[发明专利]一种基于Android平台的实时人脸关键点定位方法

摘要

本发明公开了一种基于Android平台的实时人脸关键点定位方法，属于计算机视觉技术领域。本发明方法包括以下步骤：收集人脸训练图片集，并标定关键点；随机选取训练集中的n个样本作为每一个训练样本的初始形状；计算每一个训练样本标准化目标；提取每一个关键点的形状索引特征；采用相关性分析方法选择适量的特征；采用两层增强回归结构(外部层和内部层)；计算每一个阶段的回归器；使用人脸检测的方法估计人脸窗口，根据训练好的回归模型预测人脸关键点位置。目前已有的方法计算复杂度较高，在移动平台上运行过慢；而且对噪声敏感，定位的精度低。本发明以样本的线性组合来约束形状，应用基于回归的方法提高了人脸关键点定位的精度和效率。

主权项

1.一种基于Android平台的实时人脸关键点定位方法，其特征在于，构建一个基于回归的非参形状模型，通过直接学习一个矢量回归函数来预测整个人脸的关键点，包括以下步骤：步骤1、收集训练图片集，并对训练集人脸图片标定关键点；步骤2、计算每一个训练样本标准化目标：其中为所有训练样本的平均形状，S为输入的待标准化形状，即为标准化的目标形状，M_S即为最小化均值形状与标准化目标形状之间L2距离的相似变换过程；步骤3、组合训练样本集合其中N为训练样本总数，i表示样本索引；每个样本包含了一个训练图像、一个真实形状和一个初始形状；随机选取训练集中的n个样本作为每一个训练样本的初始形状；步骤4、根据每一个关键点的位置提取形状索引特征；步骤5、采用相关性分析方法选择适量的特征作为最终的特征；步骤6、设置回归结构：采用2‑level增强回归结构作为基本人脸配准框架，称为外部层，在每一层外部层设置内部阶段回归器Rt，称为内部层；步骤7、计算每一个阶段的回归器R^t：其中N为训练样本数量总和，为上一个回归阶段得到的估计形状，y_i为目标回归量；步骤8、使用人脸检测的方法估计人脸窗口；根据训练好的回归模型预测人脸关键点位置：