中的位置W(x，pk)，并针对待比对人脸图像D(X)进行灰度处理，获得待比对人脸图像D(X) 的灰度值，构成待比对人脸图像D(X)纹理向量I(W(x，pk))，然后进入步骤008。
[0062] 接下来基于k={l，…，KKWk作为迭代节点进行如下迭代过程：
[0063] 步骤008.定义k = l，进入步骤009。
[0064] 步骤009.引入快速反向合成算法，计算获爷
的值，判断
I值是否小于预设纹理差阔值，是则获得下一帖待比对人脸图 像，作为待比对人脸图像D(X),并返回步骤007;否则进入步骤010。
[0065] 步骤010.判断k是否等于K，是则重新建立主动表现模型坐标框架，并返回步骤 003;否则用k+1的值更新k，并返回步骤009。
[0066] 本发明所设计人脸特征点跟踪方法实际应用效果图如图7a和图7b所示，基于主动 表现模型，采用全新设计方法，克服了现有技术中的缺陷与不足，能够有效提高人脸的跟踪 精度，而且针对主动表现模型算法效果欠佳的情况，引入快速反向合成算法，进一步保证了 人脸跟踪的精度。
[0067] 上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施 方式，在本领域普通技术人员所具备的知识范围内，还可W在不脱离本发明宗旨的前提下 做出各种变化。
【主权项】
1. 一种人脸特征点跟踪方法，其特征在于，包括如下步骤： 步骤001.采集预设数量N张人脸样本图像，并分别针对各张人脸样本图像，按预设标记 规则在人脸样本图像上标记出预设个数的特征点，然后进入步骤002; 步骤002.分别针对各张人脸样本图像，获得人脸样本图像上所标记各个特征点的坐 标，将该人脸样本图像上各个特征点的坐标进行组合，构成该人脸样本图像的形状向量;进 而分别获得N张人脸样本图像的形状向量，然后建立主动表现模型坐标框架，并进入步骤 003； 步骤003.将N张人脸样本图像的形状向量对齐到该主动表现模型坐标框架中，并在该 主动表现模型坐标框架中，针对该N张人脸样本图像的形状向量进行降维，然后进入步骤 004； 步骤004.获得N张人脸样本图像的形状向量的平均人脸样本形状向量s〇,并进入步骤 005； 步骤005.获得平均人脸样本形状向量so所对应的所有表情特征向量，并将该所有表情 特征向量按其特征值由大至小进行排序，获得平均人脸样本形状向量so所对应的预设前L 个表情特征向量，进而获得如下人脸形状模型：其中，Ski表示主动表现模型坐标框架上所有人脸样本图像上特征点中所对应的任意人 脸形状向量，k = {1，···，K}，pk表示第k个预设人脸形状向量参数，预设人脸形状向量参数的 总个数为1(，^表示平均人脸形状向量所对应预设前L个表情特征向量中的第1个表情特征 向量;然后进入步骤006; 步骤006.在主动表现模型坐标框架中，根据各张人脸样本图像的形状向量，获得如下 人脸表观模型：其中，Akm表示主动表现模型坐标框架上所有人脸样本图像上特征点中所对应的任意人 脸纹理向量;Αο表示平均人脸样本纹理向量;Ak表示第k个预设人脸纹理向量参数，预设人脸 纹理向量参数的总个数为K，Vm表示平均人脸纹理向量所对应预设前Μ个表情纹理特征向量 中的第m个表情纹理特征向量;然后进入步骤007; 步骤007.根据人脸形状模型，获得待比对人脸图像D(x)位于主动表现模型坐标框架中 的位置W(x，pk)，并获得待比对人脸图像D(x)纹理向量I(W(x，pk))，然后进入步骤008; 步骤008.定义k = 1，进入步骤009; 步骤009.判If的值是否小于预设纹理差阈值，是则获得下一 帧待比对人脸图像，作为待比对人脸图像D(x)，并返回步骤007;否则进入步骤010; 步骤010.