專利名稱：一種人臉圖像中特征點提取的三維變換搜索方法
技術領域：
本發(fā)明屬于人臉識別領域，具體涉及人臉的面部器官特征點提取 的方法。
背景技術：
人臉識別是基于人的臉部特征信息進行身份識別的一種生物識 別技術，其中面部特征點提取是進行人臉識別的基礎。人臉識別作為 人的身份識別方式有廣泛的應用前景，目前，雖有一些商業(yè)性的人臉 識別系統(tǒng)逐漸進入市場，但是，這些技術和系統(tǒng)離實用化都有一定距
離，性能和準確率有待提高。目前，人臉特征點提取普遍采用的是ASM (Active Shape Models,活動形狀模型)定位方法，該方法一般包括 三步(1)通過對齊訓練樣本集獲取一個真正的形狀描述；(2)捕捉 已對齊形狀的統(tǒng)計信息；(3)在圖像上搜索形狀實例。該方法在一般 正面人臉定位中具有較好的效果，但是對于有一定角度偏轉的人臉定 位則效果欠佳。通過分析和實驗，我們發(fā)現(xiàn)，這和圖像的搜索方式有 關當前ASM方法，是通過對二維的圖像的基本形狀進行旋轉、縮放 和平移操作去逼近相關形狀；而人臉是一個三維的物體，上述操作顯 然不能完全反映人臉姿態(tài)的變化，因此，在形狀搜索逼近時會存在較 大的差異。

發(fā)明內容
本發(fā)明的目的在于考慮上述問題而提供一種從三維的角度去搜索人臉姿態(tài)變化的方法，使用該方法能夠提高人臉ASM形狀搜索的準確 性，進而提高整個人臉識別系統(tǒng)的精度和效率。 本發(fā)明的技術方案是
一種人臉圖像中特征點提取的三維變換搜索方法，首先構建人臉 的標準三維模型，其次以該標準三維模型為基礎獲取二維人臉特征點 的第三維坐標，最后以三維坐標為基礎進行三維變換ASM形狀搜索， 即包括如下步驟
(1) 構建人臉的標準三維模型，三維模型中包括人臉特征點的 三維坐標(x，y，z)(其中人臉的正面為XY平面)；
(2) 以三維標準模型為基礎，根據(jù)ASM訓練集的人臉特征點的二 維統(tǒng)計模型(Xl,yi， x2，y2,...， xn,yn)，按比例確定二維統(tǒng)計模型中每個特
征點的第三維坐標(Zi);
(3) 以包含三維坐標的基本形狀分別從繞Z軸、X軸、Y軸方向 旋轉、縮放和平移，最后將變換的結果投影到XY平面，通過投影的結 果去逼近當前搜索的形狀。
所述步驟(1)人臉標準三維模型采取實際測量的方法構建，首 先在訓練集中選擇50個以上的人臉，實際測量每個特征點的三維坐標
(Jd,》，^X2,y2，Z2，…，Xn,yn,Zn)，其中第三維坐標(Z軸)以頸部的中
心平面作為零平面開始測量，把以上數(shù)據(jù)進行歸一化處理，然后求其 平均值，便得到標準人臉三維模型。
所述步驟(2)按如下方法實現(xiàn)
1) 建立與ASM訓練集的人臉特征點的二維統(tǒng)計模型相對應的第 三維(Z方向)坐標數(shù)組SZ-[zp z2， ...， zn]，其數(shù)據(jù)來源于標準人臉
三維模型的第三維坐標，并且與ASM訓練集中人臉特征點一一對應；
2) 在人臉標準三維模型中選取三個特征點，并記錄其二維平面坐標值U，y)，通過這三個點來進行相應的計算。所述三個特征點是選
取兩只眼睛的外眼角和鼻尖共三個點(Pl、 P2、 P3)(與圖2中的點 13、 26、 41相對應)，在標準人臉三維模型中，這三點的二維平面坐 標是已知的，設坐標分別為(xcl，ycl)、 (xc2，yc2)、 (xc3，yc3); ASM 訓練集的人臉特征點的二維統(tǒng)計模型中對應三點坐標也是已知的，設 其坐標分別為(xl，yl)、 (x2，y2)、 (x3，y3)。
3)通過點Pl、 P2求橫向縮放系數(shù)Cx ，通過Pl與P2的中點和 P3求縱向縮放系數(shù)Cy，分別如下
