[发明专利]一种基于图像识别的头部姿态识别方法

说明书

本发明公开了一种基于图像识别的头部姿态识别方法，步骤S1，实时按序读取帧图像，读取的图像为当前帧图像；步骤S2，判断当前帧图像是否有运动物体，如果有则过滤掉当前帧图像并返回步骤S1，否则执行步骤S3；步骤S3，对当前帧图像进行肩部特征提取，如果没有提取到肩部特征则过滤当前帧图像并返回步骤S1，否则继续执行步骤S4；步骤S4，对当前帧图像进行脸部特征提取，如果得到稳定特征点则继续执行步骤S5，否则返回步骤S1；步骤S5，基于上述步骤S3提取的肩部特征和步骤S4提取的脸部特征，采用几何法进行头部姿态识别。本发明引入左右肩顶的两个特征点进行姿态估计，得到头部姿态相对于人身体的姿态，测量更准确。

技术领域

本发明涉及图像检测技术领域，具体涉及一种基于图像识别的头部姿态识别方法。

背景技术

随着计算机技术的高速发展，基于图像的识别技术已经在检测领域得到了广泛应用；现有的人脸姿态分析/识别技术采用神经网络等模型来提取待处理人脸图形的人脸姿态信息，通常是根据固定人脸数字模型的固定特征点进行匹配识别。然而现有人脸姿态分析/识别技术存在如何问题：算法复杂，计算速度慢，需要强大的计算资源；检测精度不高，且部分特征点丢失后的位姿计算误差大，稳定性不好

发明内容

为了解决现有识别技术算法复杂、检测精度不高等技术问题，本发明提供了一种基于图像识别的头部姿态识别方法。

本发明通过下述技术方案实现：

一种基于图像识别的头部姿态识别方法，该方法包括：

步骤S1，实时按序读取帧图像，读取的图像为当前帧图像；

步骤S2，判断当前帧图像是否有运动物体，如果有则过滤掉当前帧图像并返回步骤S1，否则执行步骤S3；

步骤S3，对当前帧图像进行肩部特征提取，如果没有提取到肩部特征则过滤当前帧图像并返回步骤S1，否则继续执行步骤S4；

步骤S4，对当前帧图像进行脸部特征提取，如果得到稳定特征点则继续执行步骤S5，否则返回步骤S1；

步骤S5，基于上述步骤S3提取的肩部特征和步骤S4提取的脸部特征，采用几何法进行头部姿态识别。

优选的，所述步骤S2还包括：

步骤S21，对当前帧图像进行归一化处理；

步骤S22，计算经归一化处理后的当前帧图像的几何中心；

步骤S23，计算当前帧图像的几何中心与前一帧图像的几何中心之间的距离；

步骤S24，判断上述步骤S23计算得到的距离是否超过阈值，如果超过，则当前帧图像有运动物体。

优选的，所述步骤S3采用卷积神经网络提取当前帧图像的肩顶部特征，所述卷积神经网络的结构依次包括第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层和输出层，当前帧图像经卷积神经网络后输出的肩顶部特征包括左肩特征点和右肩特征点。

优选的，所述步骤S4采用dlib的人脸检测器检测当前帧图像的脸部特征，并提取稳定的脸部特征点。

优选的，提取稳定的脸部特征点具体过程为：选取鼻尖特征点作为基准特征点；计算检测到当前帧图像的其他特征点与基准特征点的欧几里得距离；如果任一个特征点与基准特征点的欧几里得距离发生突变，则认为该特征点位置发生了漂移，将该发生漂移的特征点剔除，最后得到稳定的脸部特征点。

优选的，所述步骤S5具体包括：