[发明专利]一种基于深度值的单幅图像人脸姿态估计方法

摘要

本发明涉及一种基于深度值的单幅图像人脸姿态估计方法，包括以下步骤：获取待估计姿态人脸图像；将待估计姿态人脸图像转化成灰度图像，并进行去噪处理和标准化处理；引入仿射变换不变性初始化原则建立初始模型，改进传统的活动形状模型方法，提取十个人脸特征点的二维值；根据透视成像原理，利用迭代算法，求得所述十个人脸特征点的深度值；建立人脸姿态估计目标函数；利用四个人脸特征点进行人脸姿态一次估计，作为对目标函数进行最小二乘优化运算的输入值，输出二次估计的人脸姿态结果；利用M‑估计算法对最小二乘优化运算得到的结果作进一步优化，输出最终估计结果。本发明克服了姿态估计的病态化问题，且具有良好的姿态估计精度和鲁棒性。

主权项

1.一种基于深度值的单幅图像人脸姿态估计方法，其特征在于，包括以下步骤：步骤S1：获取待估计姿态人脸图像；步骤S2：预处理，将所述待估计姿态人脸图像转化成灰度图像，灰度值归一化为[0,1]，并进行去噪处理和标准化处理；步骤S3：对预处理后的灰度图像，利用改进的活动形状模型方法，提取十个人脸特征点的二维值；所述十个人脸特征点为左眼外角点、右眼外角点、左眼内角点、右眼内角点、左嘴角点、右嘴角点、鼻尖点、左鼻翼点、右鼻翼点和下巴顶点；步骤S4：根据透视成像原理，利用迭代算法，求得所述十个人脸特征点的深度值；所述步骤S4的具体内容如下：假设一特征点的3D空间坐标为y_n＝(y_n1 y_n2 y_n3)^T和相应的2D投影坐标为u_n＝(u_n1 u_n2)^T，旋转矩阵为R＝(r₁,r₂,r₃)^T,平移矢量为t＝(t₁,t₂,t₃)^T，f为像机焦距，则：在相机坐标系中，根据透视成像有：y_n经过旋转R，平移t后得到x_n，则：在相机坐标系中，假设x_n的深度值为d_n，n＝1,2,3,…,N，则：步骤S41：选取x_n的初始深度值为d_n⁰，d_n⁰是人脸特征点与透视中心的距离；步骤S42：假设经过迭代，得到第k步的深度值d_n^k，那么第k+1步的深度值d_n^k+1，可通过使得式(4)最小化求得：其中，ε²为方差，{w_n|n＝1,…,N}是非零因子，满足w_n≥0，在此定义w_n相等且R_k和t_k分别是第k步时所对应的人脸旋转矩阵和平移矩阵，即人脸姿态值；步骤S43：假设式(4)收敛，即有：证明如下：可见，要使式(5)取得最小值，那么：此时，式(5)就变成了：显然，由式(7)可得，成立，所以：把式(3)代入(8)式，可得：对所述十个人脸特征点依次按照上述方法求得深度值；步骤S5：根据所述深度值建立人脸姿态估计目标函数；步骤S6：利用四个人脸特征点进行人脸姿态一次估计，作为对目标函数进行最小二乘优化运算的输入值，输出二次估计的人脸姿态结果，并将所述二次估计的人脸姿态结果作为下步M‑估计算法的初始值，所述四个人脸特征点为左眼外角点、右眼外角点、鼻下点和嘴角点；步骤S7：利用M‑估计算法对最小二乘优化运算得到的结果作进一步优化，输出最终估计结果。