CN106295579B - 人脸对齐方法及装置 - Google Patents
人脸对齐方法及装置 Download PDFInfo
- Publication number
- CN106295579B CN106295579B CN201610665916.8A CN201610665916A CN106295579B CN 106295579 B CN106295579 B CN 106295579B CN 201610665916 A CN201610665916 A CN 201610665916A CN 106295579 B CN106295579 B CN 106295579B
- Authority
- CN
- China
- Prior art keywords
- characteristic point
- faceform
- point position
- facial image
- weight
- 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.)
- Active
Links
Images
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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开揭示了一种人脸对齐方法及装置，属于图像处理领域。所述人脸对齐方法包括：识别人脸图像中m个特征点的特征点位置；根据人脸模型中每个特征点位置所对应的权重，或者，根据人脸图像中每个特征点位置以及人脸中心的位置，确定m个特征点中每个特征点位置所对应的权重；根据确定的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型；解决了相关技术中直接根据识别的各个特征点位置将人脸图像对齐至人脸模型，由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
Description
技术领域
本公开涉及图像处理领域，特别涉及一种人脸对齐方法及装置。
背景技术
人脸对齐是指将人脸图像对齐至人脸模型。主要应用于脸型分析、人脸变换、人脸识别和颜值分析等。人脸图像的对齐,影响到人脸识别的准确性,成为人脸识别系统的重要问题。
然而错误的人脸对齐往往会导致提取的人脸特征严重变形，即使是不精确的对齐也会带来识别性能的快速下降。因而如何提高人脸对齐的准确性，已成为本领域的重要课题。
发明内容
为了解决相关技术中的问题，本公开提供一种人脸对齐方法及装置。所述技术方案如下：
根据本公开实施例的第一方面，提供一种人脸对齐方法，该方法包括：
识别人脸图像中m个特征点的特征点位置，m为正整数；
根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重；人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重；
根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
可选的，根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型，包括：
根据m个特征点中每个特征点位置所对应的权重以及对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程；
根据变换方程将人脸图像对齐至人脸模型。
根据本公开实施例的第二方面，提供一种人脸对齐方法，该方法包括：
识别人脸图像中m个特征点的特征点位置，m为正整数；
获取人脸图像中的人脸中心的位置；
根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重；
根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
可选的，根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重，包括：
根据每个特征点位置和人脸中心的位置之间的距离，确定每个特征点位置所对应的权重。
可选的，根据每个特征点位置和人脸中心的位置之间的距离，确定每个特征点位置所对应的权重，包括：
根据每个特征点位置和人脸中心的位置之间的距离，通过如下公式计算每个特征点位置所对应的权重；
其中，wi表示第i个特征点位置所对应的权重，pi表示第i个特征点位置，pΔ表示人脸中心的位置，γ为用于控制权重的衰减程度的衰减因子，i为小于等于m的整数。
可选的，获取人脸图像中的人脸中心的位置，包括：
根据m个特征点的特征点位置确定m个特征点的中心位置；
将确定的中心位置作为人脸中心的位置。
可选的，获取人脸图像中的人脸中心的位置，包括：
根据第一特征点集合中的特征点的个数和第二特征点集合中的特征点个数之间的比值、第一特征点集合中的各个特征点的特征点位置以及第二特征点集合中的各个特征点的特征点位置，确定人脸中心的位置；