Cx= VO2 _ xl)2 + (少2 - yl)2 /(xc2 - xcl)
。 /, ， xl + x2、2 , , yl+y2。，， 一 ，、 Cy= fx3 — ~^~)2 + (少3 — ^^)2 /(少c3 —
在Z方向的縮放系數(shù)取兩者的平均值，艮卩 Cz= (Cx+ Cy)/2
通過Cz與第三維坐標數(shù)組SZ相乘就可獲得二維人臉圖像的第三 維坐標，即Z軸坐標。
所述步驟(3)是需要尋找三個方向的旋轉角度ex、 ey、 ez，縮
放參數(shù)Sx、 Sy、 Sz，以及三個方向的偏移量Tx、 Ty、 Tz，為方便計算， Tz設為0，給定人臉的初始形狀向量x和目標形狀向量x'，兩者都是 三維人臉在XY平面的投影，進行幾何變換M以獲得x和x'的最小距 離，即最小化下式
E(ex,ey，ez, sx,sy，sz，Tx,Ty)=|M(x)- xf (i)
采用二步變換及迭代逼近的方法使式(1)逼近最佳參數(shù)值。
所述二步變換的第一步變換是在XY平面繞Z軸旋轉和平移；具體過程如下給定兩個相似形狀X和X'，尋找旋轉角度e，尺度縮放S，平移量t，對x作幾何變換X=M(S,e)[x]+t使得X'和變換后的X距離最小
E=(M(s,e)[x]+t- x')T(M(s,e)[x]+t- x') ( 2 )
其中MO")
<formula>formula see original document page 11</formula>令a二s'cose， b=s'sine，這樣有s2=a2+b2, e=tan"(b/a)
那么<formula>formula see original document page 11</formula>其中a、 b、 tx、 ty就是需要計算的四個姿態(tài)參數(shù)，通過尋找這四個參數(shù)使得(2)式中E的值最小，從而使得實際的變化與計算相符合。
所述二次變換的第二步變換是分別繞Y軸和Z軸旋轉，并投影到XY平面上，實現(xiàn)過程如下
設(Xz， Yz)是經過水平旋轉(繞Z軸)和移位后的坐標(z坐標不變)，它首先繞Y軸旋轉ey角度，縮放因子為Sy，橫向偏移量為Tx，，則有
<formula>formula see original document page 11</formula>
(6)
再繞X軸旋轉0x角度，同時縮放因子為Sx，縱向偏移量為Ty，，貝l，
有:<formula>formula see original document page 12</formula>
聯(lián)立以上兩式，并向XY平面投影，可得變換后的坐標
<formula>formula see original document page 12</formula>
并設變換后的實際坐標為(x',y')，把方程(8)代入式(1)中可得 I Xz*ay+Z*by+T x, -xf+i Yz*ax-(- Xz*by+Z*ay) * bx+ T y'- yf ( 9 )
要使(9)式最小，對其中參數(shù)求偏導，可得 Xz*ay+Z*by+Tx'-x'=0 (10) Yz*ax-(-Xz*by+Z*ay) * bx+ Ty,- y'=0 (11) 通過對式(10)進行多元線性回歸分析，可以求得其中的參數(shù)值
ay、 by、 Tx.;設共有n個特征點，具體過程如下 1)求平均值
<formula>formula see original document page 12</formula>3) " = SioS22 - S20S12
把 、by、 Tx,的值代入式(ID,用同樣的方法可以求得^、 bx
TV;把第二部分變換用M2表示，貝廿I.
