CN106022281A - 一种面部数据测量方法及系统 - Google Patents
一种面部数据测量方法及系统 Download PDFInfo
- Publication number
- CN106022281A CN106022281A CN201610365422.8A CN201610365422A CN106022281A CN 106022281 A CN106022281 A CN 106022281A CN 201610365422 A CN201610365422 A CN 201610365422A CN 106022281 A CN106022281 A CN 106022281A
- Authority
- CN
- China
- Prior art keywords
- face
- feature point
- point group
- image
- mapping matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000691 measurement method Methods 0.000 title abstract 2
- 238000013507 mapping Methods 0.000 claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims description 27
- 238000005259 measurement Methods 0.000 abstract description 20
- 230000001815 facial effect Effects 0.000 abstract description 17
- 238000001514 detection method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种面部数据测量方法,包括以下步骤:将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标,且N为正整数;计算所述N组面部特征点组的空间坐标的算术平均值;输出计算后的所述面部特征点组的空间坐标。本发明还提供了对应的系统。本发明通过将面部图像通过预设的映射矩阵生成多组面部特征点组的空间坐标,实现自动测量面部数据,并且测量的面部数据的准确性高。同时,通过摄像头获取面部图像后即可测量面部数据,成本低,且容易普及。
Description
技术领域
本发明涉及信息处理技术领域,更具体地说,涉及一种面部数据测量方法及系统。
背景技术
面部识别是基于人的脸部特征信息进行身份识别的一种生物特征识别技术,广泛应用于社区安防、网络视频监控、出入境管理检测、员工考勤以及家庭娱乐等方面,如何在含有人脸的图像或视频流中快速准确地测量面部数据是面部识别技术中的重要方面。
目前,传统的人头数据(即面部数据)测量方案大致上分为以下两种:第一种是通过尺规直接测量头部数据,第二种是通过深度传感器获取人头的三维模型,进而间接测量人头模型的数据。其中,第一种测量方案可度量数据少,并且专业性强,需要专业人员来操作,操作过程复杂,测量过程耗时长;第二种测量方案可度量数据多,且精度高,可实现全自动测量,但是测量耗时长,并且硬件成本高,难以普及,广泛应用。
发明内容
本发明要解决的技术问题在于,针对现有技术中的人头数据测量的上述缺陷,提供一种面部数据测量方法及系统。
本发明解决上述问题所采用的技术方案是提供了一种面部数据测量方法,所述方法包括以下步骤:
将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标,且N为正整数;
计算所述N组面部特征点组的空间坐标的算术平均值;
输出计算后的所述面部特征点组的空间坐标。
在上述面部数据测量方法中,所述将面部图像通过映射矩阵生成一组面部特征点组的空间坐标的步骤包括:
获取所述面部图像;
将所述面部图像通过SURF算法获取所述面部图像的面部特征点组;
将所述面部特征点组通过ASM算法进行定位以得到所述面部特征点组的像素坐标;
将所述面部特征点组的像素坐标通过所述映射矩阵进行映射得到所述面部特征点组的空间坐标。
在上述面部数据测量方法中,在所述将面部图像通过映射矩阵生成N组面部特征点组的空间坐标的步骤之前,所述方法还包括:
根据获取到的标定图像生成所述映射矩阵。
在上述面部数据测量方法中,所述根据获取到的标定图像生成所述映射矩阵的步骤包括:
获取所述标定图像,所述标定图像包括面部和信用卡;
根据所述面部中的外眼角像素距离和所述信用卡的信用卡像素宽度识别外眼角的实际距离;
