[发明专利]一种基于ASM的动态图像正面人脸重建系统及方法

说明书

本发明提供一种基于ASM的动态图像正面人脸重建系统及方法，本系统包括动态视频人脸提取模块、人脸图像质量评估模块、人脸图像光照处理模块和正面人脸合成模块；动态视频人脸提取模块能够较准确地获取到人脸的实际区域，排除类肤色像素干扰；通过人脸图像质量评估模块和人脸图像光照处理模块能获取到高质量的人脸图像序列；对这些获取到的高质量的人脸图像采用ASM进行特征点定位，利用TPS薄板样条函数合成最终的人脸图像；本发明能够有效地合成正面人脸图像，对于带有微表情人脸图像合成正面人脸具有一定的改善。

技术领域

本发明主要涉及图像处理技术领域，具体涉及一种基于ASM的动态图像正面人脸重建系统及方法。

背景技术

随着计算机的普及、智能设备的出现，科技对人们的影响越来越大，在全球化加剧的现在，人们对于身份鉴别的需求越来越强烈。传统的个人识别码、密码、IC卡、密保卡等传统的身份鉴别技术由于操作不变、难以记忆等原因和信息时代的需求存在不小的差距。人脸识别是生物特征识别领域十分热门的课题，是继指纹识别之后，有希望广泛应用于社会经济活动和人们日常生活中的一种生物特征识别技术。人脸识别是一种利用人脸进行身份鉴别的生物特征识别技术。然而，在近代特别是随着计算机技术的发展，人脸识别通常是指基于计算机技术的人脸特征信息的识别技术。

基于视频的动态人脸识别越来越重要，视频中包含了丰富的人脸信息。但是容易受到光照、姿态等影响。目前人脸识别算法很多是针对正面人脸图像提出的，人脸的姿态一旦发生改变，识别率就会急剧下降。如何从视频中获得利于识别的人脸图像是其中关键的一步。

发明内容

本发明所要解决的技术问题是提供一种基于ASM的动态图像正面人脸重建系统及方法，能够较准确地获取到人脸的实际区域，排除类肤色像素干扰，能够有效地合成正面人脸图像，对于带有微表情人脸图像合成正面人脸具有一定的改善。

本发明解决上述技术问题的技术方案如下：一种基于ASM的动态图像正面人脸重建系统，包括动态视频人脸提取模块、人脸图像质量评估模块、人脸图像光照处理模块和正面人脸合成模块，

所述动态视频人脸提取模块，用于在视频中提取人脸图像序列，根据CAMShift-KLT人脸实际区域跟踪算法排除类肤色区域(如：脖子)的影响，使人脸图像序列的人脸跟踪区域和实际的人脸图像区域相一致；

所述人脸图像质量评估模块，用于对人脸图像序列的人脸跟踪区域的画面质量进行显著性得分计算，并设定图像选取数目，按图像选取数目从显著性得分的结果中选出分数高于预定值的目标画面人脸图像序列；

所述人脸图像光照处理模块，用于利用自适应的Gamma变换算法对选出的目标画面人脸图像序列中各人脸跟踪区域进行光照改善处理；

所述正面人脸合成模块，用于根据ASM算法和TPS薄板样条函数对光照改善处理后的各人脸跟踪区域进行定位处理，从而将目标画面人脸图像序列合成一张正面人脸图像。

本发明的有益效果是：动态视频人脸提取模块能够较准确地获取到人脸的实际区域，排除类肤色像素干扰；通过人脸图像质量评估模块和人脸图像光照处理模块能获取到目标的人脸图像序列；对这些获取到的目标的人脸图像采用ASM算法进行特征点定位，利用TPS薄板样条函数合成最终的人脸图像；本发明能够有效地合成正面人脸图像，对于带有微表情人脸图像合成正面人脸具有一定的改善。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述动态视频人脸提取模块包括初始化单元、人脸跟踪单元和更新单元，

所述初始化单元，用于在视频中提取人脸图像序列，并为人脸跟踪单元提供初始化；

CAMShift算法是由Mean shift算法发展而来，是一种通过爬升概率分布梯度来获得最近主峰的无参的方法；