[发明专利]一种人脸跟踪方法及装置

权利要求书

1.一种人脸跟踪方法，其特征在于，所述方法包括：

根据上一帧人脸图像获得的预测形状作为当前帧人脸图像的初始形状；

对所述初始形状进行降噪处理；

将降噪后所述初始形状在融合形状约束下进行级联回归预测，获得当前帧的最终预测形状；

其中，所述对所述初始形状进行降噪处理，具体包括：

对训练集中多个训练人脸图像的真实形状进行归一化；

将归一化后的所述训练人脸图像对应的样本形状进行PCA降维，得到n个主形状；

根据n个所述主形状对所述初始形状进行形状重构，获得降噪后的所述初始形状。

2.如权利要求1所述的人脸跟踪方法，其特征在于，所述对训练集中多个训练人脸图像的真实形状进行归一化，具体包括：

将训练集中的任一所述训练人脸图像对应的所述真实形状作为预设基准形状，将所有剩下的所述训练人脸图像对应的所述真实形状对齐到该所述预设基准形状；

计算对齐到所述预设基准形状后的所有所述训练人脸图像对应的所述真实形状的平均形状，并将其作为基准形状；

将所有所述训练人脸图像对应的所述真实形状对齐到该所述基准形状；

至少重复一次计算对齐到所述基准形状后的所有所述真实形状的平均形状，并每一次相应将所有所述真实形状对齐到重新确定的平均形状，直到终止条件。

3.如权利要求1所述的人脸跟踪方法，其特征在于，所述将降噪后所述初始形状在融合形状约束下进行级联回归预测，获得当前帧的最终预测形状，具体包括：

将降噪后的所述初始形状根据关键点的关联性划分为多个组；

在每一迭代回归预测阶段，分别计算每一组的形状增量；

将每一组的所述形状增量进行融合，得到当前阶段的最终形状增量；

根据当前阶段的所述最终形状增量，更新当前阶段的形状并作为下一阶段的起始形状。

4.如权利要求3所述的人脸跟踪方法，其特征在于，所述计算每一组的形状增量，具体包括：

通过下式计算每一组的形状增量，

其中groupi表示第i个分组的形状约束，W_groupi为在gourpi上提取到的特征，I为人脸图像，S_groupi为当前阶段的人脸形状，ΔS_groupi为groupi得到的形状增量。

5.如权利要求4所述的人脸跟踪方法，其特征在于，所述将每一组的所述形状增量进行融合，得到当前阶段的最终形状增量，具体包括：

计算所有所述分组的所述形状增量的平均值，并将该所述平均值作为当前阶段的最终形状增量；或者，通过对各个所述分组的所述形状增量与形状残差的相似性进行加权，得到当前阶段的最终形状增量，其中，所述形状残差为该所述分组的当前形状与该所述分组的真实形状的差。

6.一种人脸跟踪装置，其特征在于，所述装置包括：

初始形状确定模块，用于根据上一帧人脸图像获得的预测形状作为当前帧人脸图像的初始形状；

降噪模块，用于对所述初始形状进行降噪处理；

预测形状确定模块，用于将降噪后所述初始形状在融合形状约束下进行级联回归预测，获得当前帧的最终预测形状；

其中，所述降噪模块，具体包括：

归一化模块，用于对训练集中多个训练人脸图像的真实形状进行归一化；

降维模块，用于将归一化后的所述训练人脸图像对应的样本形状进行PCA降维，得到n个主形状；

重构模块，用于根据n个所述主形状对所述初始形状进行形状重构，获得降噪后的所述初始形状。