根据外眼角的实际距离,对所述标定图像中的所述面部进行线性标定以获取所述面部的像素坐标与世界坐标之间的映射矩阵。
在上述面部数据测量方法中,N大于或等于6。
本发明还提供了一种面部数据测量系统,所述系统包括:
生成模块,用于将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标,且N为正整数;
计算模块,用于计算所述N组面部特征点组的空间坐标的算术平均值;
输出模块,用于输出计算后的所述面部特征点组的空间坐标。
在上述面部数据测量系统中,所述生成模块包括:
第一获取单元,用于获取所述面部图像;
特征点获取单元,用于将所述面部图像通过SURF算法获取所述面部图像的面部特征点组;
定位单元,用于将所述面部特征点组通过ASM算法进行定位以得到所述面部特征点组的像素坐标;
映射单元,用于将所述面部特征点组的像素坐标通过所述映射矩阵进行映射得到所述面部特征点组的空间坐标。
在上述面部数据测量系统中,所述系统还包括:
预设模块,用于根据获取到的标定图像生成所述映射矩阵。
在上述面部数据测量系统中,所述预设模块包括:
第二获取单元,用于获取所述标定图像,所述标定图像包括面部和信用卡;
识别单元,用于根据所述面部中的外眼角像素距离和所述信用卡的信用卡像素宽度识别外眼角的实际距离;
标定单元,用于根据外眼角的实际距离,对所述标定图像中的所述面部进行线性标定以获取所述面部的像素坐标与世界坐标之间的映射矩阵。
在上述面部数据测量系统中,N大于或等于6。
本发明的面部数据测量方法及系统的有益效果有:本发明通过将面部图像通过预设的映射矩阵生成多组面部特征点组的空间坐标,实现自动测量面部数据,并且测量的面部数据的准确性高。同时,通过摄像头获取面部图像后即可测量面部数据,成本低,且容易普及,可广泛应用于家庭娱乐等方面。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明的面部数据测量方法实施例一的流程图;
图2是本发明的较优实施例的通过预设的映射矩阵生成一组面部特征点组的空间坐标的流程图;
图3是本发明的面部数据测量方法实施例二的流程图;
图4是本发明的较优实施例的根据获取到的标定图像生成预设的映射矩阵的流程图;
图5是本发明的面部数据测量系统实施例一的结构示意图;
图6是图5中的生成模块的结构示意图;
图7是本发明的面部数据测量系统实施例二的结构示意图。
具体实施方式
本发明通过将面部图像通过预设的映射矩阵生成多组面部特征点组的空间坐标,实现自动测量面部数据,并且测量的面部数据的准确性高。同时,通过摄像头获取面部图像后即可测量面部数据,成本低,且容易普及。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,是本发明的面部数据测量方法实施例一的流程图。在本实施例中,参考图1,该测量方法包括以下步骤:
在步骤S102中,将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标;
在此步骤中,N为正整数。具体地,如图2所示,通过预设的映射矩阵生成一组面部特征点组的空间坐标的步骤包括:在步骤S1021中,获取面部图像;该面部图像可为通过摄像头直接拍摄的图片文件,也为可在视频文件中截取的图片文件。在步骤S1022中,将该面部图像通过SURF(Speed-up robust features,加速健壮特征)算法获取该面部图像的面部特征点组;面部特征点组包括86个特征点。在步骤S1023中,将面部特征点组通过ASM(Active Shape Model,主动形状模型)算法进行定位以面部特征点组的像素坐标。在步骤S1024中,将面部特征点组的像素坐标通过映射矩阵进行映射得到面部特征点组的空间坐标。
在步骤S104中,计算该N组面部特征点组的空间坐标的算术平均值;进一步地,在本实施例中,N大于或等于6,通过上述的生成一组面部特征点组的空间坐标的步骤,生成6组面部特征点组的空间坐标,这样,测量的面部数据更准确。
在步骤S106中,输出计算后的面部特征点空间坐标组。在本实施例中,通过上述步骤,自动测量面部数据,并且测量的处理速度高,在1秒中能完成面部数据的测量。
如图3所示,是本发明的面部数据测量方法实施例二的流程图。在本实施例中,与实施例一种的面部数据测量方法的区别在于,在步骤S102之前还包括:在步骤S100中,根据获取到的标定图像生成预设的映射矩阵,具体地,如图4所示,包括:在步骤S1001中,获取标定图像,其中,标定图像包括面部和信用卡;在步骤S1002中,根据面部中的外眼角像素距离和信用卡的信用卡像素宽度识别外眼角的实际距离。其中,外眼角像素距离和信用卡的信用卡像素宽度可通过图像检测算法来获取,外眼角像素距离的计算公式为:外眼角的实际距离=(外眼角像素距离/信用卡像素宽度)*信用卡的实际宽度,一般标准的信用卡的实际宽度为54mm。在步骤S1003中,根据外眼角的实际距离,对标定图像中的面部进行线性标定以获取面部的像素坐标与世界坐标之间的映射矩阵。
