一種人臉配準方法及裝置的制造方法
【專利摘要】本申請?zhí)峁┝艘环N人臉配準方法及裝置，預先設定低分辨率網格模板和高分辨率網格模板，利用低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果；通過低分辨率配準結果和網格轉換矩陣確定高分辨率配準參考值，網格轉換矩陣用于實現(xiàn)低分辨率網格模板與高分辨率網格模板之間的轉換；基于高分辨率配準參考值，利用高分辨率網格模板對目標人臉圖像進行配準，獲得最終的配準結果。本申請利用低分辨率網格模板進行配準能找到一個大致的配準位置區(qū)域，從而使得在使用高分辨率網格模板進行配準時，不至于優(yōu)化到其它的局部極值點上，利用高分辨率網格模板進行配準，可基于參考值排除一些偏離參考值較大的計算結果，最終得到精確的配準結果。
【專利說明】
一種人臉配準方法及裝置
技術領域
[0001]本發(fā)明涉及圖像處理技術領域，尤其涉及一種人臉配準方法及裝置?！颈尘凹夹g】
[0002]人臉配準是計算機視覺和圖像感知領域的研究熱點，其作為人臉圖像分析的重要步驟，為后續(xù)的人臉識別、姿態(tài)估計、表情分析、人臉動畫等提供了有力保證。
[0003]人臉配準方法的實質是，尋找人臉模型與基準模型的對應關系?，F(xiàn)有技術中的人臉配準方法主要包括兩種，第一種是相似變換，第二種是仿射變換。其中，相似變換能夠保證人臉的形狀比例不發(fā)生改變，其只在縮放尺寸、旋轉角度、水平方向上的位移以及垂直方向上的位移這四個自由度上進行變換;而仿射變換與相似變換相比，增加了兩個自由度，即在水平方向與垂直方向上進行不同的尺度縮放與角度旋轉。
[0004]然而，相似變換雖然能夠保證人臉的形狀及面部特征之間的比例不發(fā)生變化，但是，由于不同人的面部比例往往不一致，這會導致不同人的面部很難配準到一個統(tǒng)一的模板上去；仿射變換對人臉的比例進行了全面的變換，雖然其可以將特征點以最小的誤差映射到模板上去，但可能導致在優(yōu)化最小誤差時優(yōu)化到錯誤的局部極值點上。
【發(fā)明內容】

[0005]有鑒于此，本發(fā)明提供了一種人臉配準方法及裝置，用以解決現(xiàn)有技術采用仿射變換進行人臉配準的方案中，在優(yōu)化最小誤差時可能優(yōu)化到錯誤的局部極值點上的問題， 其技術方案如下:
[0006]—種人臉配準方法，預先設定低分辨率網格模板和高分辨率網格模板，所述方法包括:
[0007]利用所述低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果；
[0008]通過所述低分辨率配準結果和網格轉換矩陣，確定高分辨率配準參考值，所述網格轉換矩陣用于實現(xiàn)所述低分辨率網格模板與所述高分辨率網格模板之間的轉換；
[0009]基于所述高分辨率配準參考值，利用所述高分辨率網格模板對所述目標人臉圖像進行配準，獲得所述目標人臉圖像的配準結果。
[0010]其中，獲取所述網格轉換矩陣的過程，包括:
[0011]通過所述低分辨率網格模板在質心坐標系下的坐標，以及，所述高分辨率網格模板在所述質心坐標系下的坐標計算所述網格轉換矩陣。
[0012]優(yōu)選地，所述低分辨率網格模板中的網格為非規(guī)則的三角形，所述高分辨率網格模板中的網格為規(guī)則的三角形。
[0013]其中，所述利用所述低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果，包括:
[0014]利用所述低分辨率網格模板，采用Lucas-Kanade算法對所述目標人臉圖像進行配準，獲得所述低分辨率配準結果；
[0015]相應的，所述基于所述高分辨率配準參考值，利用所述高分辨率網格模板對所述目標人臉圖像進行配準，獲得所述目標人臉圖像的配準結果，包括:
[0016]基于所述高分辨率配準參考值，利用所述高分辨率網格模板，采用包含網格約束的Lucas-Kanade算法對所述目標人臉圖像進行配準，獲得所述目標人臉圖像的配準結果。
