[发明专利]改进型级联回归人脸特征点定位算法在审
申请号: | 202011386408.9 | 申请日: | 2020-12-02 |
公开(公告)号: | CN112487993A | 公开(公告)日: | 2021-03-12 |
发明(设计)人: | 代少升;黄涛 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06T7/41 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 400065*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 改进型 级联 回归 特征 定位 算法 | ||
1.一种基于改进的级联回归的人脸特征点定位算法,本算法对传统的级联回归技术的初始化和回归进行有效的改进,使用领域(5点坐标)来生成投影的初始形状,并进行微调、矫正,这大大提高了基于级联回归算法的性能;在不同的人脸姿态视角下建立不同的模型,以多模型代替单一模型来提高人脸特征点定位的精度,大大减小了回归模型构建中的形状方差,从而使学习的回归模型对形状变化有更好的鲁棒性。与传统的级联回归算法相比,改进后的级联回归人脸特征点定位算法的鲁棒性更高,传统的方法通常是从平均形状开始的,或者使用复杂的算法进行初始化,但在较大遮挡下,人脸对齐问题往往无法处理。本算法中,我们通过5点的集映射完成初始化,由于5点集是人脸最突出的点,即使在较大遮挡、姿势和表情的变化中也能获得良好的效果,这极大地提高了级联回归算法的性能;传统的回归算法中,通常都是单一模型,当姿态变化较大时,就会导致人脸对齐失败。本算法中,我们在不同的视角下建立不同的模型,通过初始形状评估当前姿态,最后根据评估的姿态选择相对应的模型,进而实现特征点的精确定位。
2.根据权利要求1所述的算法,其优点在于:采用稀疏点(5个关键点):两个瞳孔、一个鼻尖和两个嘴角,从五个关键点估计相似变换参数(旋转、平移和缩放),通过相似变换参数求得对应的68点坐标,从而完成初始化。因为这些稀疏点是人脸最突出的点,即使在严重遮挡、复杂的姿势和表情变化的情况下,仍能获得良好的效果,这极大地提高了级联回归算法的性能。
3.根据权利要求1所述的算法,其优势在于:在不同的人脸姿态视角下建立不同的模型,以多模型代替单一模型来提高人脸特征点定位的精度。我们将训练数据分为三个视图(左视图、右视图和正视图)减少形状变化,接着在每个数据集中训练特点视图模型。我们利用这些稀疏点(两个瞳孔、一个鼻尖和两个嘴角)估计面部视图,最后根据评估的姿态选择相应的模型,进而实现特征点的精确定位。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011386408.9/1.html,转载请声明来源钻瓜专利网。