如图5所示,是本发明的面部数据测量系统实施例一的结构示意图。在本实施例中,参考图5,该测量系统100包括生成模块102、计算模块104和输出模块106。
其中,生成模块102用于将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标。其中,N为正整数。具体地,如图6所示,生成模块102包括第一获取单元1021、特征点获取单元1022、定位单元1023和映射单元1024,其中,第一获取单元1021用于获取面部图像;该面部图像可为通过摄像头直接拍摄的图片文件,也为可在视频文件中截取的图片文件。特征点获取单元1022用于将该面部图像通过SURF算法获取该面部图像的面部特征点组;面部特征点组包括86个特征点。定位单元1023用于将面部特征点组通过ASM算法进行定位以面部特征点组的像素坐标。映射单元用于将面部特征点组的像素坐标通过映射矩阵进行映射得到面部特征点组的空间坐标。
计算模块104用于计算该N组面部特征点组的空间坐标的算术平均值;进一步地,在本实施例中,N大于或等于6,通过生成模块102生成6组面部特征点组的空间坐标,这样,测量的面部数据更准确。
输出模块106用于输出计算后的面部特征点空间坐标组。在本实施例中,通过上述步骤,自动测量面部数据,并且测量的处理速度高,在1秒中能完成面部数据的测量。
如图7所示,是本发明的面部数据测量系统实施例二的流程图。在本实施例中,与实施例一种的面部数据测量系统的区别在于,该测量系统100还包括预设模块101,该预设模块101用于在根据获取到的标定图像生成预设的映射矩阵,具体地,该预设模块101包括第二获取单元1011、识别单元1012和标定单元1013,其中,第二获取单元1011用于获取标定图像,其中,标定图像包括面部和信用卡;识别单元1012用于根据面部中的外眼角像素距离和信用卡的信用卡像素宽度识别外眼角的实际距离。其中,外眼角像素距离和信用卡的信用卡像素宽度可通过图像检测算法来获取,外眼角像素距离的计算公式为:外眼角的实际距离=(外眼角像素距离/信用卡像素宽度)*信用卡的实际宽度,一般标准的信用卡的实际宽度为54mm。标定单元1013用于根据外眼角的实际距离,对标定图像中的面部进行线性标定以获取面部的像素坐标与世界坐标之间的映射矩阵。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种面部数据测量方法,其特征在于,所述方法包括以下步骤:
将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标,且N为正整数;
计算所述N组面部特征点组的空间坐标的算术平均值;
输出计算后的所述面部特征点组的空间坐标。
2.根据权利要求1中所述的面部数据测量方法,其特征在于,所述将面部图像通过映射矩阵生成一组面部特征点组的空间坐标的步骤包括:
获取所述面部图像;
将所述面部图像通过SURF算法获取所述面部图像的面部特征点组;
将所述面部特征点组通过ASM算法进行定位以得到所述面部特征点组的像素坐标;
将所述面部特征点组的像素坐标通过所述映射矩阵进行映射得到所述面部特征点组的空间坐标。
3.根据权利要求1中所述的面部数据测量方法,其特征在于,在所述将面部图像通过映射矩阵生成N组面部特征点组的空间坐标的步骤之前,所述方法还包括:
根据获取到的标定图像生成所述映射矩阵。
4.根据权利要求3中所述的面部数据测量方法,其特征在于,所述根据获取到的标定图像生成所述映射矩阵的步骤包括:
获取所述标定图像,所述标定图像包括面部和信用卡;
根据所述面部中的外眼角像素距离和所述信用卡的信用卡像素宽度识别外眼角的实际距离;
根据外眼角的实际距离,对所述标定图像中的所述面部进行线性标定以获取所述面部的像素坐标与世界坐标之间的映射矩阵。
5.根据权利要求1-4中任一项所述的面部数据测量方法,其特征在于,N大于或等于6。
6.一种面部数据测量系统,其特征在于,所述系统包括:
生成模块,用于将面部图像通过预设的映射矩阵生成N组面部特征点组的空间坐标,且N为正整数;
计算模块,用于计算所述N组面部特征点组的空间坐标的算术平均值;
输出模块,用于输出计算后的所述面部特征点组的空间坐标。
7.根据权利要求6中所述的面部数据测量系统,其特征在于,所述生成模块包括:
第一获取单元,用于获取所述面部图像;
特征点获取单元,用于将所述面部图像通过SURF算法获取所述面部图像的面部特征点组;