與目標點最接近<
所述迭代逼近是指特征點在XY平面繞Z軸旋轉和平移后的坐標 (Xz， Yz)的中間狀態(tài)是采用多次迭代逼近的方法， 設中間狀態(tài)為(Xz， Yz)，具體步驟如下
1) 初始時令(Xz， Yz)為最終值(x',y');
2) 把(Xz, Yz)代入式(1)取代其中的x'，按照當前二維的 ASM變換方法求得式(3)中四個變換參數(shù)a、 b、 tx 、 ty;
3) 把參數(shù)a、 b、 tx 、 ty代入式(3)，求出中間狀態(tài)(Xz， Yz);
4) 把(Xz， Yz)進行第二部分變換(M2)，求出參數(shù)ay， by， Tx， ax， bx， Ty 。
5) 以(x',y')為基礎，計算M2的反變換，可以得出中間狀態(tài)(X、， Y'z)即
(X'z， Y'z)=《條,一)(x',力
13把(X'z， Y'z)代入式(1)，按照二維ASM變換方法求得式(3) 中四個變換參數(shù)a、 b、 tx 、 ty然后轉入第(3)步，進行迭代計算，迭 代10次就可以得到符合精度要求的10個參數(shù)。
本發(fā)明相對于現(xiàn)有技術的有益效果是本發(fā)明ASM的三維變換搜索 方法與當前的二維搜索方法相比，更加真實地反映了人臉姿態(tài)的變化， 因而具有更好的特征點搜索逼近效果。


下面結合附圖和具體實施方式
對本發(fā)明作進一步詳細的說明。 圖1為本發(fā)明的人臉三維搜索方法的流程圖2為具體測試本發(fā)明時對二維人臉圖像進行特征點標定的示意
圖3為測試給定具體人臉特征點坐標后對訓練集中圖像數(shù)據(jù)的相 對逼近度比較圖4為測試給定具體人臉特征點坐標后對非訓練集中圖像數(shù)據(jù)的 相對逼近度比較圖5為測試實際人臉搜索時對訓練集中圖像數(shù)據(jù)的相對逼近度比 較圖6為測試實際人臉搜索時對非訓練集中圖像數(shù)據(jù)的相對逼近度 比較。
具體實施例方式
本發(fā)明的人臉三維變換搜索方法的流程圖如圖l所示，人的頭部 和面部器官在形狀和位置方面都具有相似性，根據(jù)這一點，可以構造 一個標準的三維人臉模型；本發(fā)明正是通過這個標準模型確定人臉面
14部特征點的三維坐標，然后以三維坐標為基礎進行三維變換的ASM形
狀搜索的；由于實際搜索時是二維圖像，所以最后需要投影到二維平 面，三維搜索變換的過程為
第一， 構建人臉的標準三維模型(Xl,yi, Zl， x2，y2， z2,...， xn,yn， zn) (其中人臉的正面為XY平面)，三維模型中的特征點應包含實際二維圖 像中特征點(為體現(xiàn)標準三維模型的適應性，可以多于實際二維圖像 中的特征點)。
第二，在進行人臉二維圖像搜索時，以三維標準模型為基礎，根 據(jù)ASM訓練集的人臉特征點的二維統(tǒng)計模型(基本形狀)(Xl,yi,X2，y2,..., xn，yn,)，按比例確定二維統(tǒng)計模型中每個特征點的第三維坐標(Zi)。
第三，在形狀搜索變換時，基本形狀分別從繞Z軸、X軸、Y軸方向 旋轉、縮放和平移，最后將變換的結果投影到XY平面，通過投影的結 果去逼近當前搜索的形狀。
下面主要描述三個方面的內容， 一是通過人臉的標準三維模型獲
取二維人臉特征點的三維坐標；二是進行三維搜索時采用二步變換和
迭代的方法獲取1Q個變換參數(shù)；三是實施效果測試。
(一)人臉特征點的二維統(tǒng)計模型的第三維坐標獲取
一般而言，人臉面部器官不僅在二維平面的相對位置上是固定的，
而且第三維(面部輪廓)的高低也是基本一致的。雖然人臉面部器官
