[发明专利]人脸姿态估计方法及装置

说明书

本发明提供一种人脸姿态估计方法及装置，方法包括：获取人脸图像及其对应的关键点信息；基于关键点信息，得到鼻子相对于两眼中点的投影距离，以及得到两眼间距；基于投影距离以及两眼间距，利用预先基于经验参数拟合得到的映射关系，得到人脸姿态。本发明通过获取人脸图像及其对应的关键点信息，以便于根据关键点信息，以及利用预先拟合得到的映射关系，对人脸姿态进行预估，以利用较为准确的映射关系对应预测人脸姿态，提高姿态预估的准确性以及可靠性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人脸姿态估计方法及装置。

背景技术

随着计算机视觉的不断发展，人脸识别相关算法层出不穷，基于深度学习的人脸识别算法在理想实验环境下，已经达到相当高的识别准确率，但在现实场景中，不同的人脸姿态，如面部的左右、俯仰与平面内旋转角度的变化等将会造成面部信息缺失，从而使得人脸识别效果面临着非常大的挑战。由于人脸姿态变化会导致人脸信息丢失及差异，使得不同人的侧脸的相似度比同一个人的侧脸和正脸之间的相似度还要高，因此，提高人脸识别效果需要首先对人脸姿态进行准确的估计。

目前，人脸姿态估计一般包括两种方法：第一种是通过将人脸图像投影到各个主成分分析姿态空间，将最相近投影系数空间的姿态作为该图像的人脸姿态；第二种是通过事先定义人脸关键点的几何结构，通过关键点检测以及模型从三维(three-dimension，3D)到二维(two-dimension，2D)的映射关系直接回归出人脸姿态的三个角度值：俯仰角(Pitch)，偏航角(Yaw)，翻滚角(Roll)。

然而，上述第一种方法直接依赖于图像的整体像素信息，因此计算维度较高，且姿态空间不连续，需要大量的不同姿态的人脸图像样本；第二种方法则主要依赖于关键点与3D人脸模型，而目前仍无法检测出大角度上的关键点，因而具有一定的局限性，如果关键点预测错误，则最终与3D可形变人脸模型进行拟合估计出的姿态值将会有非常大的误差。

发明内容

本发明提供一种人脸姿态估计方法及装置，用以解决现有技术中由于拍摄角度的影响以致姿态预估精度较差的缺陷，有效提高了人脸姿态估计的精度和效率。

本发明提供一种人脸姿态估计方法，包括：获取人脸图像及其对应的关键点信息；基于所述关键点信息，得到鼻子相对于两眼中点的投影距离，以及得到两眼间距；基于所述投影距离以及所述两眼间距，利用预先基于经验参数拟合得到的映射关系，得到人脸姿态。

根据本发明提供的一种人脸姿态估计方法，所述基于所述关键点信息，得到鼻子相对于两眼中点的投影距离，包括：基于所述关键点信息，得到鼻子坐标和两眼坐标；基于所述两眼坐标，得到中点坐标；根据所述中点坐标和所述鼻子坐标，得到鼻子相对于中点的投影距离。

根据本发明提供的一种人脸姿态估计方法，所述根据所述中点坐标和所述鼻子坐标，得到鼻子相对于中点的投影距离，包括：根据所述中点坐标和所述鼻子坐标，得到第一线段；根据所述两眼坐标，得到第二线段；根据所述第一线段和所述第二线段，得到所述第一线段和所述第二线段之间的夹角；基于所述夹角，将所述第一线段投影至所述第二线段上，得到投影距离。

根据本发明提供的一种人脸姿态估计方法，所述基于所述投影距离以及所述两眼间距，利用预先基于经验参数拟合得到的映射关系，得到人脸姿态，包括：基于所述投影距离以及所述两眼间距，得到鼻子相对于双眼的比重；根据所述比重，利用预先基于经验参数拟合得到的映射关系，得到角度信息；根据所述角度信息，得到人脸姿态。

根据本发明提供的一种人脸姿态估计方法，所述比重，表示为：

其中，r表示比重，d_p表示投影距离，cosm表示鼻子与两眼中点形成的第一线段与两眼形成的第二线段之间夹角的余弦值；d_e为两眼间距。