人脸姿态估计方法及装置的制造方法
【技术领域】
[0001 ]本公开设及通信领域，尤其设及人脸姿态估计方法及装置。
【背景技术】
[0002] 目前，人脸姿态估计在人脸识别和人机交互等领域有着重要作用。人脸姿态估计 就是对二维图像中的人脸在Ξ维空间中所处的姿态进行估计。但是，相关技术中，进行人脸 姿态估计时，设及的计算过程繁琐，计算速度慢。
【发明内容】
[0003] 有鉴于此，本公开提供了人脸姿态估计方法及装置，解决相关技术中进行人脸姿 态估计时计算过程繁琐、计算速度慢的问题。
[0004] 根据本公开实施例的第一方面，提供一种人脸姿态估计方法，所述方法包括：
[0005] 获取待检测图片中人脸的多个关键点；
[0006] 确定所述多个关键点各自对应的二维坐标和Ξ维坐标；
[0007] 根据所述二维坐标和所述Ξ维坐标，确定弱透视投影矩阵；
[000引根据所述弱透视投影矩阵，确定所述人脸的人脸姿态估计结果。
[0009] 可选地，所述获取待检测图片中人脸的多个关键点，包括：
[0010] 通过人脸关键点检测算法对待检测图片进行人脸关键点检测，获取所述待检测图 片中人脸的多个关键点。
[0011] 可选地，所述根据所述二维坐标和所述Ξ维坐标，确定弱透视投影矩阵，包括：
[0012] 确定第一矩阵和第二矩阵，其中所述第一矩阵中的值对应所述二维坐标，所述第 二矩阵中的值对应所述Ξ维坐标；
[0013] 确定所述第二矩阵的增广矩阵；
[0014] 根据所述第一矩阵、所述增广矩阵和弱透视投影矩阵之间的第一计算公式，利用 最小二乘法计算得到所述弱透视投影矩阵；
[0015] 其中，所述第一计算公式如下：
[0016] Χ=Α系其中X是所述第一矩阵，又是所述增广矩阵，A是所述弱透视投影矩阵。
[0017] 可选地，所述利用最小二乘法计算得到弱透视投影矩阵，包括：
[0018] 采用奇异值分解SVD算法或LU分解算法计算得到弱透视投影矩阵。
[0019] 可选地，所述根据所述弱透视投影矩阵，确定所述人脸的人脸姿态估计结果，包 括：
[0020] 将所述弱透视投影矩阵按照第二计算公式进行矩阵分解后得到的旋转矩阵确定 为所述人脸的第一人脸姿态估计结果；
[0021 ]其中，所述第二计算公式如下：
[0022] A = S[R，t]，其中A是所述弱透视投影矩阵，S是缩放矩阵，R是所述旋转矩阵，t是Ξ 维平移向量。
[0023] 可选地，所述根据所述弱透视投影矩阵，确定所述人脸的人脸姿态估计结果，还包 括：
[0024] 获取对所述旋转矩阵的预设旋转顺序，所述预设旋转顺序依次为相对于第一轴、 第二轴和第Ξ轴进行旋转；
[0025] 按照所述预设旋转顺序，将对所述旋转矩阵进行矩阵分解得到的分别相对于所述 第一轴、所述第二轴和所述第Ξ轴的旋转角度值，确定为所述人脸的第二人脸姿态估计结 果。
[0026] 根据本公开实施例的第二方面，提供一种人脸姿态估计装置，所述装置包括：
[0027] 获取模块，被配置为获取待检测图片中人脸的多个关键点；
[0028] 第一确定模块，被配置为确定所述多个关键点各自对应的二维坐标和Ξ维坐标；
[0029] 第二确定模块，被配置为根据所述二维坐标和所述Ξ维坐标，确定弱透视投影矩 阵；
[0030] 第Ξ确定模块，被配置为根据所述弱透视投影矩阵，确定所述人脸的人脸姿态估 计结果。
[0031 ]可选地，所述获取模块包括：
[0032] 第一获取子模块，被配置为通过人脸关键点检测算法对待检测图片进行人脸关键 点检测，获取所述待检测图片中人脸的多个关键点。
[0033] 可选地，所述第二确定模块包括：
[0034] 第一确定子模块，被配置为确定第一矩阵和第二矩阵，其中所述第一矩阵中的值 对应所述二维坐标，所述第二矩阵中的值对应所述Ξ维坐标；
[0035] 第二确定子模块，被配置为确定所述第二矩阵的增广矩阵；
[0036] 计算子模块，被配置为根据所述第一矩阵、所述增广矩阵和弱透视投影矩阵之间 的第一计算公式，利用最小二乘法计算得到所述弱透视投影矩阵；