定位单元,用于将所述面部特征点组通过ASM算法进行定位以得到所述面部特征点组的像素坐标;
映射单元,用于将所述面部特征点组的像素坐标通过所述映射矩阵进行映射得到所述面部特征点组的空间坐标。
8.根据权利要求6中所述的面部数据测量系统,其特征在于,所述系统还包括:
预设模块,用于根据获取到的标定图像生成所述映射矩阵。
9.根据权利要求8中所述的面部数据测量系统,其特征在于,所述预设模块包括:
第二获取单元,用于获取所述标定图像,所述标定图像包括面部和信用卡;
识别单元,用于根据所述面部中的外眼角像素距离和所述信用卡的信用卡像素宽度识别外眼角的实际距离;
标定单元,用于根据外眼角的实际距离,对所述标定图像中的所述面部进行线性标定以获取所述面部的像素坐标与世界坐标之间的映射矩阵。
10.根据权利要求6-9中任一项所述的面部数据测量系统,其特征在于,N大于或等于6。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610365422.8A CN106022281A (zh) | 2016-05-27 | 2016-05-27 | 一种面部数据测量方法及系统 |
PCT/CN2017/083358 WO2017202191A1 (zh) | 2016-05-27 | 2017-05-05 | 一种面部数据测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610365422.8A CN106022281A (zh) | 2016-05-27 | 2016-05-27 | 一种面部数据测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106022281A true CN106022281A (zh) | 2016-10-12 |
Family
ID=57091410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610365422.8A Pending CN106022281A (zh) | 2016-05-27 | 2016-05-27 | 一种面部数据测量方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106022281A (zh) |
WO (1) | WO2017202191A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803065A (zh) * | 2016-12-27 | 2017-06-06 | 广州帕克西软件开发有限公司 | 一种基于深度信息的瞳距测量方法以及系统 |
WO2017202191A1 (zh) * | 2016-05-27 | 2017-11-30 | 广州帕克西软件开发有限公司 | 一种面部数据测量方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1804904A (zh) * | 2006-01-19 | 2006-07-19 | 上海交通大学 | 用三维标记点直接进行三维模型变形的方法 |
CN101499132A (zh) * | 2009-03-12 | 2009-08-05 | 广东药学院 | 一种人脸图像中特征点提取的三维变换搜索方法 |
CN101661617B (zh) * | 2008-08-30 | 2011-11-02 | 华为终端有限公司 | 摄像机标定的方法及装置 |
WO2015102361A1 (ko) * | 2014-01-02 | 2015-07-09 | 아이리텍 잉크 | 얼굴 구성요소 거리를 이용한 홍채인식용 이미지 획득 장치 및 방법 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593365A (zh) * | 2009-06-19 | 2009-12-02 | 电子科技大学 | 一种通用三维人脸模型的调整方法 |
CN106022281A (zh) * | 2016-05-27 | 2016-10-12 | 广州帕克西软件开发有限公司 | 一种面部数据测量方法及系统 |
-
2016
- 2016-05-27 CN CN201610365422.8A patent/CN106022281A/zh active Pending
-
2017
- 2017-05-05 WO PCT/CN2017/083358 patent/WO2017202191A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1804904A (zh) * | 2006-01-19 | 2006-07-19 | 上海交通大学 | 用三维标记点直接进行三维模型变形的方法 |