其中，第一特征点集合包括：两眼中处于对称位置的n1个特征点，以及，两眼的两眼中心点的至少一种；第二特征点集合包括：嘴唇中处于对称位置的n2个特征点，以及，嘴唇的中心点中的至少一种；n1和n2为偶数。
可选的，根据每个特征点位置所对应的权重以及对应关系，将人脸图像对齐至人脸模型，包括：
根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程；
根据变换方程将人脸图像对齐至人脸模型。
根据本公开实施例的第三方面，提供一种人脸对齐装置，该装置包括：
位置识别模块，被配置为识别人脸图像中m个特征点的特征点位置，m为正整数；
权重确定模块，被配置为根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重；人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重；
人脸对齐模块，被配置为根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
可选的，人脸对齐模块，包括：
方程计算子模块，被配置为根据m个特征点中每个特征点位置所对应的权重以及对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程；
图像对齐子模块，被配置为根据变换方程将人脸图像对齐至人脸模型。
根据本公开实施例的第四方面，提供一种人脸对齐装置，该装置包括：
位置识别模块，被配置为识别人脸图像中m个特征点的特征点位置，m为正整数；
位置获取模块，被配置为获取人脸图像中的人脸中心的位置；
权重确定模块，被配置为根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重；
人脸对齐模块，被配置为根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
可选的，权重确定模块，还被配置为根据每个特征点位置和人脸中心的位置之间的距离，确定每个特征点位置所对应的权重。
可选的，权重确定模块，还被配置为根据每个特征点位置和人脸中心的位置之间的距离，通过如下公式计算每个特征点位置所对应的权重；
其中，wi表示第i个特征点位置所对应的权重，pi表示第i个特征点位置，pΔ表示人脸中心的位置，γ为用于控制权重的衰减程度的衰减因子，i为小于等于m的整数。
可选的，位置获取模块，包括：
第一确定子模块，被配置为根据m个特征点的特征点位置确定m个特征点的中心位置；
第二确定子模块，被配置为将确定的中心位置作为人脸中心的位置。
可选的，位置获取模块，还被配置为根据第一特征点集合中的特征点的个数和第二特征点集合中的特征点个数之间的比值、第一特征点集合中的各个特征点的特征点位置以及第二特征点集合中的各个特征点的特征点位置，确定人脸中心的位置；
其中，第一特征点集合包括：两眼中处于对称位置的n1个特征点，以及，两眼的两眼中心点的至少一种；第二特征点集合包括：嘴唇中处于对称位置的n2个特征点，以及，嘴唇的中心点中的至少一种；n1和n2为偶数。
可选的，人脸对齐模块，包括：
方程计算子模块，被配置为根据每个特征点位置所对应的权重以及对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程；
图像对齐子模块，被配置为根据变换方程将人脸图像对齐至人脸模型。
根据本公开实施例的第五方面，提供一种人脸对齐装置，该装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为：
识别人脸图像中m个特征点的特征点位置，m为正整数；
根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重；人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重；
根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
根据本公开实施例的第六方面，提供一种人脸对齐装置，该装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为：
识别人脸图像中m个特征点的特征点位置，m为正整数；
获取人脸图像中的人脸中心的位置；
根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重；
根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
本公开的实施例提供的技术方案可以包括以下有益效果：
通过上述技术特征可以实现直接根据识别的各个特征点的特征点位置将人脸图像对齐至人脸模型，并可克服由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种人脸对齐方法的流程图；
