[发明专利]复杂背景下基于主动形状模型和POEM纹理模型的人脸特征定位方法

摘要

本发明涉及一种复杂背景下基于主动形状模型和POEM纹理模型的人脸特征定位方法，属于模式识别技术领域。本方法包括对训练集进行特征点标定；对训练样本建立全局形状模型；对每个标定特征点建立POEM纹理直方图；根据形状模型选择因子选择模型的初始人脸形状；计算测试图像中每个特征点候选点的POEM直方图；对直方图采用马氏距离函数来计算候选点与目标点的相似度；将初始人脸加载到模型中进行迭代搜索匹配；对定位效果略差的局部器官或人脸轮廓进行二次定位。本发明提供的人脸特征定位方法提高了对复杂环境(例如姿态、光照、表情)变化的鲁棒性，获得了较高的定位精度，具有较好的应用前景。

主权项

一种复杂背景下基于主动形状模型和POEM纹理模型的人脸特征定位方法，其特征在于：包括以下步骤：1)以待测人脸图像作为测试集，选取部分已知人脸库作为训练集，对训练集进行手工标定人脸特征点；2)在步骤1)中标定特征点的基础上，根据不同的人脸姿态，分别将标准化后的训练数据进行统计，得到全局左偏形状、全局正面形状以及全局右偏形状三种模型；全局形状模型公式为：S≈S0+Pb，其中S即为得到的人脸形状，S0为人脸的初始形状，P为利用PCA降维时得到的特征向量，b为形状参数，Pb共同决定了平均形状可能的变化；3)在步骤2)中标定特征点的基础上，计算在所有样本中，每个特征点的POEM纹理直方图的平均值其中w表示特征点块的大小为w*w的正方形块，L代表POEM编码过程中圆的直径，n代表编码过程中特征点块的个数；4)在定位阶段，通过计算待测人脸的形状模型选择因子d，自动选择合适的形状模型，得到每个特征点的初始位置，并构成初始人脸形状；5)在步骤4)的基础上，计算测试样本中每个特征点附近候选点在各方向上的POEM纹理直方图6)通过马氏距离计算每个特征点候选点与目标点的相似度；其中马氏距离公式为Sq为协方差矩阵的逆；马氏距离越小，相似度越大；7)将初始人脸加载到模型中进行迭代搜索匹配，将全局形状与每个特征点的最佳位置进行综合考虑，得到第一次人脸特征定位结果；8)根据欧式距离计算各器官的误差值，其中，N为单幅图像中标记点的个数，(xp,yp)为图像中的第P个手工标记点，(x'p,y'p)为算法定位的相应目标点；对定位效果略差的局部器官或人脸轮廓，再进行一次上述步骤，进行二次定位，得到最终人脸定位结果；步骤4)中的形状模型选择因子d的求取方法为：41)利用AdaBoost算法定位双眼的位置；42)根据垂直混合投影公式(4)和水平混合投影公式(5)求得两鬓的位置：Hv(x)=12σv2′(x)+12Mv′(x)---(4)]]>Hh(y)=12σh2′(y)+12Mh′(y)---(5)]]>其中，σ'v(x),σ'h(y),Mv'(x),M'h(y)分别是σv(x),σh(y),Mv(x),Mh(y)规范化到[0,1]区间后的结果，Mv(x),Mh(y)为平均投影函数，和分别为平均投影函数在区间[x1,x2]和[y1,y2]内的垂直方差投影函数和水平方差投影函数；43)根据公式(6)，通过左眼到左鬓的距离l1以及右眼到右鬓l2的距离，求取形状模型选择因子d：d=l1l2---(6)]]>若d＜α，说明人脸姿态左偏，选择左偏形状模型作为全局形状模型；若d＝α，说明人脸为正面，选择正面形状模型作为全局形状模型，同样的，若d＞α，人脸姿态右偏，选择右偏形状模型作为全局形状模型。