[发明专利]一种基于级联回归的人脸3D姿态识别方法

摘要

本发明涉及一种基于级联回归的人脸3D姿态识别方法，其步骤包括1）采集大量人脸图片数据，并标记出初始的关键点和3D姿态；2）通过对人脸图片数据进行训练，学习得到粗回归器，然后以粗回归器的输出作为输入，学习得到精回归器；3）给定待识别的人脸图片和对应的人脸位置，通过所述粗回归器将人脸3D姿态调整到真实姿态附近，并将人脸关键点调整到真实位置附近，通过所述精回归器得到精确的人脸3D姿态参数。本发明提出的由粗到精的级联回归算法，通过对大量样本进行学习，以及多特征融合、多回归器融合的方式，极大地提高了算法的速度和鲁棒性，能够有效提高了人脸3D姿态识别的精度和速度。

主权项

一种基于级联回归的人脸3D姿态识别方法，其步骤包括：1)采集大量人脸图片数据，并标记初始的关键点位置和3D姿态；2)通过对所述大量人脸图片数据进行训练，学习得到一粗回归器，然后以所述粗回归器的输出作为输入，学习得到一精回归器，从而得到由粗到精的级联回归器；所述粗回归器采用线性回归器，使用SURF特征学习得到所述线性回归器，具体步骤包括：①在初始形状上每个关键点处提取初始的SURF特征，记作Φ0，关键点真实回归目标记为ΔX*，3D姿态真实回归目标记为ΔY*；②在训练过程中，由于关键点坐标X、3D姿态Y、初始值关键点坐标X0和初始3D姿态Y0已知，故ΔX*＝X‑X0，ΔY*＝Y‑Y0；线性回归器表达为ΔX0＝R0*Φ0+b0，ΔY0＝P0*Φ0+c0，其中的参数R0和b0通过最小化下式求得：argminR0,b0ΣdiΣx0i||Δx*i-R0φ0i-b0||2,]]>其中，di为第i个人脸图片，为第i个人脸的初始形状，为第i个人脸的真实回归目标，为第i个人脸在初始形状处的SURF特征向量；同理求出P0和c0；③根据得到的R0和b0，以及P0和c0，得到估计的增量ΔX0＝R0*Φ1+b0，ΔY0＝P0*Φ1+c0；将X+ΔX0、Y+ΔY0作为新的训练集，记为X1，Y1；根据新的训练集，提取新的SURF特征Φ1，有ΔX1＝R1*Φ1+b1，ΔY1＝P1*Φ1+c1；同理，根据上述方法求得R1和b1，P1和c1；以此类推，得到多级线性回归器；3)给定待识别的人脸图片和对应的人脸位置，通过所述粗回归器将人脸3D姿态调整到真实姿态附近，并将人脸关键点调整到真实位置附近，然后以所述粗回归器的输出作为输入，通过所述精回归器得到精确的人脸3D姿态参数。