的高度可能會有一定的差別，比如人的鼻尖有高有低，但是如果以
人體頸部的中心平面(三維旋轉的中心)作為第三維坐標的參照面，
則這種差別就非常小了，在實際搜索逼近時不影響搜索精度。人臉的
標準三維模型也以特征點構成，具體以三維坐標形式表示，即(Xl，yi,Zl,x2，y2， Z2,...， xn，yn，zn);其中應包含二維人臉中所選取的所有的特征點， 圖2是測試時，二維圖像所選取的特征點示意圖， 一共選取了 59個特
征點。人臉特征點的二維統(tǒng)計模型的第三維坐標的獲取方法如下
(1) 建立與ASM訓練集的人臉特征點的二維統(tǒng)計模型相對應的第三 維(Z方向)坐標數(shù)組SZ^Zi， Z2， ...， zj ，其數(shù)據(jù)來源于標準人臉三 維模型的第三維坐標，并且與ASM訓練集中人臉特征點一一對應。
(2) 在標準人臉三維模型中選取三個特征點，并記錄其平面坐標值。 實際測試時，選取的是兩只眼睛的外眼角和鼻尖三個點(Pl、 P2、 P3)
(與圖2中的點13、 26、 41相對應)。在標準人臉三維模型中，這三 點的平面二維坐標是已知的，設坐標分別為(xcl，ycl)、 (xc2，yc2)、 (xc3，yc3); ASM訓練集的人臉特征點的二維統(tǒng)計模型的對應三點坐 標也是已知的，設其坐標分別為(xl，yl)、 (x2，y2)、 (x3，y3)。
(3) 通過點P1、 P2求橫向縮放系數(shù)Cx ，通過P1與P2的中點和P3 求縱向縮放系數(shù)Cy，分別如下
Cx= V(x2 — jd)2 + 02 -州2 /(;cc2 — jcc1)
2
2
在Z方向的縮放系數(shù)取兩者的平均值，即: Cz= (Cx+ Cy)/2
通過Cz與第三維坐標數(shù)組sz相乘就可獲得二維人臉圖像的第: 維坐標，即z軸坐標。 (二)三維變換搜索給定人臉的初始形狀向量X和目標形狀向量X'，兩者都是三維 人臉在XY平面的投影。通過第一部分的操作已經實現(xiàn)了初始形狀向量 X的三維化，三維搜索變換就是三維化的X基礎上進行三維變換去搜
索逼近目標形狀向量x'。與當前人臉圖像的ASM搜索方法相比，三
維ASM搜索方法需要尋找三個方向的旋轉角度ex、 ey、 ez，縮放參數(shù)
Sx、 Sy、 Sz，以及三個方向的偏移量Tx、 Ty、 Tz (由于最終要投影到 XY平面，為方便計算，L可以設為O)，進行幾何變換M以獲得x和x '的最小距離，即最小化下式
E(ex，ey,ez,sx，sy,sz，Tx，Ty)=|M(x)-xf (i)
常規(guī)的最小化的方法是對上式中左邊的各個參數(shù)求偏導數(shù)，然后令
其為o，最后聯(lián)合求解各個方程得出各個參數(shù)值。但是由于其參數(shù)眾 多，且參數(shù)都與某一點的(x，y)坐標相關，上述常規(guī)方法幾乎不可能
求出其參數(shù)值。因此，采用了二步變換和迭代的方法去逼近最佳參數(shù) 值。
1) 二步變換
把整個三維變換分為兩部分第一部分是在XY平面繞Z軸旋轉和 平移；第二部分是分別繞Y軸和Z軸旋轉，并投影到XY平面上。其中 第一部分的變換與當前的ASM搜索形狀過程一致，具體過程如下給 定兩個相似形狀x和x'，尋找旋轉角度e，尺度縮放s，平移量t，對 x作幾何變換X=M(s,e)[x]+t使得x'和變換后的x距離最小
E=(M(s,e)[x]+t-x')T(M(s，e)[x]+t- x') ( 2 )
、.sin S)少
畫乂-cos《)J<formula>formula see original document page 18</formula>(3)