CN101661617B (zh) * | 2008-08-30 | 2011-11-02 | 华为终端有限公司 | 摄像机标定的方法及装置 |
CN101499132A (zh) * | 2009-03-12 | 2009-08-05 | 广东药学院 | 一种人脸图像中特征点提取的三维变换搜索方法 |
WO2015102361A1 (ko) * | 2014-01-02 | 2015-07-09 | 아이리텍 잉크 | 얼굴 구성요소 거리를 이용한 홍채인식용 이미지 획득 장치 및 방법 |
Non-Patent Citations (1)
Title |
---|
张晖等: ""基于图像处理技术的零件测量系统研究"", 《微计算机信息》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017202191A1 (zh) * | 2016-05-27 | 2017-11-30 | 广州帕克西软件开发有限公司 | 一种面部数据测量方法及系统 |
CN106803065A (zh) * | 2016-12-27 | 2017-06-06 | 广州帕克西软件开发有限公司 | 一种基于深度信息的瞳距测量方法以及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2017202191A1 (zh) | 2017-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549873B (zh) | 三维人脸识别方法和三维人脸识别系统 | |
CN111354042B (zh) | 机器人视觉图像的特征提取方法、装置、机器人及介质 | |
EP3457078B1 (en) | Monocular three-dimensional scanning system based three-dimensional reconstruction method and apparatus | |
CN106097348B (zh) | 一种三维激光点云与二维图像的融合方法 | |
CN107705333B (zh) | 基于双目相机的空间定位方法及装置 | |
CN106548462B (zh) | 基于薄板样条插值的非线性sar图像几何校正方法 | |
CN103559711B (zh) | 基于三维视觉系统图像特征和三维信息的运动估计方法 | |
CN111340797A (zh) | 一种激光雷达与双目相机数据融合检测方法及系统 | |
CN107560592B (zh) | 一种用于光电跟踪仪联动目标的精确测距方法 | |
WO2017186016A1 (zh) | 图像形变处理的方法和装置、计算机存储介质 | |
CN106705849B (zh) | 线结构光传感器标定方法 | |
CN109919975B (zh) | 一种基于坐标标定的广域监控运动目标关联方法 | |
CN107016697B (zh) | 一种高度测量方法及装置 | |
CN104173054A (zh) | 基于双目视觉技术的人体身高测量方法及其装置 | |
CN108734776A (zh) | 一种基于散斑的三维人脸重建方法及设备 | |
CN106155299B (zh) | 一种对智能设备进行手势控制的方法及装置 | |
CN109559349A (zh) | 一种用于标定的方法和装置 | |
JP2006145405A (ja) | 三次元計測装置および三次元計測方法並びに三次元計測プログラム | |
CN107578376A (zh) | 基于特征点聚类四叉划分和局部变换矩阵的图像拼接方法 | |
CN109425348A (zh) | 一种同时定位与建图的方法和装置 | |
CN105139007B (zh) | 人脸特征点定位方法和装置 | |
CN107423716A (zh) | 人脸状态监控方法及装置 | |
CN110163087A (zh) | 一种人脸姿态识别方法及系统 | |
CN108830888A (zh) | 基于改进的多尺度协方差矩阵特征描述子的粗匹配方法 | |
CN109871829A (zh) | 一种基于深度学习的检测模型训练方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |
|
RJ01 | Rejection of invention patent application after publication |