[发明专利]一种平面内任意旋转的单幅多视角人脸图像姿态估计方法

权利要求书

1.一种平面内任意旋转的单幅多视角人脸图像姿态估计方法，其特征在于：包括以下步骤：

步骤1：根据待测人脸图像建立γ角的预估值集合，γ角表示绕Z轴的偏转角度；

步骤2：遍历γ角的预估值集合，并采用在指定γ角条件下求解满足目标函数的α、β角的计算方法计算出各γ角预估值对应的α、β角；α表示绕X轴的偏转角度，β表示绕Y轴的偏转角度；

步骤3：将各γ角预估值对应的目标函数的值组成备选集合，并从备选集合中选择出值最小目标函数值，以该最小值目标函数值所对应的γ角预估值、α、β角作为待测人脸图像的人脸姿态估计参数；

步骤1中采用搜索算法建立γ角的预估值集合，并按如下步骤：

步骤101：检测待测人脸图像上双眼中心连线与水平线的夹角θ；

步骤102：确定γ角的预估值范围：为搜索范围；

步骤103：以搜索步长δ进行搜索：γ＝θ±tδ；其中，t为当前搜索次数，每次搜索均以搜索步长tδ进行正负搜索；每搜索一次便将得到的γ角的预估值保存到γ角的预估值集合中；

步骤104：搜素完毕后，便完成γ角的预估值集合的建立。

2.根据权利要求1所述的平面内任意旋转的单幅多视角人脸图像姿态估计方法，其特征在于：步骤2中指定γ角下计算α、β角的方法包括以下步骤：

步骤201：建立通用人脸三维稀疏模型所述通用人脸三维稀疏模型是指在X、Y、Z轴上均未发生偏转的通用人脸三维稀疏模型；

步骤202：建立通用人脸三维稀疏模型上指定点的三维坐标矩阵V^3D：

指定点包含基准点；

其中，表示通用人脸三维稀疏模型的第i个指定点，

步骤203：建立待检测人脸图像上与通用人脸三维稀疏模型上指定点对应的匹配点的二维坐标矩阵V^2D：匹配点不包含基准点；

其中，表示第i个匹配点，n为待检测人脸图像上的人脸匹配点数目；

步骤204：以向量X＝(s,α,β)为自变量，并初始化s、α、β的值，s表示缩放系数，α表示绕X轴的偏转角度，β表示绕Y轴的偏转角度；

步骤205：以指定的γ角绕Z轴旋转通用人脸三维稀疏模型

步骤206：以α角度绕X轴旋转通用人脸三维稀疏模型并以β角度绕Y轴旋转通用人脸三维稀疏模型以缩放系数s对旋转后的通用人脸三维稀疏模型进行缩放；

步骤207：将缩放后的通用人脸三维稀疏模型正投影到XY平面上，从而得到二维投影模型

步骤208：平移二维投影模型使二维投影模型上的基准点与待检测人脸图像上的基准点重合；基准点包含于匹配点；

步骤209：根据二维投影模型上指定点与待检测人脸图像上相应点的距离平方和建立目标函数；

步骤2010：采用搜索算法更新向量X＝(s,α,β)，每更新一次便重复步骤206到步骤208，直到搜索到目标函数的最优解；

步骤2011：将目标函数的最优解存储到备选集合中。

3.根据权利要求2所述的平面内任意旋转的单幅多视角人脸图像姿态估计方法，其特征在于：指定点包括鼻下点、双眼眼角点、鼻尖点、嘴角点，并且基准点为鼻下点。

4.根据权利要求2所述的平面内任意旋转的单幅多视角人脸图像姿态估计方法，其特征在于：目标函数min f(X)如下：

其中，n表示二维投影模型上匹配点的个数；

R_3D表示通用人脸三维稀疏模型的旋转矩阵；

P_3D表示通用人脸三维稀疏模型的正投影矩阵；

S_3D表示通用人脸三维稀疏模型的缩放矩阵；

T_2D表示二维投影模型的平移矩阵，表示待检测人脸图像上的基准点，表示上的基准点。