[0017]其中，所述基于所述高分辨率配準參考值，利用所述高分辨率網格模板，采用包含網格約束的Lucas-Kanade算法對所述目標人臉圖像進行配準，具體為:
[0018]基于所述高分辨率配準參考值，利用所述高分辨率網格模板，采用網格約束(Xd-A aXa—^bXb入cXc) 2+( Yd—入aYa-^bYb—入cYc)2 = 0結合所1述Lucas-Kanade算法對所1述目標人臉圖像進行配準；[0〇19 ]其中，XA、XB、Xc、XD為所述低分辨率網格模板中三角形ABC及鄰近點D的坐標，Ya、Yb、 Yc、Yd為所述高分辨率網格模板中三角形ABC及鄰近點D的坐標，Aa、Ab、Ac為各頂點對應的系數(shù)。
[0020]—種人臉配準裝置，所述裝置包括:模板設定模塊、第一配準模塊、確定模塊和第二配準模塊；
[0021]所述模板設定模塊，用于設定低分辨率網格模板和高分辨率網格模板；[〇〇22]所述第一配準模塊，用于利用所述模板設定模塊預先設定的所述低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果；
[0023]所述確定模塊，用于通過所述第一配準模塊的所述低分辨率配準結果和網格轉換矩陣，確定高分辨率配準參考值，所述網格轉換矩陣用于實現(xiàn)所述低分辨率網格模板與所述高分辨率網格模板之間的轉換；
[0024]所述第二配準模塊，用于基于所述確定模塊確定出的所述高分辨率配準參考值， 利用所述模板設定模塊預先設定的所述高分辨率網格模板對所述目標人臉圖像進行配準， 獲得所述目標人臉圖像的配準結果。
[0025]其中，所述人臉配準裝置還包括:獲取模塊；
[0026]所述獲取模塊，用于通過所述低分辨率網格模板在質心坐標系下的坐標，以及，所述高分辨率網格模板在所述質心坐標系下的坐標計算所述網格轉換矩陣。
[0027]其中，所述模板設定模塊，具體用于設定網格為不規(guī)則三角形的低分辨率網格模板，以及，網格為規(guī)則三角形的高分辨率網格模板。
[0028]其中，所述第一配準模塊包括第一配準子模塊；
[0029]所述第一配準子模塊，用于利用所述低分辨率網格模板，采用Lucas-Kanade算法對所述目標人臉圖像進行配準，獲得所述低分辨率配準結果；
[0030]其中，所述第二配準模塊包括第二配準子模塊；[〇〇31]所述第二配準子模塊，用于基于所述高分辨率配準參考值，利用所述高分辨率網格模板，采用所述包含網格約束的Lucas-Kanade算法對所述目標人臉圖像進行配準，獲得所述目標人臉圖像的配準結果。
[0032]其中，所述第二配準子模塊，具體用于基于所述高分辨率配準參考值，利用所述高分辨率網格模板，通過網格約束(X『AaXa-AbXbAcXc ) 2+ ( Y『AaYa-AbYb-AcYc )2 = 0結合所述 Lucas-Kanade算法對所述目標人臉圖像進行配準；[〇〇33]其中，Xa、XB、Xc、XD為所述低分辨率網格模板中三角形ABC及鄰近點D的坐標，Ya、Yb、Yc、Yd為所述高分辨率網格模板中三角形ABC及鄰近點D的坐標，λΑ、λΒ、λ。為各頂點對應的系數(shù)。
[0034]上述技術方案具有如下有益效果:
[0035]本發(fā)明提供的人臉配準方法，首先利用低分辨率網格模板對目標人臉圖像進行配準，該配準過程能找到一個大致的配準位置區(qū)域，從而使得在使用高分辨率網格模板進行配準時，不至于優(yōu)化到其它的局部極值點上，在利用低分辨率網格模板對目標人臉圖像進行配準之后，通過低分辨率配準結果以及網格轉換矩陣可確定高分辨率配準參考值，進而基于該高分辨率配準參考值、利用高分辨率網格模板對目標人臉圖像進行精確配準，在利用高分辨率網格模板進行對目標人臉圖像進行配準的過程中，可基于參考值排除一些偏離參考值較大的局部極小值的計算結果，進一步避免了優(yōu)化到其它局部極值點的情況，最終得到精確的配準結果。
【附圖說明】
[0036]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。