图2是根据另一示例性实施例示出的一种人脸对齐方法的流程图；
图3是根据一示例性实施例示出的一种人脸图像中特征点位置的示意图；
图4是根据一示例性实施例示出的一种人脸对齐方法的流程图；
图5是根据另一示例性实施例示出的一种人脸对齐方法的流程图；
图6A是根据一示例性实施例示出的一种确定人脸中心的位置的示意图；
图6B是根据一示例性实施例示出的另一种确定人脸中心的位置的示意图；
图7是根据一示例性实施例示出的一种建立人脸模型的方法的流程图；
图8是根据一示例性实施例示出的一种人脸对齐装置的框图；
图9是根据另一示例性实施例示出的一种人脸对齐装置的框图；
图10是根据一示例性实施例示出的一种人脸对齐装置的框图；
图11是根据另一示例性实施例示出的一种人脸对齐装置的框图；
图12是根据一示例性实施例示出的一种用于人脸对齐的装置的框图；
图13是根据一示例性实施例示出的一种用于人脸对齐的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在一实施例中，人脸对齐的方法主要包括：识别人脸图像中的特征点的特征点位置，特征点可以包括形状特征点、纹理特征点或颜色特征点中的至少一种；根据人脸图像中特征点的特征点位置与人脸模型中对应的特征点位置之间的对应关系，计算将人脸图像对齐至人脸模型的变换方程；根据变换方程，将人脸图像对齐至人脸模型中。其中，人脸模型是指根据若干个样本人脸图像的特征点的特征点位置预先训练得到的人脸模型。
图1是根据一示例性实施例示出的一种人脸对齐方法的流程图，该人脸对齐方法可以包括以下步骤。
在步骤101中，识别人脸图像中m个特征点的特征点位置，m为正整数。
在步骤102中，根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重。
其中，人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重。
在步骤103中，根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
综上所述，本公开实施例中提供的人脸对齐方法，通过上述人脸对齐方法中提供的技术特征，解决了相关技术中直接根据识别的各个特征点的特征点位置将人脸图像对齐至人脸模型，由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
图2是根据另一示例性实施例示出的一种人脸对齐方法的流程图，该人脸对齐方法可以包括以下步骤。
在步骤201中，识别人脸图像中m个特征点的特征点位置，m为正整数。
当终端接收到待对齐的人脸图像时，通过人脸特征点检测算法识别人脸图像中的m个特征点的特征点位置。可选的，人脸特征点检测算法包括：AAM(Active AppearanceModel，主动外观模型)、ASM(Active Shape Model，主动形状模型)和SDM(superviseddescent method，有监督的梯度下降方法)中的至少一种。
在一个示例性的例子中，假定AAM模型中的特征点个数为95，将人脸图像输入至AAM模型后，经过AAM模型的检测识别出人脸图像中95个特征点的特征点位置。
可选的，m大于预设阈值，预设阈值可以为70、80或90不等，比如：m的取值可以为95。
在步骤202中，根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重。
其中，人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重。
终端在识别到人脸图像中的m个特征点的特征点位置后，根据m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，以及人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重。
比如：人脸模型中两眼的两眼中心点的权重为0.2，则请参考图3，终端在识别出人脸图像31中的特征点5的特征点位置后，确定出特征点5的特征点位置所对应的权重为0.2。其中图3仅以示出10个特征点来举例说明。
可选的，人脸模型中每个特征点位置所对应的权重是预先存储的，或者，根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的。
其中，根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定人脸模型中每个特征点位置所对应的权重可以包括如下实现方式：
根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置之间的距离，确定人脸模型中每个特征点位置所对应的权重。
在获取到人脸模型中m个特征点位置和人脸模型的人脸中心的位置后，计算每个特征点位置到人脸中心的位置之间的距离，根据计算得到的距离确定每个特征点位置所对应的权重。
