一種人臉關(guān)鍵點位定位結(jié)果的評估方法,及評估裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計算機(jī)技術(shù)領(lǐng)域，特別涉及一種人臉關(guān)鍵點位定位結(jié)果的評估方法，及評估裝置。
【背景技術(shù)】
[0002]人臉關(guān)鍵點位是人臉的五官特征點位，人臉關(guān)鍵點位定位是對五官特征點位的定位。人臉關(guān)鍵點定位是人臉圖像分析中的很重要的技術(shù)。人臉五官特征點定位結(jié)果的好壞直接關(guān)系人臉美化、人臉識別等多項后端技術(shù)，因此準(zhǔn)確評估人臉五官特征點定位結(jié)果的好壞也成為一個至關(guān)重要的問題。
[0003]目前的人臉關(guān)鍵點定位結(jié)果評估需要依賴于人工介入，有如下兩種方案:
[0004]技術(shù)方案一:人工預(yù)先標(biāo)定點坐標(biāo)。采用人工方式來對某一人臉圖像的五官關(guān)鍵點進(jìn)行坐標(biāo)標(biāo)注，并作為真實值存儲起來。當(dāng)人臉五官關(guān)鍵點定位算法給出關(guān)鍵點的結(jié)果坐標(biāo)時，通過度量結(jié)果坐標(biāo)與人工標(biāo)定坐標(biāo)之間的平均距離來評估定位結(jié)果的好壞。
[0005]技術(shù)方案二:人工主觀評估。利用人工主觀評估來判定人臉關(guān)鍵點定位結(jié)果的優(yōu)劣。使用多種人臉五官關(guān)鍵點定位算法或利用定位算法本身的隨機(jī)性，對同一張人臉圖片輸出多個五官定位結(jié)果，再通過人工主觀評估的方式從中選出最為精準(zhǔn)的一個結(jié)果。
[0006]以上方案一采用對人臉圖片中的五官關(guān)鍵點進(jìn)行手動標(biāo)定。通常采用這種形式進(jìn)行坐標(biāo)的標(biāo)定需要耗時幾分鐘，人工成本很高且耗時長。這類評估方法一般用多個五官關(guān)鍵點定位算法的比較。
[0007]以上方案二采用人工主觀比較的方式，通過人對關(guān)鍵點定位結(jié)果坐標(biāo)，主觀的判斷兩個定位結(jié)果的優(yōu)劣關(guān)系。這類主觀評估的方式對于人臉需求較小，在結(jié)果數(shù)量不是很多的情況下只需要數(shù)秒時間就能完成。這類評估方法雖然在部分產(chǎn)品中已具有實際應(yīng)用性，但也存在明顯的缺陷。第一、這類評估方式主觀性較強(qiáng)，且無法量化。第二、當(dāng)需要比較的結(jié)果的數(shù)量較多時，比較難度增大，人工評估的耗時會大幅增長，評估的可靠性也會相應(yīng)降低。
[0008]以上兩種方案都需要人工的介入，不但耗時長效率低，而且定位結(jié)果無法量化。

【發(fā)明內(nèi)容】

[0009]本發(fā)明實施例提供了一種人臉關(guān)鍵點位定位結(jié)果的評估方法，及評估裝置，用于提供高效并且能夠量化的實現(xiàn)方案。
[0010]一種人臉關(guān)鍵點位定位結(jié)果的評估方法，包括:
[0011]獲取人臉圖像，獲取所述人臉圖像的關(guān)鍵點的定位結(jié)果坐標(biāo)；
[0012]對所述定位結(jié)果坐標(biāo)以及平均人臉模型進(jìn)行歸一化處理，得到歸一化后的人臉圖像；
[0013]提取所述歸一化后的人臉圖像的人臉特征值，根據(jù)所述人臉特征值以及權(quán)重向量計算評估結(jié)果。
[0014]一種人臉關(guān)鍵點位定位結(jié)果的評估裝置，包括:
[0015]坐標(biāo)定位單元，用于獲取人臉圖像，獲取所述人臉圖像的關(guān)鍵點的定位結(jié)果坐標(biāo)；
[0016]歸一計算單元，用于對所述定位結(jié)果坐標(biāo)以及平均人臉模型進(jìn)行歸一化處理，得到歸一化后的人臉圖像；
[0017]特征提取單元，用于提取所述歸一化后的人臉圖像的人臉特征值；
[0018]評估單元，用于根據(jù)所述人臉特征值以及權(quán)重向量計算評估結(jié)果。
[0019]從以上技術(shù)方案可以看出，本發(fā)明實施例具有以下優(yōu)點:在得到定位結(jié)果坐標(biāo)以后，通過平均人臉模型實現(xiàn)歸一化處理，然后根據(jù)歸一化后的人臉圖像的人臉特征值以及權(quán)重向量計算獲得評估結(jié)果。整個評估過程不需要人工干預(yù)，評估速度快，而且計算評估結(jié)果所使用的參數(shù)是可以量化的，因此評估結(jié)果可以量化。
【附圖說明】
[0020]為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡要介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域的普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0021]圖1為本發(fā)明實施例方法流程示意圖；
[0022]圖2為本發(fā)明實施例方法流程示意圖；
[0023]圖3為本發(fā)明實施例方法流程示意圖；
[0024]圖4為本發(fā)明實施例方法流程示意圖；
[0025]圖5為本發(fā)明實施例評估裝置結(jié)構(gòu)示意圖；
