[发明专利]一种确定特征点的方法和设备

权利要求书

1.一种确定特征点的方法，其特征在于，该方法包括：

将目标人脸图像划分为多个区域；

针对任意一个区域，在所述区域内随机选取M个特征点，以及在每个特征点周围选取N个采样点；

针对任意一个特征点，将所述特征点对应的采样点之间的归一化像素差作为所述特征点的索引特征；

将所述特征点的索引特征输入到所述特征点对应的标准随机森林，将标准随机森林输出的索引特征作为所述特征点的标准索引特征；

根据所述区域内的所有特征点的标准索引特征，确定所述区域对应的统一索引特征；

利用每个区域对应的统一索引特征，得到目标人脸图像的索引特征到人脸形状的线性投影。

2.如权利要求1所述的方法，其特征在于，所述特征点对应的标准随机森林中的分裂数据是所述特征点对应的N个采样点的归一化像素差的方差；

所述标准随机森林的分裂节点是所述特征点的索引特征；

所述标准随机森林的分裂阈值是所述特征点的最大归一化像素与最小归一化像素之间的数值。

3.如权利要求2所述的方法，其特征在于，所述分裂节点的阈值利用贪婪算法确定。

4.如权利要求1所述的方法，其特征在于，所述根据所述区域内的所有特征点的标准索引特征，确定所述区域对应的统一索引特征，包括：

根据所述区域内的所有特征点的标准索引特征和所述区域的目标特征，利用误差形状最小化公式确定所述区域对应的统一索引特征。

5.如权利要求1所述的方法，其特征在于，所述利用每个区域对应的统一索引特征，得到目标人脸图像的索引特征到人脸形状的线性投影，包括：

将每个区域对应的统一索引特征串联，得到目标人脸图像特征点的索引特征向量；

将所述目标人脸图像特征点的索引特征向量带入级联回归方程，得到所述目标人脸图像特征点的索引特征向量到形状的回归映射关系；

对所述回归映射关系进行联合学习，得到所述目标人脸图像的索引特征到人脸形状的线性投影。

6.一种确定特征点的设备，其特征在于，该设备包括：至少一个处理单元以及至少一个存储单元，其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行下列过程：

将目标人脸图像划分为多个区域；针对任意一个区域，在所述区域内随机选取M个特征点，以及在每个特征点周围选取N个采样点；针对任意一个特征点，将所述特征点对应的采样点之间的归一化像素差作为所述特征点的索引特征将所述特征点的索引特征输入到所述特征点对应的标准随机森林，将标准随机森林输出的索引特征作为所述特征点的标准索引特征；根据所述区域内的所有特征点的标准索引特征，确定所述区域对应的统一索引特征；利用每个区域对应的统一索引特征，得到目标人脸图像的索引特征到人脸形状的线性投影。

7.如权利要求6所述的设备，其特征在于，所述特征点对应的标准随机森林中的分裂数据是所述特征点对应的N个采样点的归一化像素差的方差；

所述标准随机森林的分裂节点是所述特征点的索引特征；所述标准随机森林的分裂阈值是所述特征点的最大归一化像素与最小归一化像素之间的数值。

8.如权利要求7所述的设备，其特征在于，所述分裂节点的阈值利用贪婪算法确定。

9.如权利要求6所述的设备，其特征在于，所述处理单元具体用于：

根据所述区域内的所有特征点的标准索引特征和所述区域的目标特征，利用误差形状最小化公式确定所述区域对应的统一索引特征。

10.如权利要求6所述的设备，其特征在于，所述处理单元具体用于：

将每个区域对应的统一索引特征串联，得到目标人脸图像特征点的索引特征向量；将所述目标人脸图像特征点的索引特征向量带入级联回归方程，得到所述目标人脸图像特征点的索引特征向量到形状的回归映射关系；对所述回归映射关系进行联合学习，得到所述目标人脸图像的索引特征到人脸形状的线性投影。