可选的，根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置之间的距离，确定人脸模型中每个特征点位置所对应的权重，可以包括如下两种可能的实现方式：
在第一种可能的实现方式中，通过如下公式计算每个特征点位置所对应的权重；
其中，wi表示人脸模型中第i个特征点位置所对应的权重，qi表示人脸模型中第i个特征点位置，qΔ表示人脸模型中人脸中心的位置，γ为用于控制权重的衰减程度的衰减因子，i为小于等于m的整数。
可选的，γ为实数，其取值一般是通过经验得到的；通常γ的取值为2，当γ为2时，||qi-qΔ||2表示矩阵的二范数。
在第二种可能的实现方式中，预先存储的特征点位置与人脸中心的位置之间的距离和权重之间的对应关系，在计算得到人脸模型中每个特征点位置与人脸模型中人脸中心的位置之间的距离时，根据对应关系和计算得到的距离，确定人脸模型中每个特征点位置所对应的权重。
比如：参考图3中所示的特征点的特征点位置，假定特征点3的特征点位置与人脸中心的位置之间的距离为4厘米，预先存储的4厘米对应的权重为0.2，则特征点3的特征点位置所对应的权重为0.2。
在步骤203中，根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程。
可选的，变换方程包括：相似变换和仿射变换中的至少一种。
在一个示例性的例子中，以变换方程为仿射变换为例，根据如下公式利用加权最小二乘法计算得到将人脸图像对齐至人脸模型的变换方程为：
H＝QWPT(PWPT)-1
其中，H表示仿射变换矩阵；Q表示人脸模型中m个特征点的特征点位置对应的矩阵；P表示人脸图像中m个特征点的特征点位置对应的矩阵；PT表示矩阵P的转置矩阵；W表示权重对应的对角矩阵，该对角矩阵对角线上的第i个元素为人脸图像中第i个特征点位置所对应的权重值wi，对角矩阵中其余元素的值为0；(PWPT)-1表示括号中运算得到的矩阵的逆矩阵。
比如：请参考图3所示的人脸图像31，以人脸图像31的水平方向为横轴，以人脸图像31的竖直方向为纵轴建立坐标系，如图3中的坐标系所示；假定m的值为95，矩阵Q的大小为2*95，每一列表示一个特征点位置，每一列的第一行表示特征点位置横坐标的值，每一列的第二行表示特征点位置纵坐标的值；矩阵P的大小为3*95，每一列表示一个特征点位置，每一列的第一行表示特征点位置横坐标的值，每一列的第二行表示特征点位置纵坐标的值，每一列的第三行的值为1；对角矩阵W的大小为95*95，对角线上的第i个元素为人脸图像中第i个特征点位置所对应的权重值wi，其余元素的值为0；则计算得到的仿射变换矩阵H的大小为2*3的矩阵。
在步骤204中，根据变换方程将人脸图像对齐至人脸模型。
终端在计算出将人脸图像对齐至人脸模型的变换方程后，根据计算得到的变换方程将人脸图像对齐至人脸模型。可选的，由于变换方程是根据人脸图像中的m个特征点所对应的权重以及人脸图像和人脸模型中m个特征点的特征点位置之间的对应关系得到的，因此，根据变换方程将人脸图像对齐至人脸模型包括：将人脸图像中的m个特征点的特征点位置对齐至人脸模型中对应的m个特征点的特征点位置。
在一个示例性的例子中，以步骤203中计算得到的仿射变换矩阵H为例，通过如下公式将人脸图像对齐至人脸模型中：
其中，pi表示人脸图像中第i个特征点位置，
表示根据仿射变换矩阵H将人脸图像中第i个特征点位置对齐至人脸模型中的位置。
综上所述，本公开实施例中提供的人脸对齐方法，通过上述人脸对齐方法中提供的技术特征，解决了相关技术中直接根据识别的各个特征点的特征点位置将人脸图像对齐至人脸模型，由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
图1和图2所示的实施例中，是以根据人脸模型中每个特征点位置所对应的权重，确定人脸图像中每个特征点位置所对应的权重为例进行说明，可选的，还可以通过根据人脸图像中每个特征点位置和人脸中心的位置，确定人脸图像中每个特征点位置所对应的权重，具体实现过程请参考图4和图5所示。
图4是根据一示例性实施例示出的一种人脸对齐方法的流程图，该人脸对齐方法可以包括以下步骤。
在步骤401中，识别人脸图像中m个特征点的特征点位置，m为正整数。
在步骤402中，获取人脸图像中的人脸中心的位置。
在步骤403中，根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重。
在步骤404中，根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
综上所述，本公开实施例中提供的人脸对齐方法，通过上述人脸对齐方法中提供的技术特征，解决了相关技术中直接根据识别的各个特征点的特征点位置将人脸图像对齐至人脸模型，由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
图5是根据另一示例性实施例示出的一种人脸对齐方法的流程图，该人脸对齐方法可以包括以下步骤。
在步骤501中，识别人脸图像中m个特征点的特征点位置，m为正整数。
