一种人脸特征点跟踪方法
【技术领域】
[0001] 本发明设及一种人脸特征点跟踪方法，属于人脸图像跟踪技术领域。
【背景技术】
[0002] 随着互联网信息技术的发展W及计算机的软硬件性能的显著提升，多媒体的应用 变得越来越普及，更加友好更加人性化的人机交互技术不断涌现，并应用于日常生活当中。 运些技术已经不再仅仅依赖于传统的键盘、鼠标、显示器等设备，而是开始向着多模态人机 交互的方向发展，其中W视觉交流最为方便和易于接受。在计算机视觉研究领域中，与人脸 相关的一系列研究课题，如人脸检测、人脸表情识别、人脸分析等方向，得到了很大的发展， 已经在实际中取得了应用(如，在公安机关、人工智能、ATM识别认证等方面）。
[0003] 非刚性的人脸追踪在计算机视觉领域中得到了广泛地应用，并且运些实现人脸追 踪的工具都是基于PC的，运在移动终端飞速发展的今天自然是满足不了用户的需求。截止 到目前为止，中国目前已有4.874亿手机用户，并且仍然在大踏步地发展与增长，根据中国 信息产业部的数据，仅=月就新增了 670万户，二月的数据为680万户。照运样的速度算来，6 月份之后，中国很快将迎来第五亿手机用户（占中国总人口的38%，平均不到3人拥有一台 手机）。移动终端的发展是有目共睹，近两年来，手机市场可W说竞争十分激烈，从普通手机 到智能手机的普及也就在短短数年之间，智能手机平台和配置也在逐渐强大起来，无论是 国内的品牌或者是国际的品牌都纷纷发力推出强悍性能的智能手机，目前少数手机的性能 已超过普通电脑，运足W说明现在手机产品关注度一直在不断升高，消费者的需求也越来 越高了，手机照相中的皿R、全景模式等功能，其实就是图像处理算法在终端上的实现，若能 将手机应用与人脸图像应用结合在一起，将有十分巨大的发展前景。
【发明内容】
[0004] 本发明所要解决的技术问题是提供一种基于主动表现模型，采用全新设计方法， 能够有效提高人脸跟踪精度的人脸特征点跟踪方法。
[0005] 本发明为了解决上述技术问题采用W下技术方案:本发明设计了一种人脸特征点 跟踪方法，包括如下步骤：
[0006] 步骤001.采集预设数量脚长人脸样本图像，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;
[0007] 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； 进而分别获得脚长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；
[000引步骤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，针对该脚长人脸样本图像的形状向量进行降维，然后进入步 骤004;
[0009] 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so,并进入 步骤005;
[0010] 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：
[0011]
[0012] 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={l，…，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K，ti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;
[0013] 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：
[0014]
[0015] 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;Ao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M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;
[0016] 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，化）），然后进入步骤008;
[0017] 步骤008.定义k = l，进入步骤009;
[0018] 步骤009.判i
A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;
[0019] 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。
[0020] 作为本发明的一种优选技术方案: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。 [0021 ]作为本发明的一种优选技术方案:所述步骤003中，采用Procrustes Analysis方 法将脚长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。
[0022] 作为本发明的一种优选技术方案: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=角变换和仿射变换获得人脸表观模型。
[0023] 作为本发明的一种优选技术方案:所述步骤006具体包括如下步骤：
[0024] 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=角剖割，并分别针对 该人脸样本图像中的各个=角形，任意取=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=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=角形区域的灰度值，然后进入步骤00602;
[00巧]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S0,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=角剖割，并针对平均人 脸样本形状中的各个=角形，根据该各个=角形区域与各张人脸样本图像中=角形区域的 对应关系，获得平均人脸样本形状中各个=角形区域的灰度值，进而获得平均人脸样本形 状所对应各=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;
[0026] 步骤00603.获得平均人脸样本纹理向量Ao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M个表情纹理特征向量，进而获得如下人脸表观模型：
[0027]
[0028] 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M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。
[0029] 作为本发明的一种优选技术方案: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，pk)，并针对待比对人脸图像D (X)进行灰度处理，获得