[发明专利]一种用射影不变量提取人脸基准点的方法

摘要

一种基于射影不变量提取人脸基准点的方法，属于计算机视觉领域。我们构造一种新的射影不变量（特征数），它通过人脸基准点将共线性、交比和六点几何特性结合了起来。本发明利用基准点之间的内部几何信息关系，在训练过程中，只需要一定数量手工标定基准点的正脸图像，然后利用基准点之间的几何关系，枚举所有构成三点、五点和六点特征数的基准点组合，找出特征数在训练集中都相等的组合，建立基准点匹配模板和形状先验。对任意输入的人脸图片，首先通过模板匹配、Sobel算子提取边缘点和汉森矩阵提取拐点，然后利用特征数在对基准点进行形状约束。本算法能快速、有效、准确的检测到人脸基准点且适合于不同姿态变化条件下的人脸图片。

主权项

一种用射影不变量提取人脸基准点的方法，其特征包括以下几个步骤：第一步，定义特征数定义1：在射影空间中，一条直线l被任意三条直线a,b和c所截，记直线l与三条直线的交点为P＝<l,a>,Q＝<l,b>,和R＝<l,c>,并记三条直线a,b和c两两交点为μ＝<c,a>，ν＝<a,b>和ω＝<b,c>,则P,Q和R用μ,ν,ω线性表示：P=a1μ+b1vQ=a2v+b2ωR=a3ω+b3μ---(1)]]>P,Q和R的三点特征数：κ(P,Q,R)=b1a1.b2a2.b3a3---(2)]]>由于三点P,Q和R共线，利用面积SPQR＝0，得到κ(P,Q,R)＝‑1；定义2：在射影空间中，取任意三点都不共线的六点A＝(xa,ya,1)，I＝(xi,yi,1)，C＝(xc,yc,1)，H＝(xh,yh,1)，B＝(xb,yb,1)，J＝(xj,yj,1)；直接利用构成的三角形面积的比率定义六点特征数：κ(A,I,C,H,B,J)=(-1)3SΔABHSΔACH.SΔBAISΔBCI.SΔCAJSΔCBJ=(-1)3|ABH||ACH|.|BAI||BCI|.|CAJ||CBJ|---(3)]]>这里，|ABH|=111xaxbxhyaybyh---(4)]]>则称κ(A,I,C,H,B,J)为六点特征数；第二步，对基准点使用特征数建立关系采用m张正脸图片制作训练集，手工标记特征脸上的8个基准点：4个眼角、2个鼻孔、2个嘴角，S＝(p1,p2,...,p8)T,其中pi＝(xi,yi)；从基准点中的8个点中任取3个点，枚举所有构成三点特征数的组合，对于得到的每一种组合，在训练集中就有m个特征数，对所有组合的特征数画直方图，根据直方图结果，选取所有特征数都满足下式的组合：|(‑1)‑CNsub|2＜ε   (5)其中CNsub组合上的特征数，取ε＝0.01；通过公式(5)，找出所有三点共线的基准点组合，这些组合的三点特征数就是人脸结构的固有性质，将这些组合和三点特征数称作形状先验；利用六点特征数和五点特征数，其中五点特征数的计算利用交比，一种基本不变量；从标记好基准点的训练集中找出几何特性，当计算六点特征数时，把标记好的8个基准点分成不同组合的6点子群，根据定义，对所有训练集图像计算这些子群的特征数，将所有可能组合的特征数画直方图，通过直方图，找出满足公式(6)的组合，该组合对于所有训练集特征数近似相等：|C-CNsub|2<ϵCov(CNsub)<σ---(6)]]>其中C是常数,CNsub是组合的特征数值，取ε＝0.01,σ＝0.1，这个参数的选取权衡了图片的大小和计算的精度；通过公式(6)，筛选出满足定义的五点和六点特征数和它们的组合，得到更多的形状先验；特征数是射影不变量，在基准点提取时，就利用这些特征数和组合，对基准点做严格的形状约束。