[发明专利]一种人脸对齐的方法及装置

说明书

本发明公开了一种人脸对齐的方法和装置，包括：根据当前阶段的特征点的位置坐标及提取到的人脸的特征值对人脸形状进行更新；其中，当前阶段为执行人脸对齐过程中所有阶段中的任何一个阶段，特征点为构成人脸形状的坐标点；在当前阶段不是所有阶段中的最后一个阶段的情况下，依据预设的第一插值矩阵和当前阶段的特征点的位置坐标，确定下一阶段的特征点的位置坐标。循环执行以上步骤，直到当前阶段为所有阶段中的最后一个阶段时，输出当前阶段更新的人脸形状。这样，在不损坏系统模型性能的前提下，降低了系统模型的体积，提高了运算速度。

技术领域

本发明涉及人脸识别领域，尤其涉及一种人脸对齐的方法及装置。

背景技术

随着计算机视觉领域技术的发展，针对人脸特征点的对齐技术日趋完善，目前，通常包含两类算法：第一类是基于传统机器学习算法，如boosting，随机森林等；第二类为基于神经网络的算法，最典型的卷积神经网络，基于卷积神经网络算法能够取得更好的精度，但是在实际应用中速度较慢，较难部署。因此在工程应用中，传统机器学习方法占据了重要的地位。目前，大部分传统机器学习算法都是通过逐步拟合的方式获得特征点的定位结果，而且通常级数较多，每一级都要对所有的人脸的特征点进行回归计算，导致模型体积较大，计算量大等问题。

现有技术中，通常采用利用定点化的方式进行压缩，即将float型转int型进行压缩，但是该种压缩方式对模型体积的压缩方式有限，难以满足工程的需求。

发明内容

有鉴于此，本发明实施例提供了一种人脸对齐的方法及装置，解决了现有技术中系统模型体积大、占用内存空间大的问题。

本发明实施例公开了一种人脸对齐的方法，包括：

根据当前阶段的特征点的位置坐标及提取到的人脸的特征值对人脸形状进行更新；所述当前阶段为执行所述人脸对齐过程中所有阶段中的任何一个阶段，所述特征点为构成人脸形状的坐标点；

在当前阶段不是所述所有阶段中的最后一个阶段的情况下，依据预设的第一插值矩阵和所述当前阶段的特征点的位置坐标，确定下一阶段的特征点的位置坐标；

将所述下一阶段作为当前阶段，并将所述下一阶段的特征点的位置坐标作为当前阶段的特征点的位置坐标，返回执行根据当前阶段的特征点的位置坐标及提取到的人脸的特征值对人脸形状进行更新的步骤。

可选的，还包括：

确定人脸的所有特征点；

将人脸对齐过程划分为多个阶段；

确定每个阶段的特征点和回归级数；其中，后一个阶段的特征点的点数大于前一个阶段的特征点的点数，最后一个阶段的特征点的点数等于所有特征点的点数；

根据第一目标阶段的特征点预设的位置坐标、第二目标阶段的特征点预设的位置坐标，采用最小二乘准则，计算插值矩阵；其中，所述插值矩阵与所述第一目标阶段的特征点的位置坐标相乘，得到第二目标阶段的特征点的位置坐标；所述第一目标阶段和所述第二目标阶段为所述人脸的对齐过程的所有阶段中的任意两个阶段。

可选的，所述根据当前阶段的特征点的位置坐标及提取到的人脸的特征值对人脸形状进行更新，包括：

确定当前阶段中当前回归级的人脸参考形状；

根据当前回归级的人脸参考形状，提取人脸的特征值；

根据所述人脸的特征值确定当前阶段的特征点的回归增量；根据所述回归增量，对人脸形状进行更新；

判断是否完成了当前阶段预设的所有回归级；

若未完成，将下一回归级作为当前回归级，并返回执行确定当前阶段中当前回归级的人脸参考坐标的步骤。

可选的，所述确定当前回归级的人脸参考坐标，包括：