[0037]圖1為本發(fā)明實施例提供的人臉配準方法的流程示意圖；
[0038]圖2為本發(fā)明實施例提供的人臉配準方法的另一流程示意圖；
[0039]圖3為本發(fā)明實施例提供的人臉配準方法的再一流程示意圖；
[0040]圖4為本發(fā)明實施例提供的人臉配準裝置的一結構示意圖；
[0041]圖5為本發(fā)明實施例提供的人臉配準裝置的另一結構示意圖。
【具體實施方式】
[0042]下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0043]本發(fā)明實施例提供了一種人臉配準方法，該方法基于分層網格模型進行人臉配準，其中，分層網格模型包括預先設定的低分辨率網格模板和高分辨率網格模板，請參閱圖1，示出了該人臉配準方法的流程示意圖，可以包括:
[0044]步驟SlOl:利用低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果。
[0045]步驟S102:通過低分辨率配準結果和網格轉換矩陣，確定高分辨率配準參考值。
[0046]其中，網格轉換矩陣用于實現(xiàn)低分辨率網格模板與高分辨率網格模板之間的轉換。
[0047]步驟S103:基于高分辨率配準參考值，利用高分辨率網格模板對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果。
[0048]本發(fā)明實施例提供的人臉配準方法，首先利用低分辨率網格模板對目標人臉圖像進行配準，該配準過程能找到一個大致的配準位置區(qū)域，從而使得在使用高分辨率網格模板進行配準時，不至于優(yōu)化到其它的局部極值點上，在利用低分辨率網格模板對目標人臉圖像進行配準之后，通過低分辨率配準結果以及網格轉換矩陣可確定高分辨率配準參考值，進而基于該高分辨率配準參考值、利用高分辨率網格模板對目標人臉圖像進行精確配準，在利用高分辨率網格模板進行對目標人臉圖像進行配準的過程中，可基于參考值排除一些偏離參考值較大的局部極小值的計算結果，進一步避免了優(yōu)化到其它局部極值點的情況，最終得到精確的配準結果。
[0049]請參閱圖2，示出了本發(fā)明實施例提供的人臉配準方法的另一流程示意圖，該方法基于分層網格模型進行人臉配準，其中，分層網格模型包括預先設定的低分辨率網格模板和高分辨率網格模板，優(yōu)選的，低分辨率網格模板的網格為非規(guī)則的三角網格，相較于規(guī)則網格更加靈活，其可避開眼睛、鼻翼、眉毛等灰度變化劇烈的區(qū)域，高分辨率網格模板的網格為規(guī)則的三角網格，其不易遺漏信息，用于對面部進行更精確的仿射變換，本發(fā)明實施例提供的人臉配準方法可以包括:
[0050]步驟S201:利用低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果。
[0051]具體的，利用低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果，包括:利用低分辨率網格模板，采用Lucas-Kanade算法對目標人臉圖像進行配準，獲得低分辨率配準結果。
[0052]需要說明的是，在使用低分辨率網格模板對目標人臉圖像進行配準時，能找到一個大致的對準位置區(qū)域，使得在使用高分辨率網格模板進行配準時，不至于優(yōu)化到其它的局部極值點上。
[0053]步驟S202:通過低分辨率網格模板在質心坐標系下的坐標，以及高分辨率網格模板在質心坐標系下的坐標計算網格轉換矩陣。
[0054]示例性的，低分辨率網格模板為Meshl，高分辨率網格模板為Mesh2。在質心坐標下，Meshl與Mesh2存在配對關系，可用網格轉換方程M2 = TM1描述，其中，T為網格轉換矩陣，其可通過Meshl和Mesh2在質心坐標系下的坐標求得。
[0055]步驟S203:通過低分辨率配準結果和網格轉換矩陣，確定高分辨率配準參考值。