[0026]圖6為本發(fā)明實施例評估裝置結(jié)構(gòu)示意圖；
[0027]圖7為本發(fā)明實施例評估裝置結(jié)構(gòu)示意圖；
[0028]圖8為本發(fā)明實施例評估裝置結(jié)構(gòu)示意圖；
[0029]圖9為本發(fā)明實施例評估裝置結(jié)構(gòu)示意圖；
[0030]圖10為本發(fā)明實施例評估裝置結(jié)構(gòu)示意圖。
【具體實施方式】
[0031]為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明作進(jìn)一步地詳細(xì)描述，顯然，所描述的實施例僅僅是本發(fā)明一部份實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護(hù)的范圍。
[0032]本發(fā)明實施例提供了一種人臉關(guān)鍵點位定位結(jié)果的評估方法，如圖1所示，包括:
[0033]101:獲取人臉圖像，獲取上述人臉圖像的關(guān)鍵點的定位結(jié)果坐標(biāo)；
[0034]在本發(fā)明實施例中，獲取上述人臉圖像的關(guān)鍵點的定位結(jié)果坐標(biāo)所使用的關(guān)鍵點算法可以任意選擇，不同的算法可以獲得不同的定位結(jié)果坐標(biāo)，本實施例可以對其進(jìn)行評估。在本實施例中，可以選擇使用ESR(Explicit Shape Regressor，顯示形狀回歸)人臉五官定位算法的隨機(jī)性獲得多組不同的定位結(jié)果坐標(biāo)。
[0035]102:對上述定位結(jié)果坐標(biāo)以及平均人臉模型進(jìn)行歸一化處理，得到歸一化后的人臉圖像；
[0036]本發(fā)明實施例還提供了具體歸一化處理的優(yōu)選實現(xiàn)方案，具體如下:上述對上述定位結(jié)果坐標(biāo)以及平均人臉模型進(jìn)行歸一化處理包括:
[0037]將上述定位結(jié)果坐標(biāo)歸約到平均人臉模型得到人臉圖像區(qū)域，對得到人臉圖像區(qū)域進(jìn)行三角剖分，將得到的三角形作為一個局部部分逐個進(jìn)行反射變換，得到歸一化后的人臉圖像。
[0038]103:提取上述歸一化后的人臉圖像的人臉特征值，根據(jù)上述人臉特征值以及權(quán)重向量計算評估結(jié)果。
[0039]本發(fā)明實施例在得到定位結(jié)果坐標(biāo)以后，通過平均人臉模型實現(xiàn)歸一化處理，然后根據(jù)歸一化后的人臉圖像的人臉特征值以及權(quán)重向量計算獲得評估結(jié)果。整個評估過程不需要人工干預(yù)，評估速度快，而且計算評估結(jié)果所使用的參數(shù)是可以量化的，因此評估結(jié)果可以量化。
[0040]以上實施例中，根據(jù)上述人臉特征值以及權(quán)重向量計算評估結(jié)果的具體實現(xiàn)方式可以是:計算上述人臉特征值與權(quán)重向量的內(nèi)積得到評估結(jié)果。采用計算內(nèi)積的方式可以更好的量化評估結(jié)果，作為一個優(yōu)選的實現(xiàn)方式不應(yīng)理解為對本發(fā)明實施例的唯一性限定。
[0041]另外，本發(fā)明實施例能夠全自動地對人臉五官特征點的定位結(jié)果進(jìn)行評估，評估過程全程無需人工干預(yù)，從某種程度上，本發(fā)明實施例方案填補了人臉五官關(guān)鍵點定位結(jié)果自動評估技術(shù)的空白。本發(fā)明能對人臉五官點的定位結(jié)果給出量化評估，速度快(每次自動評估耗時約10暈秒)、可靠性尚。
[0042]在本發(fā)明實施例中人臉特征值是用于描述人臉特征的參數(shù)，也稱為特征描述子；基于不同的需求和側(cè)重，本發(fā)明實施例可以相應(yīng)選取，為了提穩(wěn)定性可以組合使用，具體如下:上述人臉特征值包括:HOG(Histogram of Oriented Gradient，方向梯度直方圖)特征值，LBP (Local Binary Patterns，局部二值模式)特征值，Gabor (加窗傅立葉變換)特征值中的至少一項。
[0043]本發(fā)明實施例可以用于從多個人臉五官定位算法的定位結(jié)果中挑選出精度較高的一個或多個結(jié)果，從而起到提升人臉五官關(guān)鍵點定位結(jié)果的精度，并有效規(guī)避存在嚴(yán)重錯誤的定位結(jié)果，具體如下:上述定位結(jié)果坐標(biāo)包含至少兩組；得到評估結(jié)果之后，上述方法還包括:
[0044]選取得到評估精度最高的預(yù)定個數(shù)的定位結(jié)果坐標(biāo)進(jìn)行重組，得到目標(biāo)定位結(jié)果坐標(biāo)。
[0045]本發(fā)明實施例還提供了獲取平均人臉模型的實現(xiàn)方案，需要說明的是平均人臉模型的計算可以不在人臉關(guān)鍵點位定位結(jié)果的評估設(shè)備端執(zhí)行，由其他設(shè)備獲得以后發(fā)送給人臉關(guān)鍵點位定位結(jié)果的評估端設(shè)備也是可以的，平均人臉模型的獲得方式可以具體如下:上述對上述定位結(jié)果坐標(biāo)以及平均人臉模型進(jìn)行歸一化處理之前，上述方法還包括:
[0046]獲取M張人臉圖像，并獲取手工標(biāo)記的關(guān)鍵點位坐標(biāo)，M > I ;采用最小