其中a、 b、 tx、 ty就是需要計算的四個姿態(tài)參數(shù)，通過尋找這四 個參數(shù)使得式(2)中E的值最小，從而使得實際的變化與計算相符合。 計算方法與當前二維的ASM變換方法相同。設有n個特征點，計算過 程如下
(1) 把式(3)代入式(2)得 E(a，b,tx，ty)叫M(x)- x'12<formula>formula see original document page 18</formula>(4)對上面的方程組(5)聯(lián)立求解，為簡化計算，將初始狀態(tài)X的
中心移到原點，這樣Sx二S尸0。那么，可以求出4個參數(shù)的值
tx— S x' ， ty — Sy'
S XX'+S yy')/( Sxx+ Syy) S xy'-S yx' )/ ( SXX+ Syy)
第二部分變換的實現(xiàn)過程如下 設(Xz， Yz)是經過水平旋轉(繞Z軸)和移位后的坐標(z坐 標不變)，它首先繞Y軸旋轉0y角度，縮放因子為Sy，橫向偏移量為 Tx-，則有
Xy= Xz *Sy*cosey+Z*Sv*sineY+ Tx'
Y = Y .
(6)
Zy=- Xz * Sy* sin6y+Z* Sy*cos0y
再繞X軸旋轉9x角度，同時縮放因子為Sx，縱向偏移量為Ty，，則
有:
一
XX= Xy;
Yx= Yy *SX *cosex- Zy * Sx *sinex+ Ty'; Zx= Yy * Sx *sin0x+ Zy *SX *cos0x
(7)
聯(lián)立以上兩式，并向XY平面投影，可得變換后的坐標 Xe=Xx= Xz *Sy*cosey+Z*Sy*siney+ Tx'
Ye= Yx= Yz *SX *cosex-(- Xz * Sy* sin0y+Z* Sy*cosey) * Sx *sin9x+ Ty' 令方程(8 )中，ay= Sy*cosey, by= Sy*siney， ax= Sx*cos0x, bx= Sx*sinex，
(8)
19并設變換后的實際坐標為(x'，y')，把方程(8)代入式(1)中可得
I Xz*ay+Z*by+ Tx, -x'|2+|Yz*ax-(-Xz* by+Z* ay) * bx+ Ty'- yf ( 9 ) 要使(9)式最小，對其中參數(shù)求偏導，可得
Xz *ay+Z*by+ Tx' -x'=0 (10)
Yz *ax-(- Xz * by+Z* ay) * bx+ T y,- y'=0 (11) 通過對式(10)進行多元線性回歸分析，可以求得其中的參數(shù)值ay、 by、 Tx.。設共有n個特征點，具體過程如下
(1) 求平均值
(2) s"《化《)2
ni:Ld- )(z,-z) s2。=IL(z'-^"'- )
(3) a二 ^10^22 — ^20^12 &= S20Sn -^10*^21
把 、by、 Tx,的值代入式(11)，用同樣的方法可以求得^、 bx、Tv.。把第二部分變換用M2表示，貝IJ:
<formula>formula see original document page 21</formula>
與目標點最接近(
2)迭代逼近
如何求出特征點在XY平面繞Z軸旋轉和平移后的坐標(Xz， Yz) 是進行第二步變換的關鍵，由于其中中間狀態(tài)是未知的，在設計時采 用多次迭代逼近的方法獲取實際的中間狀態(tài)，并最終得到實際的變換 參數(shù)。設中間狀態(tài)為(Xz， Yz)具體步驟如下 U)初始時令(Xz， Yz)為最終值(x'，y')，
(2) 把(Xz， Yz)代入式(4)，按照當前二維的ASM變換方法求 得式(4)中四個變換參數(shù)a、 b、 tx 、 ty。