[0037] 其中，所述第一计算公式如下：
[003引 其中X是所述第一矩阵，X是所述增广矩阵，A是所述弱透视投影矩阵。
[0039] 可选地，所述计算子模块包括：
[0040] 计算单元，被配置为采用奇异值分解SVD算法或LU分解算法计算得到弱透视投影 矩阵。
[0041] 可选地，所述第Ξ确定模块包括：
[0042] 第Ξ确定子模块，被配置为将所述弱透视投影矩阵按照第二计算公式进行矩阵分 解得到的旋转矩阵确定为所述人脸的第一人脸姿态估计结果；
[0043] 其中，所述第二计算公式如下：
[0044] A = S[R，t]，其中A是所述弱透视投影矩阵，S是缩放矩阵，R是所述旋转矩阵，t是Ξ 维平移向量。
[0045] 可选地，所述第Ξ确定模块还包括：
[0046] 第二获取子模块，被配置为获取对所述旋转矩阵的预设旋转顺序，所述预设旋转 顺序依次为相对于第一轴、第二轴和第Ξ轴进行旋转；
[0047] 第四确定子模块，被配置为按照所述预设旋转顺序，将对所述旋转矩阵进行矩阵 分解得到的分别相对于所述第一轴、所述第二轴和所述第Ξ轴的旋转角度值，确定为所述 人脸的第二人脸姿态估计结果。
[0048] 根据本公开实施例的第Ξ方面，提供一种人脸姿态估计装置，包括：
[0049] 处理器；
[0050] 用于存储处理器可执行指令的存储器；
[0051] 其中，所述处理器被配置为：
[0052 ]获取待检测图片中人脸的多个关键点；
[0053] 确定所述多个关键点各自对应的二维坐标和Ξ维坐标；
[0054] 根据所述二维坐标和所述Ξ维坐标确定弱透视投影矩阵；
[0055] 根据所述弱透视投影矩阵确定所述人脸的人脸姿态估计结果。
[0056] 本公开的实施例提供的技术方案可W包括W下有益效果：
[0057] 本公开实施例中，在确定了待检测图片中人脸的多个关键点各自对应的二维坐标 和立维坐标后，将相关技术中确定透视投影矩阵的计算过程简化为确定弱透视投影矩阵的 计算过程，进而可W根据所述弱透视投影矩阵，确定人脸姿态估计结果，加快了计算速度。
[0058] 本公开实施例中，在进行人脸姿态估计时采用了弱透视矩阵，进一步地，可W采用 最小二乘法，例如SVD算法或LU分解算法计算弱透视矩阵，相比相关技术中采用优化计算的 方式计算透视矩阵的过程简单，且计算速度快。
[0059] 本公开实施例中，在得到弱透视矩阵后，可W将对所述弱透视矩阵进行矩阵分解 后得到的旋转矩阵，确定为人脸的第一人脸姿态估计结果。进一步地，可W对所述旋转矩阵 进行进一步分解，得到所述人脸分别相对于第一轴、第二轴和第Ξ轴的旋转角度值，并将计 算得到的上述旋转角度值确定为所述人脸的第二人脸姿态估计结果，使得人脸姿态估计结 果更为直观。
[0060] 应当理解的是，W上的一般描述和后文的细节描述仅是示例性和解释性的，并不 能限制本公开。
【附图说明】
[0061] 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施 例，并与说明书一起用于解释本公开的原理。
[0062] 图1是本公开根据一示例性实施例示出的一种人脸姿态估计方法流程图；
[0063] 图2是本公开根据一示例性实施例示出的另一种人脸姿态估计方法流程图；
[0064] 图3是本公开根据一示例性实施例示出的另一种人脸姿态估计方法流程图；
[0065] 图4是本公开根据一示例性实施例示出的另一种人脸姿态估计方法流程图；
[0066] 图5是本公开根据一示例性实施例示出的一种人脸姿态估计装置框图；
[0067] 图6是本公开根据一示例性实施例示出的另一种人脸姿态估计装置框图；
[0068] 图7是本公开根据一示例性实施例示出的另一种人脸姿态估计装置框图；
[0069] 图8是本公开根据一示例性实施例示出的另一种人脸姿态估计装置框图；
[0070] 图9是本公开根据一示例性实施例示出的另一种人脸