[发明专利]基于多特征点集活动形状模型的头部姿态估计方法

摘要

本发明涉及一种基于多特征点集活动形状模型的头部姿态估计方法。本发明首先，训练人脸样本分别得到ASM全局形状模型和局部纹理模型；其次，根据训练得到的模型对获得的人脸图像序列进行人脸特征点拟合，保存特征点坐标，且周期更新基准坐标；然后，计算各个特征点的位移量并统计出超过位移阈值的特征点数；最后，根据统计出的特征点数及位移方向估计出头部姿态。本发明能够降低因少数特征点定位不准对头部姿态估计的影响，同时对光照还具有较强的鲁棒性，能够估计出正面、左转、右转、抬头和低头等多种头部姿态，在智能视频监控、虚拟现实、模式识别以及人机交互等领域具有较大的应用前景。

主权项

基于多特征点集活动形状模型的头部姿态估计方法，其特征在于该方法包括如下步骤：步骤(1)训练ASM模型：训练人脸样本分别得到ASM全局形状模型和局部纹理模型；步骤(2)采集人脸图像序列：通过光学镜头或CMOS图像传感器组件获取人脸图像序列；步骤(3)当前帧数判断：如果当前帧等于l的整数倍，则进入步骤(4)；否则，跳至步骤(2)，l表示帧数；步骤(4)拟合人脸特征点：利用步骤(1)获得的ASM全局形状模型和局部纹理模型对步骤(2)采集的人脸图像序列进行n个人脸特征点拟合，将特征点对应的横、纵坐标记录到数组temp_x[n]和temp_y[n]中；步骤(5)更新基准坐标：如果步骤(7)估计出的姿态为正脸，则根据公式(1)和(2)更新基准坐标；否则，直接跳到步骤(6)；fiducial_x[i]＝temp_x[i],i∈(0,1,...,n‑1)   (1)fiducial_y[i]＝temp_y[i],i∈(0,1,...,n‑1)   (2)这里，基准坐标fiducial_x[n]、fiducial_y[n]分别表示更新后的n个正面人脸特征点对应的横、纵坐标；初始化时，将首帧拟合得到的n个正面人脸特征点横纵坐标作为基准坐标；步骤(6)计算各个特征点的位移量并统计出超过位移阈值的特征点数：将步骤(4)中的人脸特征点坐标分别与基准坐标作差得到每个特征点在x、y轴方向上的位移量，若该位移量超过位移阈值Throffset，则该方向移动的特征点数加1；位移阈值的计算公式为：Throffset＝η×widthface   (3)式中，η是比例因子；widthface是拟合人脸的宽度；步骤(7)根据统计出的特征点数及位移方向估计出头部姿态：若步骤(6)中某方向上统计出的特征点数大于阈值Num，则判断头部往该方向偏转；若特征点数在四个方向上都没有超过该阈值，则判断人脸处于正面；该步结束后，返回步骤(2)；阈值Num的计算方法为Num＝ζ×n    (4)式中，n为人脸标定的特征点数，ζ为比例系数。