(3) 把參數(shù)a、 b、 tx 、 ty代入式(3)求出中間狀態(tài)(Xz， Yz)
(4) 把(Xz， Yz)進行第二部分變換(M2)，求出參數(shù)ay， by， Tx.， ax， bx， Ty'。
(5) 以(x',y')為基礎，計算M2的反變換，可以得出中間狀態(tài)(X、， Y'》即
<formula>formula see original document page 21</formula>
(6)
把(X'z， Y'z)代入式(4)，按照二維ASM變換方法求得式(4) 中四個變換參數(shù)a、 b、 tx 、 ty。然后轉入第(3)步，進行循 環(huán)迭代計算， 一般迭代IG次就可以達到精度要求。 通過上述迭代方法能夠最終獲取圖像三維變換的IO個參數(shù)，艮口 著一次變換(在XY平面繞Z軸旋轉和平移)的4個參數(shù)和第二次變換 (分別繞Y軸和Z軸旋轉并投影到XY平面上)的6個參數(shù)。(三)實施效果測試 通過對采用三維ASM方法的人臉特征點提取系統(tǒng)進行測試，在進行
非訓練集數(shù)據(jù)的特征點提取方面，該方法比二維的ASM方法在準確性方
面有較大提高。下面進行了兩種類型的測試 一是給定了具體人臉特
征點坐標，然后用兩種方法去逼近，測試其逼近程度；二是給定具體 人臉，也分別用兩種方法按同樣的搜索算法去搜索特征點，然后比較 搜索結果與實際特征點之間的差別。其中每種類型的測試都包含有對 訓練集數(shù)據(jù)和非訓練集數(shù)據(jù)的測試。結果顯示，對訓練集數(shù)據(jù)本方法 的改進程度不明顯，但非訓練集數(shù)據(jù)則有較大程度的提高。由于在實 際應用中，絕大多數(shù)的圖像數(shù)據(jù)應是屬于非訓練集的，所以本方法具 有較高的實用價值。
在構造測試系統(tǒng)時，選擇了ioo幅不同姿態(tài)的人臉圖像作為訓練集
數(shù)據(jù)，另有30幅圖像作為測試數(shù)據(jù)，其中圖像分辯率為125*150，對所 有圖像都進行手工特征點標定，如附圖2所示，每個圖像選取了59個特 征點。為了更為準確地比較兩者效果，定義了一個相對逼近度的概念。 設D1為采用本發(fā)明的三維變換搜索方法逼近時計算出的特征點與實際 標定點之間的平均距離，D2為采用常規(guī)的二維變換搜索逼近時計算出 的特征點與實際標定點之間的平均距離，相對逼近度RN表示為
RN= (D2-D1)/D1*100%
顯然RN為正，則表示三維逼近效果更好，為負則表示二維逼近效果 好，其數(shù)值大小則表示逼近的程度。
1.測試搜索逼近具體坐標我們在訓練集中選取了12幅圖像，把其坐標直接代入分別用兩種方 法逼近，其結果如附圖3所示，從圖中可以看出，在多數(shù)情況下，兩者
的逼近效果一致。圖4則是對非訓練集中圖像進行直接逼近時的相對逼
近度，從中可以看出，在大多數(shù)情況下，三維逼近方法能更逼近目標 值。
2.測試具體人臉的搜索
在搜索具體人臉時，從訓練集中選取了 15幅圖像進行了搜索，其 結果如圖5。與預期結果基本一致，兩者的差異不明顯。圖6是對30 幅非訓練集中圖像進行搜索匹配后的結果，從中可以看出三維變換明 顯優(yōu)于二維，且相對逼近效果好于對具體目標的直接逼近，這是由于 在逼近過程中目標可能會多次調整。
權利要求
1、一種人臉圖像中特征點提取的三維變換搜索方法，其特征在于，首先構建人臉的標準三維模型，其次以該標準三維模型為基礎獲取二維人臉特征點的第三維坐標，最后以三維坐標為基礎進行三維變換ASM形狀搜索。
