[发明专利]一种由粗到精的人脸姿态量化估计方法

说明书

本发明公开了一种由粗到精的人脸姿态量化估计方法，所述方法包括粗略估计和精细估计两个阶段，所述的粗略估计利用人脸姿态分类网络获取人脸姿态的类别以及相应的权重，精细估计阶段利用三维人脸关键点定位得到二维人脸图像对应的三维人脸关键点坐标，然后利用三维人脸关键点在三维坐标系的x‑y、x‑z以及y‑z三个平面上的几何投影来分别估计人脸在roll、yaw和pitch三个方向上的偏移角度，最后结合粗略估计阶段得到的权重以及人脸在roll、yaw和pitch三个方向上的偏移角度，得到人脸姿态的最终得分，从而实现人脸姿态的量化估计。

技术领域

本发明涉及姿态估计和人脸图像质量评测技术领域，具体为一种由粗到精的人脸姿态量化估计方法。

背景技术

随着计算机视觉和人工智能的快速发展，人脸姿态估计已广泛应用于各种人机交互应用中，如驾驶辅助、残疾人辅助以及各种娱乐设备等。此外，人脸姿态估计也可以用于提高人脸识别的性能，由于人脸姿态的复杂多变，特别是当人脸偏转角度较大的时候，会严重影响人脸识别的效果，利用人脸姿态估计可以在人脸姿态较正的情况下进行人脸识别，在视频人脸识别中可以大大提高人脸识别的准确率，对于人员非主动配合考勤以及开放场景下的嫌疑犯识别等有重大意义。人的头部被看作是一个刚性物体，其姿态被限制在三个自由度上，分别用俯仰角pitch、偏航角yaw以及翻滚叫roll来表示。

人脸姿态估计是一个具有挑战性和吸引力的研究课题，一直以来受到了广大学者和机构的广泛研究。发明专利(发明人：于力、肖芳等，申请号：201910389666.3，名称：基于MTCNN的人脸姿态估计方法)公开了一种基于MTCNN的人脸姿态估计方法，使用MTCNN模型对预处理后的人脸图像进行人脸检测，标定出关键点，然后根据图像几何中心和左眼、右眼的相对位置和几何关系计算得到人脸姿态的偏转角度，得到人脸姿态估计结果。发明专利(发明人：武传营、李凡平等，申请号：201910128657.9，名称：基于深度学习人脸姿态估计的疲劳检测方法)公开了一种基于深度学习人脸姿态估计的疲劳检测方法，使用OpenCV中的solvePnP函数来估算人脸姿态，得到驾驶员歪头和点头的移动信息，并根据相应规则来判断驾驶员是否疲劳驾驶。发明专利(发明人：田劲东、张祖光等，申请号：201811054415.1，名称：一种人脸姿态估计方法、装置和设备)公开了一种人脸姿态估计方法、装置和设备，利用第一个模型识别出待估计图片的人脸特征点，利用第二个模型和人脸特征点识别出待估计图片的人脸姿态角。发明专利(发明人：苏育挺、陈耀等，申请号：201710901019.7，名称：基于共享池混合树模型的人脸检测、姿态估计和定位方法)公开一种基于共享池混合树模型的人脸检测、姿态估计和定位方法，将每个脸部标定点作为整体特征点的一部分进行建模，获取基于共享池混合树模型，将不同视角下各个部分的脸部标定点混合成总体特征点，用于表示不同视角下的标记点，让不同视角下的混合树共享树结构的部分模型以低复杂度对视图进行建模，并将基于共享池混合树模型的所有参数在约束范围内进行区分性训练，实现人脸检测与姿态估计。

上述方法存在的共同问题是人脸姿态估计的准确率较低，当人脸姿态偏移角度偏大时，无法较为准确的估计出人脸在三个方向上的偏移。

发明内容

针对现有的人脸姿态估计方法存在的上述问题，本发明提出了一种由粗到精的人脸姿态量化估计方法。

所述的一种由粗到精的人脸姿态量化估计方法，其特征在于，包括如下步骤：

步骤1：人脸姿态粗略估计阶段，利用卷积神经网络对人脸姿态进行分类，将人脸划分到具体的姿态类别，具体为：