[发明专利]一种鲁棒的人脸特征点定位方法

摘要

本发明涉及一种鲁棒的人脸特征点定位方法。本发明首先建立人脸照片训练样本库，设定训练集中形状概率分布为均匀分布，根据概率分布选取多个形状作为初始化形状。其次在训练样本库中的每个样本随机选取多个初始化形状，提取形状在图像中的特征，利用级联回归方法学习回归模型；根据回归模型逐层来调整形状残差，从而得到多个回归形状。然后计算多个回归形状中各自的权重，由多个回归形状和对应的权重来估计子区域的中心。最后根据子区域的中心来估计子区域中形状的概率分布。对概率升序排列，选取前N_l个概率所对应的形状作为算法中初始化形状。本发明减少了初始化对定位的影响，增强了特征点定位的鲁棒性。

主权项

1.一种鲁棒的人脸特征点定位方法，其特征在于该方法包括以下步骤：步骤1、建立人脸照片训练样本库；步骤2、设定训练集中形状概率分布为均匀分布；步骤3、根据概率分布选取Nl个形状作为初始化形状；步骤4、在训练样本库中的每个样本随机选取Nl个初始化形状，提取形状在图像中的特征，利用级联回归方法学习回归模型；步骤5、根据回归模型逐层来调整形状残差，从而得到Nl个回归形状；步骤6、计算Nl个回归形状中各自的权重；步骤7、由Nl个回归形状和对应的权重来估计子区域的中心；步骤8、根据子区域的中心来估计子区域中形状的概率分布；步骤9、对概率升序排列，选取前Nl个概率所对应的形状作为算法中初始化形状；跳转至步骤4开始迭代，直到收敛结束，从而完成人脸特征点定位；其中步骤6具体是：(1)计算回归形状两两之间的距离apq；p,q∈(1,2,...Nl)：其中和分别表示第p、q个回归形状；(2)由apq组成一个Nl*Nl的二维矩阵A，并初始化Wi(0)，Wi(0)为一个Nl维的列向量，值全部为1/Nl，迭代L次后得到Nl个回归形状的权重Wij；其中°表示矩阵中对应元素相乘。