2、 根據(jù)權利要求1所述的人臉圖像中特征點提取的三維變換搜 索方法，其特征在于包括如下步驟(1) 構建人臉的標準三維模型，三維模型中包括人臉特征點的三維坐標(x，y，z)，其中人臉的正面為XY平面；(2) 以三維標準模型為基礎，根據(jù)ASM訓練集的人臉特征點的 二維統(tǒng)計模型(Xl，yi，X2，y2,...，Xn，yn，)，按比例確定二維統(tǒng)計模型中每 個特征點的第三維坐標(Zi);(3) 以包含三維坐標的基本形狀分別從繞Z軸、X軸、Y軸方向 旋轉、縮放和平移，最后將變換的結果投影到XY平面，通過投影的結 果去逼近當前搜索的形狀。
3、 根據(jù)權利要求2所述的人臉圖像中特征點提取的三維變換搜 索方法，其特征在于所述步驟(1)人臉標準三維模型采取實際測量的 方法構建，首先在訓練集中任意選擇50個以上的人臉，實際測量每個 特征點的三維坐標(Xl,y1，Zl,x2,y2，z2,...，Xn，yn，Zn)，其中第三維坐標(z 軸)以頸部的中心平面作為零平面開始測量，把以上數(shù)據(jù)進行歸一化 處理，然后求其平均值，便得到標準人臉三維模型。
4、 根據(jù)權利要求2所述的人臉圖像中特征點提取的三維變換搜 索方法，其特征在于所述步驟(2)按如下方法實現(xiàn):1) 建立與ASM訓練集的人臉特征點的二維統(tǒng)計模型相對應的第 三維(Z方向)坐標數(shù)組SZ^zp z2， ...， zn]，其數(shù)據(jù)來源于標準人臉三維模型的第三維坐標，并且與ASM訓練集中人臉特征點一一對應；2) 在人臉標準三維模型中選取三個特征點，并記錄其二維平面坐標值(x，y),通過這三個點來進行相應的計算，所述三個特征點是選 取兩只眼睛的外眼角和鼻尖共三個點(Pl、 P2、 P3)，在標準人臉三維 模型中，這三點的二維平面坐標是已知的，設坐標分別為(xcl，ycl)、 (xc2， yc2) 、 (xc3， yc3); ASM訓練集的人臉特征點的二維統(tǒng)計模型中 對應三點坐標也是已知的，設其坐標分別為(xl，yl) 、 (x2，y2)、 (x3，y3)。3) 通過點Pl、 P2求橫向縮放系數(shù)Cx ，通過Pl與P2的中點和 P3求縱向縮放系數(shù)Cv,分別如下<formula>formula see original document page 3</formula>在Z方向的縮放系數(shù)取兩者的平均值，艮卩<formula>formula see original document page 3</formula>通過Cz與第三維坐標數(shù)組SZ相乘就可獲得二維人臉圖像的第三維坐標，即z軸坐標。
5、根據(jù)權利要求2所述的人臉圖像中特征點提取的三維變換搜索方法，其特征是在于所述步驟(3)是需要尋找三個方向的旋轉角度ex、 ey、 ez,縮放參數(shù)Sx、 sy、 sz，以及三個方向的偏移量Tx、 ty、 tz，為方便計算，i;設為0;給定人臉的初始形狀向量X和目標形狀向量X'， 兩者都是三維人臉在XY平面的投影，進行幾何變換M以獲得X和X'的 最小距離，即最小化下式E(ex，ey，ez， sx,sy，sz，Tx,Ty)=|M(x)- x'|a)
6、根據(jù)權利要求5所述的人臉圖像中特征點提取的三維變換搜索 方法，其特征在于采用二步變換及迭代逼近的方法使式(1)逼近最佳 參數(shù)值。
