度回归树包括以下步骤：

a、树的初始化；

b、估计使损失函数极小化的常数值；

c、计算损失函数的负梯度，进行残差估计；

d、估计回归树叶结点区域以拟合残差的近似值；

e、极小化损失函数；

f、更新回归数得到输出的最终模型。

6.根据权利要求5所述的人脸对齐方法，其特征在于，步骤S12还包括：S124、以特征点的HOG特征向量作为输入，以p₀-p作为输出，训练梯度回归树，获得梯度回归树模型，

p₀-p＝tree+bias

其中，tree表示梯度回归树，bias表示回归常量。

7.根据权利要求6所述的人脸对齐方法，其特征在于，步骤S12还包括：S125、得到梯度回归树之后利用如下公式得到初始特征点p₀的更新方向，

d＝tree(HOG(p_c))+bias

其中，d表示特征点更新方向，tree表示梯度回归树，bias表示回归常量，HOG为特征点提取函数，p_c为当前特征点位置；

利用式p_c＝p_c+d更新当前特征点位置；

重复步骤S122到S125，分别获得梯度回归树模型t₁,t₂,t₃,t₄…，当满足设定阈值时停止训练。

8.根据权利要求1所述的人脸对齐方法，其特征在于，步骤S2包括以下子步骤：

S21、利用人脸检测器检测出图像中人脸位置，获得人脸位置矩形框；

S22、在人脸矩形框中，初始化人脸特征点位置；

S23、在初始化特征点位置提取局部特征，使用梯度回归树t₁，计算得到特征点位置偏移量△p，更新特征点位置；重复该过程，直至达到设定阈值停止更新特征位置，最终特征位置即为人脸对齐结果。