[0056]在通過低分辨率網格模板Meshl對目標圖像進行匹配獲得低分辨率匹配結果Meshl \以及，計算得到網格轉換矩陣T之后，可通過Meshl'和網格轉換矩陣T計算出Mesh2' ο
[0057]需要說明的是，低分辨率網格模板Meshl與高分辨率網格模板Mesh2通過替換矩陣T進行轉換，S卩，二者存在M2 = TM1的關系，通過Meshl對目標圖像進行匹配得到的低分辨率匹配結果Meshl'，以及通過Mesh2對目標圖像進行匹配得到的低分辨率匹配結果Mesh2'之間同樣通過網格轉換矩陣T進行轉換，即替換矩陣不變，Meshl'和MeSh2'同樣存在如下網格轉換方程:M2' =TMl \
[0058]在本實施例中，在利用Meshl使用包含網格約束的Lucas-Kanade算法對人臉進行配準之后，獲得低分辨率配準結果，低分辨率配準結果結合網格轉換矩陣T可以計算出用Mesh2進行配準的配準結果，該配準結果仍然是低分辨率的，并不能實現(xiàn)精確配準，但其能夠為精確配準提供參考值。
[0059]步驟S204:基于高分辨率配準參考值，利用高分辨率網格模板對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果。
[0060]具體的，基于高分辨率配準參考值，利用高分辨率網格模板對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果，包括:基于高分辨率配準參考值，利用高分辨率網格模板，采用包含網格約束的Lucas-Kanade算法對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果。
[0061 ]在本實施例中，在網格約束下，通過對高分辨率網格模板與目標人臉圖像進行匹配的誤差函數(shù)求取局部極小值，可得到誤差最小的匹配方案，即最佳匹配結果。具體的，采用包含網格約束的Lucas-Kanade算法對目標人臉圖像進行配準時，設定目標函數(shù)為:
[0062]E(S) = Σ (Τ(χ; Δ s)_I(W(x; Δ s)))2+AsSTKs (I)
[0063]網格約束為:
[0064]( Xd-AaXa-AbXbAcXc )2+( Yd-AaYa-AbYb-AcYC )2 = 0 (2)
[0065]其中，式(I)中的T為高分辨率網格模板，I為目標人臉圖像，S為網格頂點A、B、C的坐標，W(x; As)表示圖像的仿射變換，As為分塊仿射變換的參數(shù)，X為第X仿射三角形的向量，Xs為頂點A、B、C對應的系數(shù)λΑ、λΒ、λ(；的向量。式⑵中的Xa、Xb、Xc、Xd為低分辨率網格模板中三角形ABC及鄰近點D的坐標，Ya、Yb、Yc、Yd為高分辨率網格模板中三角形ABC及鄰近點D的坐標，λΑ、λΒ、Ac為各頂點相應的系數(shù)。
[0066]其中，網格約束的意義在于，局部發(fā)生仿射變換時，形變對目標函數(shù)的懲罰為0，即局部發(fā)生仿射變換時，某一個三角區(qū)塊進行仿射變換時，全臉的誤差函數(shù)沒有變化，從而不影響其它區(qū)域的仿射變換，解決了直接應用仿射變換匹配三角分塊時，其它部分易發(fā)生錯誤形變的問題。
[0067]本發(fā)明實施例提供的人臉配準方法，首先利用低分辨率網格模板采用Lucas-Kanade算法對目標人臉圖像進行配準，該配準過程能找到一個大致的配準位置區(qū)域，從而使得在使用高分辨率網格模板進行配準時，不至于優(yōu)化到其它的局部極值點上，在利用低分辨率網格模板對目標人臉圖像進行配準之后，通過低分辨率配準結果以及網格轉換矩陣可確定高分辨率配準參考值，進而基于該高分辨率配準參考值、利用高分辨率網格模板、采用包含網格約束的Lucas-Kanade算法對目標人臉圖像進行精確配準，在利用高分辨率網格模板進行對目標人臉圖像進行配準的過程中，可基于參考值排除一些偏離參考值較大的局部極小值的計算結果，進一步避免了優(yōu)化到其它局部極值點的情況，最終獲得精確的配準結果。另外，本發(fā)明實施例結合網格約束進行配準，解決了直接應用仿射變換匹配三角分塊時，其它部分容易發(fā)生錯誤形變的問題。
