[发明专利]一种关键特征点定位的方法和装置

说明书

技术领域

本发明涉及图像识别和处理技术，具体涉及一种关键特征点定位的方法和装置。

背景技术

随着当前计算机技术的迅速发展，计算机处理能力得到了大幅度的提升；与此同时，模式识别、计算机视觉等领域的相关技术也取得了快速发展，人脸检测作为相关领域研究和应用的热点，在安全、娱乐、人机交互等许多领域都具有重要的实用价值并得到了广泛应用。

人脸检测，是指采用人脸检测、脸部特征点定位等技术获取图像中的人脸位置信息，以该人脸位置信息为基础通过一定的算法提取人脸图像所包含的信息的一种方法。目前，随着人脸检测和人脸识别相关的应用逐渐增多，人脸检测和识别的算法越来越多样化、算法的识别率也越来越高。但是许多人脸识别的算法并没有达到该算法理论上应有的识别率，原因就在于：决定算法识别率的不仅是这种算法本身在理论上的识别率，还与该算法处理的图像是否达到该算法的基本要求有关。如果所述图像的前期预处理没有达到该算法的基本要求，比如：对于一种人脸检测算法，如果该算法进行检测和识别的人脸图像上的脸部特征点定位不准确，则所述算法在这些错误或不准确的脸部特征点基础上进行特征提取和识别，显然不可能获得良好的识别效果。这种准确定位出人脸图像上的人脸特征点位置的过程，通常称为关键特征点定位。可见，影响识别算法的识别率的因素，不仅包括算法本身的理论识别率，还与人脸是否有效对准密切相关。从而，人脸的有效对准是保证人脸识别率的重要前提，而精确快速的脸部关键特征点定位技术则是人脸检测技术实现的前提和基础。同时，所述的关键特征点定位除了应用于人脸检测外，还可以应用在人脸动画、表情特效等其他多种场合当中。

为了提取人脸上的关键特征点，早期采用的方法包括基于人脸几何特征的方法和基于Adaboost的方法等，这些方法在进行关键特征点匹配时主要是基于单个关键特征点分布的规律进行匹配，容易出现定位偏差，因此往往只能够找到近似的关键点位置，最终选出的关键点位置不是十分准确——比如，将眼球点定位到眉毛、眼角点可能定位到眼球点等；同时，所述方法的鲁棒性较差，且对光照的影响比较敏感；因此，特征点定位的稳定性和可靠性不高；此外，还有一种基于弹性模板的方法，这种方法定位效果较好，但是由于算法的复杂性，其确定最终关键特征点需要的处理时间通常较长，因此该算法仅能在实时性要求不高的情况下使用，应用范围比较受限。

发明内容

本发明提供一种关键特征点定位的方法和装置，能够精确、快速地实现人脸区域中关键特征点的定位。

为达到上述目的，本发明的技术方案具体是这样实现的：

一种关键特征点定位的方法，该方法包括：

对目标图像进行人脸检测，确定目标图像中的人脸区域为待对准图像；提取待对准图像中的边缘信息，得到待对准图像的边缘图；

按照预设的特征点选择标准从边缘图中检测得到所有候选特征点；从所述候选特征点中选出与设定的基准特征点组匹配度最高的若干个候选特征点作为最终得到的关键特征点。

所述对目标图像进行人脸检测，确定目标图像中的人脸区域为待对准图像的方法包括：

利用预先训练得到的人脸检测的Adaboost分类器模型判断目标图像是否为人脸图像，如果是，确定所述目标图像中的人脸区域，将所述人脸区域作为待对准图像。

当利用预先训练得到的人脸检测的Adaboost分类器模型判断目标图像为人脸图像时并确定所述目标图像中的人脸区域后，将所述人脸区域作为待对准图像之前，该方法包括：

对确定的人脸区域进行归一化处理，所述归一化包括但不限于尺寸归一化、光照条件归一化。

所述提取待对准图像中的边缘信息，得到待对准图像的边缘图的方法包括：

提取待对准图像中的边缘信息，得到待对准图像的初始边缘图；

对所述初始边缘图进行特征点检测前的预处理，得到用于进行候选特征点检测的最终边缘图。

对所述初始边缘图进行特征点检测前的预处理的方法包括：

计算每个连通域中包含的像素点个数，若连通域中包含的像素点个数小于设定的噪声阈值，则判定该连通域为噪点并将其从初始边缘图中去除；所述连通域包括边缘曲线或由边缘曲线构成的封闭区域；当所述连通域为边缘曲线时，连通域中包含的像素点个数是指该边缘曲线所占据的像素点的数目；而当连通域为边缘曲线构成的封闭区域时，该连通域包含的像素点个数则是指该封闭区域所包围的所有像素点的总数目。

所述将噪点从初始边缘图中去除之后，该方法进一步包括：