[发明专利]一种改进的ASM人脸特征点定位方法

摘要

本发明的改进的ASM人脸特征点定位方法，包括：a).建立人脸照片库；并对照片归一化处理；b).手工标定并获取形状模型；c).采用PCA算法对进行降维处理；d).选取特征点邻域；e).构建二阶梯度矩阵；f).构建特征矩阵，g).求取二阶梯度模型和协方差；h).建立全局形状模型，并求出分量的高斯分布模型～；i).初始化待测人脸图像；j).搜索最佳候选特征点；k).构成当前形状模型，判断当前形状模型是否收敛。本发明的ASM人脸特征点定位方法，使得待测图像的候选点与标记点灰度和纹理都极为相似，实现了图像的准确定位，并且可避免光照和噪声对图像定位的影响。

主权项

1.一种改进的ASM人脸特征点定位方法，其特征在于，包括以下步骤：a).建立人脸照片库，建立容量为L的人脸照片训练样本库M，每张人脸照片为一个训练样本；并对每张人脸照片进行归一化处理；b).手工标定并获取形状模型，在每个训练样本的相同位置处手工标定n个特征点，得到训练样本的形状模型集合，（0≤＜L）为训练样本M[]的形状模型，其由标定的特征点坐标向量形成，记为；为训练样本M[]的第j个标定点的坐标，其中，（0≤＜n）；c).对进行降维处理，采用PCA算法对进行降维处理，得到特征向量矩阵P，P为正交矩阵；并求取平均形状模型；d).选取特征点邻域，在训练样本M[]中的每个特征点j的周围选取邻域；e).构建二阶梯度矩阵，求取每个特征点j邻域内每个像素点的二阶梯度，并利用二阶梯度值构建特征点邻域的二阶梯度矩阵；f).构建特征矩阵，将每个特征点邻域的二阶梯度矩阵中每一个元素分别乘以其对应的二维高斯权值，构建特征点邻域的特征矩阵，其中，0≤＜L，0≤＜n；g).求取二阶梯度模型和协方差，利用公式、分别求取所有训练样本的第j个特征点邻域的二阶梯度模型和及其协方差；h).建立全局形状模型，根据在步骤c)中获取的正交矩阵P建立全局形状模型，并根据求出向量B中每个分量的高斯分布模型～；i).初始化待测人脸图像，令全局形状模型中的向量B为零向量，来初始化待测人脸图像中特征点的位置；j).搜索最佳候选特征点，在初始化特征点周围搜索当前特征点W的候选特征点q，当马氏距离取最小值时，对应的点为W的最佳候选点；k).构成当前形状模型，当全部特征点搜索完毕后，所有特征点的当前候选点构成一个当前形状模型,并将与对齐后得到；m).判断当前形状模型是否收敛，利用公式求取向量B，如果向量B中90％以上的分量均满足，则表明当前形状模型已经收敛；否则利用重新初始化待测人脸图像，重新执行步骤i)。