本步骤与图2所示的实施例中步骤201类似，详细描述请参考图2所示的实施例，此处不再赘述。
在步骤502中，获取人脸图像中的人脸中心的位置。
本实施例中获取人脸图像中的人脸中心的位置可以通过如下四种可能的实现方式实现：
在第一种可能的实现方式中，终端在识别到人脸图像的m个特征点的特征点位置后，根据m个特征点的特征点位置确定m个特征点的中心位置；将确定出的中心位置作为人脸中心的位置。
比如：以图3所示的人脸图像31中建立的坐标系为例，计算m个特征点的特征点坐标的横坐标的平均值，将计算得到的横坐标的平均值确定为人脸中心的坐标的横坐标；计算m个特征点的特征点坐标的纵坐标的平均值，将计算得到的纵坐标的平均值确定为人脸中心的坐标的纵坐标；根据人脸中心的横坐标和纵坐标确定出人脸中心在人脸图像中的位置。
在第二种可能的实现方式中，根据第一特征点集合中的特征点的个数和第二特征点集合中的特征点个数之间的比值、第一特征点集合中的各个特征点的特征点位置以及第二特征点集合中的各个特征点的特征点位置，确定人脸中心的位置。
其中，第一特征点集合包括：两眼中处于对称位置的n1个特征点，以及，两眼的两眼中心点的至少一种；第二特征点集合包括：嘴唇中处于对称位置的n2个特征点，以及，嘴唇的中心点中的至少一种；n1和n2为偶数。
在一个示例性的例子中，以图3所示的人脸图像31中建立的坐标系为例，假定第一特征点集合包括：两眼中处于对称位置的n1个特征点，第二特征点集合包括：嘴唇中处于对称位置的n2个特征点；则计算n1个特征点坐标的横坐标和n2个特征点坐标的横坐标的平均值，将计算得到的横坐标的平均值确定为人脸中心的坐标的横坐标；根据n1与n2之间的比值，以及n1个特征点坐标的纵坐标和n2个特征点坐标的纵坐标计算人脸中心的坐标的纵坐标；最终根据人脸中心的横坐标和纵坐标确定人脸中心在人脸图像中的位置。
比如：请参考图3所示，n1个特征点包括：特征点3和特征点7，n2个特征点包括：特征点8和特征点10，则n1与n2之间的比值为1；假定特征点3的坐标为(1,5)，特征点7的坐标为(5,5)，特征点8的坐标为(2,1)，特征点10的坐标为(4,1)；人脸中心的坐标的横坐标为：(1+5+2+4)/4＝3；人脸中心的坐标的纵坐标为：[5+5+(1+1)*1]/[2+2*1]＝3；则人脸中心的坐标为(3,3)。
在另一个示例性的例子中，以图3所示的人脸图像31中建立的坐标系为例，假定第一特征点集合包括：两眼中处于对称位置的n1个特征点，第二特征点集合包括：嘴唇中处于对称位置的n2个特征点和嘴唇的中心点；则计算n1个特征点坐标的横坐标和第二特征点集合中包括的各个特征点坐标的横坐标的平均值，将计算得到的横坐标的平均值确定为人脸中心的坐标的横坐标；根据n1与n2+1之间的比值，以及n1个特征点坐标的纵坐标和第二特征点集合中包括的各个特征点坐标的纵坐标计算人脸中心的坐标的纵坐标；最终根据人脸中心的横坐标和纵坐标确定人脸中心在人脸图像中的位置。
比如：请参考图3所示，n1个特征点包括：特征点3和特征点7，n2个特征点包括：特征点8和特征点10，嘴唇的中心点为特征点9，则n1与n2+1之间的比值为2/3；假定特征点3的坐标为(1,5)，特征点7的坐标为(5,5)，特征点8的坐标为(2,1)，特征点9的坐标为(3,1)，特征点10的坐标为(4,1)；人脸中心的坐标的横坐标为：(1+5+2+3+4)/5＝3；人脸中心的坐标的纵坐标为：[5+5+(1+1+1)*(2/3)]/[2+3*(2/3)]＝3；则人脸中心的坐标为(3,3)。
在又一个示例性的例子中，以图3所示的人脸图像31中建立的坐标系为例，假定第一特征点集合包括：两眼的两眼中心点，第二特征点集合包括：嘴唇中处于对称位置的n2个特征点和嘴唇的中心点；则计算两眼的两眼中心点的特征点坐标的横坐标和第二特征点集合中包括的各个特征点坐标的横坐标的平均值，将计算得到的横坐标的平均值确定为人脸中心的坐标的横坐标；根据1与n2+1之间的比值，以及两眼的两眼中心点的特征点坐标的纵坐标和第二特征点集合中包括的各个特征点坐标的纵坐标计算人脸中心的坐标的纵坐标；最终根据人脸中心的横坐标和纵坐标确定人脸中心在人脸图像中的位置。
比如：请参考图3所示，两眼的两眼中心为特征点5，n2个特征点包括：特征点8和特征点10，嘴唇的中心点为特征点9，则1与n2+1之间的比值为1/3；假定特征点5的坐标为(3,5)，特征点8的坐标为(2,1)，特征点9的坐标为(3,1)，特征点10的坐标为(4,1)；人脸中心的坐标的横坐标为：(3+2+3+4)/4＝3；人脸中心的坐标的纵坐标为：[5+(1+1+1)*(1/3)]/[1+3*(1/3)]＝3；则人脸中心的坐标为(3,3)。
需要补充说明的第一点是，本实施例中仅以上述三种示例性的例子进行举例说明，并不对上述中第一特征点集合和第二特征点集合中包括的特征点作具体限定，其他组合方式的具体计算过程类似，此处不再赘述。