判断k是否等于K，是则重新建立主动表现模型坐标框架，并返回步骤003;否 则用k+Ι的值更新k，并返回步骤009。2. 根据权利要求1所述一种人脸特征点跟踪方法，其特征在于:所述步骤002中，分别针 对各张人脸样本图像，获得人脸样本图像上所标记各个特征点的坐标，并按预设标记规则 中的特征点标记顺序，将该人脸样本图像上各个特征点的坐标进行排序组合，构成该人脸 样本图像的形状向量。3. 根据权利要求1所述一种人脸特征点跟踪方法，其特征在于:所述步骤003中，采用 Procrustes Analysis方法将N张人脸样本图像的形状向量对齐到该主动表现模型坐标框 架中。4. 根据权利要求1所述一种人脸特征点跟踪方法，其特征在于:所述步骤006中，根据各 张人脸样本图像的形状向量，通过德劳内三角变换和仿射变换获得人脸表观模型。5. 根据权利要求4所述一种人脸特征点跟踪方法，其特征在于:所述步骤006具体包括 如下步骤： 步骤00601.在主动表现模型坐标框架中，分别针对各张人脸样本图像的形状向量，基 于人脸样本图像的各个特征点坐标，针对该人脸样本图像进行三角剖割，并分别针对该人 脸样本图像中的各个三角形，任意取三角形所对应的其中一个特征点，将该特征点的灰度 值作为该三角形区域的灰度值;进而获得主动表现模型坐标框架中各张人脸样本图像分别 所对应的各个三角形区域的灰度值，然后进入步骤00602; 步骤00602.在主动表现模型坐标框架中，针对平均人脸样本形状向量so,基于平均人脸 样本形状的各个特征点坐标，针对平均人脸样本形状进行三角剖割，并针对平均人脸样本 形状中的各个三角形，根据该各个三角形区域与各张人脸样本图像中三角形区域的对应关 系，获得平均人脸样本形状中各个三角形区域的灰度值，进而获得平均人脸样本形状所对 应各三角形区域灰度值所组成的纹理向量，即平均人脸样本纹理向量Ao;然后进入步骤 00603； 步骤00603.获得平均人脸样本纹理向量A〇所对应的所有表情纹理特征向量，并将该所 有表情纹理特征向量按其特征值由大至小进行排序，获得平均人脸样本纹理向量Ao所对应 的预设前Μ个表情纹理特征向量，进而获得如下人脸表观模型：其中，Akm表示主动表现模型坐标框架上所有人脸样本图像上特征点中所对应的任意人 脸纹理向量，Ak表示第k个预设人脸纹理向量参数，预设人脸纹理向量参数的总个数为K，Vm 表示平均人脸纹理向量所对应预设前Μ个表情纹理特征向量中的第m个表情纹理特征向量； 然后进入步骤007。6. 根据权利要求5所述一种人脸特征点跟踪方法，其特征在于:所述步骤007中，根据人 脸形状模型，获得待比对人脸图像D(x)位于主动表现模型坐标框架中的位置W(x，p k)，并针 对待比对人脸图像D(x)进行灰度处理，获得待比对人脸图像D(x)的灰度值，构成待比对人 脸图像D(x)纹理向量I(W(x，p k))，然后进入步骤008。7. 根据权利要求1至6中任意一项所述一种人脸特征点跟踪方法，其特征在于:所述人 脸特征点跟踪方法应用于基于ARM的树莓派平台。
【专利摘要】本发明涉及一种人脸特征点跟踪方法，首先，建立人脸训练样本库，从而消除不同国家的人脸结构差别造成的匹配精度的问题，然后，在测试树莓派平台上，基于人脸训练样本库，分别训练建立人脸形状模型和人脸表观模型，最后，在保证配准的精度的前提下，基于主动表观模型算法，采用快速反向合成算法，减小配准计算过程中的复杂度，加快程序运行的速度，克服了现有技术中的缺陷与不足，能够有效提高人脸的跟踪精度。
【IPC分类】G06K9/00
【公开号】CN105718885
【申请号】CN201610038361
【发明人】杨敏, 朱晓琪, 荆晓远
【申请人】南京邮电大学
【公开日】2016年6月29日
【申请日】2016年1月20日