[发明专利]自适应刚性先验模型训练方法、人脸跟踪方法及相关装置

权利要求书

1.一种自适应刚性先验模型训练方法，其特征在于，包括：

初始化自适应刚性先验模型的模型参数，所述模型参数为以人脸尺寸为自变量的函数，所述自适应刚性先验模型用于输出人脸在不同人脸尺寸时各个人脸区域的权重；

根据所述自适应刚性先验模型对训练视频数据进行人脸跟踪获得同一人脸的多帧人脸数据；

根据所述多帧人脸数据对所述模型参数进行更新；

判断是否达到停止更新所述模型参数的条件；

若是，停止更新所述自适应刚性先验模型的模型参数得到最终的自适应刚性先验模型；

若否，返回基于所述自适应刚性先验模型对训练视频数据进行人脸跟踪获得同一人脸的多帧人脸数据的步骤；

所述自适应刚性先验模型为：

其中，s为人脸的人脸尺寸，是人脸中第k个人脸区域在人脸尺寸为s时的权重，α^k(s)，β^k(s)，γ^k(s)为模型参数，α^k(s)，β^k(s)，γ^k(s)是关于二维人脸尺寸s的函数，d^k为第k个人脸区域的位移。

2.根据权利要求1所述的方法，其特征在于，所述根据所述自适应刚性先验模型对训练视频数据进行人脸跟踪获得同一人脸的多帧人脸数据，包括：

对所述训练视频数据进行人脸跟踪以提取每帧训练视频数据中人脸的人脸关键点和人脸表情参数；

根据所述人脸关键点确定所述人脸的人脸尺寸；

采用所述自适应刚性先验模型、所述人脸表情参数和预设形状融合变形器计算所述人脸的各个人脸区域相对于所述人脸的中性人脸的位移。

3.根据权利要求1或2所述的方法，其特征在于，所述人脸数据包括人脸的人脸尺寸和所述人脸的各个人脸区域的位移，所述根据所述多帧人脸数据对所述模型参数进行更新，包括：

按照所述人脸尺寸将所述人脸划分到多个人脸容器中；

针对每个人脸容器中的人脸，计算所述人脸的人脸尺寸的均值；

对所述人脸容器中所述人脸的各个人脸区域的位移分析，获得人脸尺寸为所述均值时所述自适应刚性先验模型的模型参数的型值点；

对不同均值对应的模型参数的型值点进行插值处理，获得所述模型参数关于人脸尺寸的函数以作为所述自适应刚性先验模型的新的模型参数。

4.根据权利要求3所述的方法，其特征在于，所述按照所述人脸尺寸将人脸图像数据对应的人脸划分到多个人脸容器中，包括：

从所述人脸图像数据中确定出最大人脸尺寸和最小人脸尺寸；

将所述最大人脸尺寸和最小人脸尺寸之间的尺寸范围平均分为多个尺寸范围作为人脸容器的人脸尺寸范围；

确定所述人脸的人脸尺寸所在的目标人脸尺寸范围；

将所述人脸划分到所述目标人脸尺寸范围所属的人脸容器中。

5.根据权利要求3所述的方法，其特征在于，所述对所述人脸容器中所述人脸的各个人脸区域的位移分析，获得人脸尺寸为所述均值时所述自适应刚性先验模型的模型参数的型值点，包括：

针对所述人脸容器中所述人脸的每个人脸区域，从所述人脸的人脸图像数据中确定出所述人脸区域的最大位移；

将所述人脸区域的位移划分到多个位移容器中；

从多个位移容器中确定出包含最多位移的最大位移容器；

从所述最大位移容器包含的多个位移中确定出中间位移作为人脸尺寸为所述均值时的第一模型参数的型值点；

根据所述人脸区域的最大位移、中间位移、预设最大权重、预设最小权重以及所述第一模型参数的型值点计算人脸尺寸为所述均值时的第二模型参数的型值点和第三模型参数的型值点。

6.根据权利要求5所述的方法，其特征在于，所述对不同均值对应的模型参数的型值点进行插值处理，获得所述模型参数关于人脸尺寸的函数以作为所述自适应刚性先验模型的新的模型参数，包括：

分别对人脸尺寸为所述均值时的第一模型参数的型值点、第二模型参数型值点和第三模型参数型值点进行样条插值，获得所述第一模型参数、第二模型参数和所述第三模型参数关于人脸尺寸的函数作为所述自适应刚性先验模型的新的模型参数。