[发明专利]一种连续帧视频流的人脸关键点跟踪方法和系统

权利要求书

1.一种连续帧视频流的人脸关键点跟踪方法，其特征在于，包括以下步骤：

S1，通过参数模型从视频流每帧人脸图片获取人脸关键点；

S2，基于线性稳定算法将每个人脸关键点的坐标点进行平滑处理，得到平滑后的坐标点替换原有坐标点，得到初步稳定的人脸关键点；

S3，基于跟踪稳定算法对前后帧人脸图片中的人脸关键点的运动方向和运行距离进行跟踪，对初步稳定的人脸关键点进行异常点检测和修正；

所述步骤S2具体包括以下步骤：

S21，直接输出第一帧人脸图片的人脸关键点P₁，获取视频流第t帧人脸图片的人脸关键点P_t，前、后帧人脸图片的人脸关键点P_t-1、P_t+1；t为大于1的整数；

S22，分别以P_t-1、P_t、P_t+1各个应对的关键点坐标为顶点构建一个空间三角形，并计算出此三角形的重心坐标，得到对应的人脸关键点重心点Q_t，使用Q_t以替换的方式更新P_t并输出；

S23，重复步骤S22，直至视频流结束；

所述步骤S3具体包括以下步骤：

S31，基于Lukas-Kanade跟踪算法，对P_t-1在视频流上的帧M_t-1到M_t的方向上进行跟踪预测，得到人脸关键点P_a和每个跟踪点的状态信息S_a；

S32，将人脸关键点细分为各个独立的部位，根据跟踪状态信息S_a确定跟踪的有效人脸关键点，计算每个部位从P_t-1到P_a上的每个有效人脸关键点在x方向距离和s_x、在y方向距离和s_y，得到每个部位的平均距离差C；

S33，对上述的每个独立部位的关键点坐标进行精细的调整，即当前坐标点是上述的有效人脸关键点，则使用P_a上应对的点来替换更新；如果不是有效人脸关键点，则寻找在空间上相邻有效人脸关键点的在x和y方向上的平均变化距离来更新当前点；若都相邻的点也没有有效人脸关键点，则使用上述的C来更新当前点；得到精细调整后的人脸关键点H_t；

S34，对比上述的P_t和H_t的每个坐标点的差值，若存在一半的点在x方向和y方向的距离差都大于指定值，则再进行一次线性均值计算来更新P_t。

2.根据权利要求1所述的连续帧视频流的人脸关键点跟踪方法，其特征在于，所述参数模型为函数对大量的人脸图片和精确的人脸关键点进行拟合得到的参数集合。

3.根据权利要求1所述的连续帧视频流的人脸关键点跟踪方法，其特征在于，所述步骤S3，基于跟踪稳定算法对前后帧人脸图片中的人脸关键点的运动方向和运行距离进行跟踪，对初步稳定的人脸关键点进行异常点检测和修正，具体指的是

提取人脸关键点的Lukas-Kanade跟踪信息，得到整体关键点的运动方向，检测出所述初步稳定关键点中存在明显跳动的异常点，并进行修正处理，得到稳定的人脸关键点。