[0068]在上述實施例提供的人臉配準方法中，網格轉換矩陣的計算步驟在利用低分辨率網格模板對目標人臉圖像進行配準這一步驟之后執(zhí)行，本實施例并不限定于此，網格轉換矩陣的計算只要在通過低分辨率配準結果和網格轉換矩陣確定高分辨率配準參考值這一步驟之前執(zhí)行即可。
[0069]請參閱圖3，示出了本發(fā)明實施例提供的人臉配準方法的另一流程示意圖，該方法基于分層網格模型進行人臉配準，其中，分層網格模型包括預先設定的低分辨率網格模板和高分辨率網格模板，優(yōu)選的，低分辨率網格模板的網格為非規(guī)則的三角網格，相較于規(guī)則網格更加靈活，其可避開眼睛、鼻翼、眉毛等灰度變化劇烈的區(qū)域，高分辨率網格模板的網格為規(guī)則的三角網格，其不易遺漏信息，用于對面部進行更精確的仿射變換，該方法可以包括:
[0070]步驟S301:通過低分辨率網格模板在質心坐標系下的坐標，以及，高分辨率網格模板在質心坐標系下的坐標計算網格轉換矩陣。
[0071]具體的，利用低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果，包括:利用低分辨率網格模板，采用Lucas-Kanade算法對目標人臉圖像進行配準，獲得低分辨率配準結果。
[0072]步驟S302:利用低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果。
[0073]步驟S303:通過低分辨率配準結果和網格轉換矩陣，確定高分辨率配準參考值。
[0074]步驟S304:基于高分辨率配準參考值，利用高分辨率網格模板對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果。
[0075]具體的，基于高分辨率配準參考值，利用高分辨率網格模板對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果，包括:基于高分辨率配準參考值，利用高分辨率網格模板，采用包含網格約束的Lucas-Kanade算法對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果。
[0076]在本實施例中，包含網格約束的Lucas-Kanade算法設定的目標函數(shù)和網格約束請參見式(I)和式(2)。
[0077]需要說明的是，本實施例提供的人臉配準方法與上述實施例提供的人臉配準的不同之處僅在于網格轉換矩陣的計算這一步驟執(zhí)行順序，其各個步驟的具體實現(xiàn)方式以及對于各個步驟的解釋說明可參見上述實施例，在此不作贅述。
[0078]本發(fā)明實施例提供的人臉配準方法，首先利用低分辨率網格模板采用Lucas-Kanade算法對目標人臉圖像進行配準，該配準過程能找到一個大致的配準位置區(qū)域，從而使得在使用高分辨率網格模板進行配準時，不至于優(yōu)化到其它的局部極值點上，在利用低分辨率網格模板對目標人臉圖像進行配準之后，通過低分辨率配準結果以及網格轉換矩陣可確定高分辨率配準參考值，進而基于該高分辨率配準參考值、利用高分辨率網格模板、采用包含網格約束的Lucas-Kanade算法對目標人臉圖像進行精確配準，在利用高分辨率網格模板進行對目標人臉圖像進行配準的過程中，可基于參考值排除一些偏離參考值較大的局部極小值的計算結果，進一步避免了優(yōu)化到其它局部極值點的情況，最終獲得精確的配準結果。另外，本發(fā)明實施例提供的人臉配準方法結合網格約束進行配準，解決了直接應用仿射變換匹配三角分塊時，其它部分容易發(fā)生錯誤形變的問題。
[0079]與上述方法相對應，本發(fā)明實施例還提供了一種人臉配準裝置，該裝置基于分層網格模型進行人臉配準，其中，分層網格模型包括預先設定的低分辨率網格模板和高分辨率網格模板，請參閱圖4，示出了該裝置的結構示意圖，該裝置可以包括:模板設定模塊400、第一配準模塊401、確定模塊402和第二配準模塊403。其中:
