[发明专利]基于深度视频流的实时人脸姿态估计方法

权利要求书

1.一种基于深度视频流的实时人脸姿态估计方法，其特征在于：步骤包括：抽样及训练阶段和实时估计阶段；

在抽样及训练阶段，其步骤包括：

获取头部各个角度的人脸景深图，并标注其鼻尖位置和偏转角度；

将人脸景深图转换为人脸积分图；

在人脸积分图中随机抽样得到训练样本集；

采用监督学习方法进行训练，得到分类器；

在实时估计阶段，其步骤包括：

实时采集得到景深图视频流和普通视频流；

获取景深图视频流和普通视频流的视频帧中的脸部位置；

针对视频帧中的脸部位置进行随机取样得到待分类样本集；

将待分类样本集中所有样本输入分类器，得到姿态估计结果；

剔除异常的姿态估计结果；

采用加权平均法处理剩下的姿态估计结果，得到最终姿态结果。

2.根据权利要求1所述的基于深度视频流的人脸姿态估计方法，其特征在于，所述的获取头部各个角度的人脸景深图的方法具体为利用三维人脸模型重新渲染生成人脸景深图或利用实际采集的方式获取人脸景深图。

3.根据权利要求1所述的基于深度视频流的人脸姿态估计方法，其特征在于，所述在人脸积分图中随机抽样得到训练样本集的具体步骤包括：

从人脸积分图中随机抽取一定规格的切片样本；

去除删除空白区域过多的切片样本和深度值过于平缓的切片样本；

在每个切片样本上标记其中心点与鼻尖位置的偏移量和对应的脸部姿态，得到训练样本集。

4.根据权利要求1所述的基于深度视频流的人脸姿态估计方法，其特征在于，所述的监督学习方法所采用的学习模型包括随机森林、决策树、神经网络和贝叶斯网络。

5.根据权利要求1所述的基于深度视频流的人脸姿态估计方法，其特征在于，所述的获取景深图视频流和普通视频流的视频帧中的脸部位置的具体步骤包括：

利用景深图视频流中的深度信息过滤背景；

利用普通视频流的图像帧中的肤色和纹理信息找到脸部位置。

6.根据权利要求1所述的基于深度视频流的人脸姿态估计方法，其特征在于，所述的针对视频帧中的脸部位置进行随机取样得到待分类样本集的具体步骤包括：

在视频帧中的脸部位置上抽取一定规格的切片样本；

抛弃空白区域过多的切片样本和深度值过于平缓的的切片样本；

利用切片样本得到待分类样本集。

7.根据权利要求1所述的基于深度视频流的人脸姿态估计方法，其特征在于，所述的剔除异常的姿态估计结果具体步骤包括：

采用均值漂移算法找到最密集的姿态估计结果的中心；

抛弃离最密集的姿态估计结果中心相差较远的结果。