[发明专利]一种人脸图像面部关键点标定的校准方法

权利要求书

1.一种人脸图像面部关键点标定的校准方法，其特征在于，包括：

以通过训练后的DAN网络获取的第一张人脸图像各关键点的坐标为基准，对后一帧的人脸图像的各关键点依次进行校准，包括以下步骤：

将连续帧的人脸图像进行灰度化处理，并进行Gamma校正；

将前一帧人脸图像中校准好的关键点坐标，作为后一帧的备选关键点的坐标，分别以其为中心建立两帧图像的梯度特征向量生成区域；

通过计算梯度特征向量生成区域的梯度大小与梯度方向，获得区域梯度特征向量，计算前后两帧人脸图像的区域梯度特征向量的相似性结果α₁；

分别以备选关键点为中心建立前后两帧图像的卷积特征对比区域，对卷积特征对比区域进行多次卷积，获得区域卷积特征，计算前后两帧人脸图像中的区域卷积特征的相似性结果α₂；

将相似性结果α₁与相似性结果α₂按比重相加，得到相似性结果β：

若大于预设相似性结果阈值，则备选关键点为后一帧人脸图像校准后的关键点；若小于预设相似性结果阈值，在预设的关键点搜索区域内搜索，直至获得大于阈值的关键点作为后一帧人脸图像校准后的关键点。

2.根据权利要求1所述的人脸图像面部关键点标定的校准方法，其特征在于，还包括：若搜索完整片搜索区域后仍没有高于预设阈值的点，则将搜索区域内的所有点以与备选关键点进行相似度排序，将相似度排第一的点作为校准后的关键点。

3.根据权利要求1所述的人脸图像面部关键点标定的校准方法，其特征在于，所述DAN神经网络根据标记的人脸关键点坐标数据，之后利用CNN完成监督学习。

4.根据权利要求1所述的人脸图像面部关键点标定的校准方法，其特征在于，所述梯度特征向量生成区域的梯度大小与梯度方向的计算，包括以下步骤：

梯度大小分为横向梯度大小G_x与纵向梯度大小G_y为：

G_x(x,y)＝I₂(x+1,y)-I₂(x,y)

G_y(x,y)＝I₂(x,y+1)-I₂(x,y)

式中，(x,y)为像素点坐标；I₂为图像Gamma校正后的亮度；

梯度的幅值为：

梯度的方向为：

5.根据权利要求4所述的人脸图像面部关键点标定的校准方法，其特征在于，所述区域梯度特征向量的获取，包括以下步骤：

为梯度特征向量生成区域中心点距离相同的像素分配相同的权重，将像素的梯度向量与对应的权重相乘得到权重像素梯度向量，将权重像素梯度向量相加得到区域梯度特征向量。

6.根据权利要求1所述的人脸图像面部关键点标定的校准方法，其特征在于，所述相似性计算公式采用余弦相似度计算公式。

7.根据权利要求1所述的人脸图像面部关键点标定的校准方法，其特征在于，所述将相似性结果α₁与相似性结果α₂按比重相加，得到相似性结果β，公式如下：

β＝w₁α₁+w₂α₂,w₁+w₂＝1

其中，将β设定阈值为0.95。

8.根据权利要求1所述的人脸图像面部关键点标定的校准方法，其特征在于，所述在预设的关键点搜索区域内搜索，包括以下步骤：

以备选关键点为中心，建立15*15的关键点搜索区域；以备选关键点为原点开始搜索，先横向搜索，后纵向搜索，直到出现高于阈值的点，即为后一帧人脸图像的关键点。