[0080]模板設定模塊400，用于預先設定低分辨率網格模板和高分辨率網格模板。
[0081 ]第一配準模塊401，用于利用模板設定模塊400預先設定的低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果。
[0082]確定模塊402，用于通過第一配準模塊401的低分辨率配準結果和網格轉換矩陣，確定高分辨率配準參考值。
[0083]其中，網格轉換矩陣用于實現(xiàn)低分辨率網格模板與高分辨率網格模板之間的轉換。
[0084]第二配準模塊403，用于基于確定模塊402確定出的高分辨率配準參考值，利用模板設定模塊400預先設定的高分辨率網格模板對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果。
[0085]本發(fā)明實施例提供的人臉配準裝置，首先利用低分辨率網格模板對目標人臉圖像進行配準，該配準過程能找到一個大致的配準位置區(qū)域，從而使得在使用高分辨率網格模板進行配準時，不至于優(yōu)化到其它的局部極值點上，在利用低分辨率網格模板對目標人臉圖像進行配準之后，通過低分辨率配準結果以及網格轉換矩陣可確定高分辨率配準參考值，進而基于該高分辨率配準參考值、利用高分辨率網格模板對目標人臉圖像進行精確配準，在利用高分辨率網格模板進行對目標人臉圖像進行配準的過程中，可基于參考值排除一些偏離參考值較大的局部極小值的計算結果，進一步避免了優(yōu)化到其它局部極值點的情況，最終得到精確的配準結果。
[0086]在上述實施例中，網格轉換矩陣可通過獲取模塊獲得，獲得網格轉換矩陣的獲取模塊，用于通過低分辨率網格模板在質心坐標系下的坐標，以及，高分辨率網格模板在質心坐標系下的坐標計算網格轉換矩陣。
[0087]請參閱圖5，示出了本發(fā)明實施例提供的另一種人臉配準裝置的結構示意圖，該裝置基于分層網格模型進行人臉配準，其中，分層網格模型包括預先設定的低分辨率網格模板和高分辨率網格模板，該裝置可以包括:模板設定模塊500、第一配準模塊501、計算模塊502、確定模塊503和第二配準模塊504。其中:
[0088]模板設定模塊500，用于預先設定低分辨率網格模板和高分辨率網格模板。
[0089]第一配準模塊501，用于利用模板設定模塊500預先設定的低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果。
[0090]計算模塊502，用于通過低分辨率網格模板在質心坐標系下的坐標，以及，高分辨率網格模板在質心坐標系下的坐標計算網格轉換矩陣。
[0091]確定模塊503，用于通過第一配準模塊501的低分辨率配準結果和計算模塊502計算得到的網格轉換矩陣，確定高分辨率配準參考值。
[0092]第二配準模塊504，用于基于確定模塊503確定出的高分辨率配準參考值，利用模板設定模塊500預先設定的高分辨率網格模板對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果。
[0093]本發(fā)明實施例提供的人臉配準裝置，首先利用低分辨率網格模板對目標人臉圖像進行配準，該配準過程能找到一個大致的配準位置區(qū)域，從而使得在使用高分辨率網格模板進行配準時，不至于優(yōu)化到其它的局部極值點上，在利用低分辨率網格模板對目標人臉圖像進行配準之后，通過低分辨率配準結果以及網格轉換矩陣可確定高分辨率配準參考值，進而基于該高分辨率配準參考值、利用高分辨率網格模板對目標人臉圖像進行精確配準，在利用高分辨率網格模板進行對目標人臉圖像進行配準的過程中，可基于參考值排除一些偏離參考值較大的局部極小值的計算結果，進一步避免了優(yōu)化到其它局部極值點的情況，最終得到精確的配準結果。
[0094]優(yōu)選地，上述任一實施例中的低分辨率網格模板中的網格為非規(guī)則的三角形，高分辨率網格模板中的網格為規(guī)則的三角形。
[0095]在上述任一實施例中，第一配準模塊包括第一配準子模塊。
