[发明专利]基于全局轮廓和脸型结构分类的人脸吸引力数据处理方法

权利要求书

1.一种基于全局轮廓和脸型结构分类的人脸吸引力数据处理方法，其特征在于，所述基于全局轮廓和脸型结构分类的人脸吸引力数据处理方法包括以下步骤：

第一步，对采集到的人脸图像进行去模糊、去抖动、人脸对齐及归一化处理；

第二步，对人脸图像进行脸型结构分类并对得到的人脸数据库进行脸型结构子库划分；

第三步，提取人脸几何特征与纹理特征，并进行特征融合，用以表征人脸吸引力；

第四步，将脸型结构分类与人脸吸引力评价相结合，选取基于各类脸型结构数据集相关性最高的机器学习算法；

第五步，输出人脸吸引力评价分数。

2.如权利要求1所述的基于全局轮廓和脸型结构分类的人脸吸引力数据处理方法，其特征在于，所述基于全局轮廓和脸型结构分类的人脸吸引力数据处理方法利用主动形状模型ASM训练人脸脸型结构的全局轮廓点特征模型，获得全局轮廓点特征模板；提取下颌轮廓特征与全局轮廓特征；利用K近邻与平均Hausdorff距离对脸型结构进行分类，共分为圆形、椭圆形、心形、菱形、方形和长形6种脸型结构；在训练中根据人脸脸型结构将表征人脸吸引力的人脸图像数据分为六个脸型结构子集，将后续人脸吸引力评价预测限定在一个较小的数据集中。

3.如权利要求1所述的基于全局轮廓和脸型结构分类的人脸吸引力数据处理方法，其特征在于，所述基于全局轮廓和脸型结构分类的人脸吸引力数据处理方法全局轮廓点特征模型的训练过程包括：

从由ASM算法训练好的68人脸特征点模板中提取本数据集人脸图像的人脸特征点位置，使用STASM算法提取表征额头的3个特征点，手动标记左右髋骨各两个点，将其结果坐标存入文本文档中；将每个特征点用二维坐标(x,y)表示，则脸型结构的75个全局轮廓特征点构成形状向量X＝(x₁,y₁,x₂,y₂,...,x_n,y_n)^T，其中，n＝75；对所有样本全局轮廓向量进行归一化处理，使用Procrustes方法对每个全局轮廓形状向量进行简单的平移，旋转和缩放变换，将样本中多个人脸全局轮廓形状特征归一化到同一标准下；对样本人脸图像中所有的全局轮廓特征点与其附近的全局轮廓特征点在垂直方向上的灰度值进行归一化处理，计算得出所有全局轮廓特征点的局部灰度模型；在全局轮廓特征点邻域内进行迭代搜索，通过对全局轮廓点的局部特征点特征匹配，获取新的全局轮廓特征点位置；在全局轮廓特征点附近的矩形区域提取候选点集，选取多个候选点，然后利用马氏距离与样本全局轮廓特征点模型进行匹配，新的全局轮廓特征点位置由距离最近的待选点的横纵坐标所决定，并且对初始的全局轮廓形状进行更新；采用平均全局轮廓模型对匹配结果进行修正，计算最接近的全局轮廓特征点，若新的全局轮廓特征点变换很小或达到迭代次数，则停止搜索，否则继续搜索匹配。