7、根據(jù)權利要求6所述的人臉圖像中特征點提取的三維變換搜索 方法，其特征是在于所述二步變換的第一步變換是在XY平面繞Z軸旋 轉、縮放和平移；具體過程如下給定兩個相似形狀x和x'，尋找旋 轉角度e，尺度縮放s，平移量t，對x作幾何變換X=M(s，e)[x]+t使 得x'和變換后的x距離最小E=(M(s，e)[x]+t- x')T(M(s，e)[x〗+t- x') ( 2 )其中cos。:x:, -(s sin入t—(tx， ty，…tx， ty)令a-s'cose， b=s*sine，這樣有s2=a2+b2， e=tan"(b/a) 那么<formula>formula see original document page 4</formula>(3)其中a、 b、 tx、 ty就是需要計算的四個姿態(tài)參數(shù)，通過尋找這四個參數(shù)使得(2)式中E的值最小，從而使得實際的變化與計算相符合。
8、根據(jù)權利要求6所述的人臉圖像中特征點提取的三維變換搜索方法，其特征是在于所述二次變換的第二步變換是分別繞Y軸和Z軸旋轉，并投影到XY平面上，實現(xiàn)過程如下:設(Xz， Yz)是經過水平旋轉(繞Z軸)和移位后的坐標(z坐標不變)，它首先繞Y軸旋轉ey角度，縮放因子為Sy，橫向偏移量為Tx.，則有1)求平均值 <formula>formula see original document page 6</formula>把ay、 by、 IV的值代入式(11)，用同樣的方法可以求得ax 把第二部分變換用M2表示，貝IJ:bx、 TM2( a，7;,，",a,7;,)x2與目標點最接近<
9、根據(jù)權利要求6所述的人臉圖像中特征點提取的三維變換搜索 方法，其特征是在于所述迭代逼近是指特征點在XY平面繞Z軸旋轉和 平移后的坐標(Xz， Yz)的中間狀態(tài)是采用多次迭代逼近的方法，設中間狀態(tài)為(Xz， Yz)，具體步驟如下1) 初始時令(Xz， Yz)為最終值(x'，y');2) 把(Xz， Yz)代入式(1)取代其中的X'，按照當前二維的ASM方法求得式(3)中四個變換參數(shù)a、 b、 tx 、 ty;3) 把參數(shù)a、 b、 tx 、 ty代入式(3)求出中間狀態(tài)(Xz， Yz);4) 把(Xz， Yz)進行第二部分變換(M2)，求出參數(shù)ay， by， Tx.bX，Ty';5) 以(x'，y')為基礎，計算M2的反變換，可以得出中間狀態(tài)(X、，Y'z)即(X'z， Y'z) = M2;"^,w(x',/)6) 把(X'z， Y'z)代入式(1)，按照二維ASM變換方法求得式(3)中四個變換參數(shù)a、 b、 tx 、 ty然后轉入第(3)步， 進行迭代計算，迭代10次就可以得到符合精度要求的10 個參數(shù)。
全文摘要
本發(fā)明公開一種人臉圖像中特征點提取的三維變換搜索方法，以人臉圖像定位的ASM(Active Shape Models，活動形狀模型)方法為基礎，將當前ASM中的二維變換的形狀搜索方法改為三維變換的形狀搜索方法，首先，構建標準的人臉三維模型；其次，通過標準的人臉三維模型構建ASM訓練集中人臉特征點的二維統(tǒng)計模型(基本形狀)的三維坐標；最后，對已具有三維坐標的二維統(tǒng)計模型進行三維變換并投影到二維平面，以此去逼近搜索后的給定人臉的特征點形狀；本發(fā)明更能反映人臉姿態(tài)的真實變化，因而具有更高的搜索精度；測試結果表明本發(fā)明方法與當前的二維變換搜索方法相比更能逼近實際特征點。
文檔編號G06K9/00GK101499132SQ20091003786
公開日2009年8月5日 申請日期2009年3月12日 優(yōu)先權日2009年3月12日
發(fā)明者易法令 申請人:廣東藥學院