[0096]第一配準子模塊，用于利用低分辨率網格模板，采用Lucas-Kanade算法對目標人臉圖像進行配準，獲得低分辨率配準結果。
[0097]在上述任一實施例中，第二配準模塊包括第二配準子模塊。
[0098]第二配準子模塊，用于基于高分辨率配準參考值，利用高分辨率網格模板，采用包含網格約束的Lucas-Kanade算法對目標人臉圖像進行配準，獲得目標人臉圖像的配準結果O
[0099]在上述任一實施例中，第二配準子模塊采用包含網格約束的Lucas-Kanade算法對目標人臉圖像進行配準時，設定目標函數(shù)為:
[0100]E(s) = Σ (Τ(χ； Δ s)-1(ff(x； Δ s)) )2+AsSTKs
[0101]網格約束為:
[0102]( Xd-AaXa-XbXbXcXc )2+( Yd_XaYa_XbYb_XcYc )2 = 0
[0103]其中，τ為高分辨率網格模板，I為目標人臉圖像，S為網格頂點A、B、C的坐標，W(X;A s)表示圖像的仿射變換，Δ s為分塊仿射變換的參數(shù)，X為第X仿射三角形的向量，As為頂點A、B、C對應的系數(shù)λΑ、λΒ、λ。的向量。XA、XB、XC、XA低分辨率網格模板中三角形ABC及鄰近點D的坐標，Ya、Yb、Yc、Yd為高分辨率網格模板中三角形ABC及鄰近點D的坐標，λΑ、λΒ、Ac為各頂點相應的系數(shù)。
[0104]本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。
[0105]在本申請所提供的幾個實施例中，應該理解到，所揭露的方法、裝置和設備，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些通信接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。
[0106]所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。
[0107]所述功能如果以軟件功能單元的形式實現(xiàn)并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中?；谶@樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括:U盤、移動硬盤、只讀存儲器(R0M，Read-0nly Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。
[0108]對所公開的實施例的上述說明，使本領域專業(yè)技術人員能夠實現(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領域的專業(yè)技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。
【主權項】
1.一種人臉配準方法，其特征在于，預先設定低分辨率網格模板和高分辨率網格模板， 所述方法包括:利用所述低分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果；通過所述低分辨率配準結果和網格轉換矩陣，確定高分辨率配準參考值，所述網格轉 換矩陣用于實現(xiàn)所述低分辨率網格模板與所述高分辨率網格模板之間的轉換；基于所述高分辨率配準參考值，利用所述高分辨率網格模板對所述目標人臉圖像進行 配準，獲得所述目標人臉圖像的配準結果。2.根據(jù)權利要求1所述的人臉配準方法，其特征在于，獲取所述網格轉換矩陣的過程， 包括:通過所述低分辨率網格模板在質心坐標系下的坐標，以及，所述高分辨率網格模板在 所述質心坐標系下的坐標計算所述網格轉換矩陣。3.根據(jù)權利要求1所述的人臉配準方法，其特征在于，所述低分辨率網格模板中的網格 為非規(guī)則的三角形，所述高分辨率網格模板中的網格為規(guī)則的三角形。4.