[发明专利]基于条件外观模型的人脸特征点自动标定方法

摘要

本发明公开了一种基于条件外观模型的人脸特征自动标定方法，属计算机视觉领域。该方法的实现过程为：假设正面人脸标定已知，首先建立正脸与侧脸的离散特征点对应，通过回归算法获得的离散特征点与结构化标定点之间的映射关系，获得侧面人脸的初始化标定结果。然后，建立侧脸标定点与正脸标定点之间的条件模型，并根据反向合成算法，对模型参数的不断迭代优化，得到最终标定结果。本发明通过核岭回归建立离散特征点与结构化标定点的空间映射以获取人脸特征的初始标定，降低后续迭代次数，提高标定精度。设计条件外观模型及其反向合成迭代算法，避免对外观变形的搜索，提高搜索效率。与传统主动外观模型的比较，本发明的标定方法标定结果更为准确。

主权项

1.一种基于条件外观模型的人脸特征点自动标定方法，其特征在于：假设已知正面人脸的关键特征点，提出了一种条件型主动外观模型(Conditional Active Appearance Model，CAAM)，将原始的AAM反向合成匹配算法形状模型与基本形状的对应关系，演变为任意姿态人脸关键特征点与正面人脸的关键特征点之间的对应关系，通过建立形状模型，并根据反向合成拟合算法，对模型参数不断迭代优化，最后得到精确的任意姿态人脸特征点。算法中初始的人脸标定点由核岭回归算法(Kernel Ridge Regression，KRR)学习得到，其具体实现步骤如下：(1)在图像库中选取一系列正面及其侧面人脸图像，训练建立离散特征点与标定结构点之间空间位置的函数映射关系f:{Nyi(train)}→{Nxi(train)};]]>(2)提取正面人脸及其侧面人脸图像的SIFT特征，利用基于均衡化概率模型的特征匹配方法进行匹配，得到匹配对；(3)根据步骤(1)中得到的KRR参数以及步骤(2)中得到的匹配点k，建立测试阶段离散特征点空间位置矢量N_x′jk作为输入送入f函数，输出与之相对应的高分辨率系数N_yj.k，即得到侧面人脸的自动标定点；(4)将步骤(3)中得到的侧面人脸标定点作为算法的初始信息，进行假设正面人脸关键特征点已知情况下的侧面人脸标定，建立条件式形状模型即建立起侧脸形状数据s_f与正脸形状数据s_p之间的映射关系，其中p_i为形状参数，n个形状向量s_i是主成分分析得到的n个最大特征值所对应的向量；(5)根据反向合成拟合算法，对步骤(4)中的模型参数不断迭代优化，最后得到精确的侧面人脸特征点，完成侧面人脸特征点的自动标定。