根據(jù)權利要求1至3中任意一項所述的人臉配準方法，其特征在于，所述利用所述低 分辨率網格模板對目標人臉圖像進行配準，獲得低分辨率配準結果，包括:利用所述低分辨率網格模板，采用Lucas-Kanade算法對所述目標人臉圖像進行配準， 獲得所述低分辨率配準結果；相應的，所述基于所述高分辨率配準參考值，利用所述高分辨率網格模板對所述目標 人臉圖像進行配準，獲得所述目標人臉圖像的配準結果，包括:基于所述高分辨率配準參考值，利用所述高分辨率網格模板，采用包含網格約束的 Lucas-Kanade算法對所述目標人臉圖像進行配準，獲得所述目標人臉圖像的配準結果。5.根據(jù)權利要求4所述的人臉配準方法，其特征在于，所述基于所述高分辨率配準參考 值，利用所述高分辨率網格模板，采用包含網格約束的Lucas-Kanade算法對所述目標人臉 圖像進行配準，具體為:基于所述高分辨率配準參考值，利用所述高分辨率網格模板，采用網格約束(Xd-AaXa-入 bXb入cXc)2+(Yd-XaYa_XbYb-XcYc)2 = 0結合所述Lucas-Kanade算法對所述目標人臉圖像進行配 準；其中，Xa、XB、Xc、XD為所述低分辨率網格模板中三角形ABC及鄰近點D的坐標，Ya、Yb、Yc、Yd 為所述高分辨率網格模板中三角形ABC及鄰近點D的坐標，Aa、Ab、Ac為各頂點對應的系數(shù)。6.—種人臉配準裝置，其特征在于，所述裝置包括:模板設定模塊、第一配準模塊、確定 模塊和第二配準模塊；所述模板設定模塊，用于設定低分辨率網格模板和高分辨率網格模板；所述第一配準模塊，用于利用所述模板設定模塊預先設定的所述低分辨率網格模板對 目標人臉圖像進行配準，獲得低分辨率配準結果；所述確定模塊，用于通過所述第一配準模塊的所述低分辨率配準結果和網格轉換矩 陣，確定高分辨率配準參考值，所述網格轉換矩陣用于實現(xiàn)所述低分辨率網格模板與所述 高分辨率網格模板之間的轉換；所述第二配準模塊，用于基于所述確定模塊確定出的所述高分辨率配準參考值，利用 所述模板設定模塊預先設定的所述高分辨率網格模板對所述目標人臉圖像進行配準，獲得所述目標人臉圖像的配準結果。7.根據(jù)權利要求6所述的人臉配準裝置，其特征在于，所述人臉配準裝置還包括:獲取 豐旲塊；所述獲取模塊，用于通過所述低分辨率網格模板在質心坐標系下的坐標，以及，所述高 分辨率網格模板在所述質心坐標系下的坐標計算所述網格轉換矩陣。8.根據(jù)權利要求6所述的人臉配準裝置，其特征在于，所述模板設定模塊，具體用于設 定網格為不規(guī)則三角形的低分辨率網格模板，以及，網格為規(guī)則三角形的高分辨率網格模 板。9.根據(jù)權利要求6至8中任意一項所述的人臉配準裝置，其特征在于，所述第一配準模塊包括第一配準子模塊；所述第一配準子模塊，用于利用所述低分辨率網格模板，采用Lucas-Kanade算法對所 述目標人臉圖像進行配準，獲得所述低分辨率配準結果；所述第二配準模塊包括第二配準子模塊；所述第二配準子模塊，用于基于所述高分辨率配準參考值，利用所述高分辨率網格模 板，采用所述包含網格約束的Lucas-Kanade算法對所述目標人臉圖像進行配準，獲得所述 目標人臉圖像的配準結果。10.根據(jù)權利要求9所述的人臉配準裝置，其特征在于，所述第二配準子模塊，具體用于 基于所述高分辨率配準參考值，利用所述高分辨率網格模板，通過網格約束(XD-AAXA-ABXBA cXc)2+(Yd-XaYa_XbYb-XcYc)2 = 0結合所述Lucas-Kanade算法對所述目標人臉圖像進行配準；其中，Xa、XB、Xc、XD為所述低分辨率網格模板中三角形ABC及鄰近點D的坐標，Ya、Yb、Yc、Yd 為所述高分辨率網格模板中三角形ABC及鄰近點D的坐標，Aa、Ab、Ac為各頂點對應的系數(shù)。
【文檔編號】G06K9/00GK106022269SQ201610344806
【公開日】2016年10月12日
【申請日】2016年5月23日
【發(fā)明人】孔令勝, 劉小灃, 刁志輝, 閆俊良, 賈平
【申請人】中國科學院長春光學精密機械與物理研究所