需要补充说明的第二点是，本实施例中第一特征点集合中的特征点的个数和第二特征点集合中的特征点个数之间的比值包括：第一特征点集合中的特征点的个数比上第二特征点集合中的特征点个数的值，或者，第二特征点集合中的特征点个数比上第一特征点集合中的特征点的个数的值，具体计算过程与上述过程类似，此处不再赘述。
需要补充说明的第三点是，本实施例中对第一特征点集合包括的特征点位置和第二特征点集合包括的特征点位置不做具体限定，只要能够确定出人脸中心的位置即可，可选的，第一特征点集合包括：两眉毛中处于对称位置的n1个特征点，第二特征点集合包括：下嘴唇中处于对称位置的n2个特征点。
在第三种可能的实现方式中，通过经验值直接确定人脸中心的位置。比如：经过对若干个大小相等的实验人脸图像进行确定人脸中心的位置的训练，根据训练得到的经验值确定人脸图像的人脸中心的位置。
在第四种可能的实现方式中，确定人脸图像上下对称的水平位置和左右对称的竖直位置，将水平位置与竖直位置之间的共同点确定为人脸中心的位置。
比如：如图6A所示，人脸图像41上下对称的水平位置61和左右对称的竖直位置62，将水平位置61和竖直位置62之间的共同点63确定为人脸图像41中人脸中心的位置。
本实施例仅以上述四种方式确定人脸中心的位置作为举例说明，在实际实现时对获取人脸图像中的人脸中心的位置的方法并不作具体限定。
需要补充说明的是，本实施例中仅以上述四种方式确定人脸中心的位置进行举例说明，可选的，还可以通过计算中心点的方式确定人脸中心的位置，比如：请参考图6B所示，假定根据人脸图像中4个特征点位置确定人脸中心的位置，4个特征点位置包括：眼角64的特征点位置、眼角65的特征点位置、嘴角66的特征点位置和嘴角67的特征点位置；首先确定眼角64和眼角65之间中心点68，嘴角66和嘴角67之间的中心点69；再确定中心点68和中心点69之间的中心点70，将中心点70的位置确定为人脸中心的位置。
在步骤503中，根据每个特征点位置和人脸中心的位置之间的距离，确定每个特征点位置所对应的权重。
在获取到m个特征点位置和人脸中心的位置后，计算每个特征点位置到人脸中心的位置之间的距离，根据计算得到的距离确定每个特征点位置所对应的权重。
可选的，特征点位置与人脸中心的位置之间的距离越大，特征点位置所对应的权重越小。
根据特征点位置与人脸中心的位置之间的距离确定该特征点位置所对应的权重可以通过如下两种实现方式实现：
作为一种可能的实现方式，通过如下公式计算每个特征点位置所对应的权重；
其中，wi表示第i个特征点位置所对应的权重，pi表示第i个特征点位置，pΔ表示人脸中心的位置，γ为用于控制权重的衰减程度的衰减因子，i为小于等于m的整数。
可选的，γ为实数，其取值一般是通过经验得到的；通常γ的取值可以为2，当γ为2时，||pi-pΔ||2表示矩阵的二范数。
作为另一种可能的实现方式，终端中预先存储有特征点位置与人脸中心的位置之间的距离和权重之间的对应关系，当终端计算得到特征点位置与人脸中心的位置之间的距离后，根据预先存储的对应关系获取该距离所对应的权重。
比如：参考图3中所示的特征点的特征点位置，假定特征点3的特征点位置与人脸中心的位置之间的距离为4厘米，预先存储的4厘米对应的权重为0.2，则特征点3的特征点位置所对应的权重为0.2。
在步骤504中，根据每个特征点位置所对应的权重以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程。
本步骤与图2所示的实施例中步骤203类似，详细描述请参考图2所示的实施例，此处不再赘述。
在步骤505中，根据变换方程将人脸图像对齐至人脸模型。
终端在计算出将人脸图像对齐至人脸模型的变换方程后，根据计算得到的变换方程将人脸图像对齐至人脸模型。可选的，由于变换方程是根据人脸图像中的m个特征点所对应的权重以及人脸图像和人脸模型中m个特征点的特征点位置之间的对应关系得到的，因此，根据变换方程将人脸图像对齐至人脸模型包括将人脸图像中的m个特征点的特征点位置对齐至人脸模型中对应的m个特征点的特征点位置。
在一个示例性的例子中，以步骤504中计算得到的仿射变换矩阵H为例，通过如下公式将人脸图像对齐至人脸模型中：
其中，pi表示人脸图像中第i个特征点位置，
表示根据仿射变换矩阵H将人脸图像中第i个特征点位置对齐至人脸模型中的位置。
综上所述，本公开实施例中提供的人脸对齐方法，通过上述人脸对齐方法中提供的技术特征，解决了相关技术中直接根据识别的各个特征点的特征点位置将人脸图像对齐至人脸模型，由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
需要补充说明的是：在图2和图5所示的实施例中，人脸模型的建立过程可以包括如下步骤，如图7所示：
在步骤701中，获取若干个样本人脸图像。
终端在建立人脸模型之前首先需要获取若干个样本人脸图像。
在步骤702中，对于若干个样本人脸图像中的每个样本人脸图像，识别每个样本人脸图像中的m个特征点的特征点位置。
终端在获取到若干个样本人脸图像后，根据人脸特征点检测算法识别每样本人脸图像中的m个特征点的特征点位置。
可选的，对于每个样本人脸图像中的m个特征点的特征点位置通过人为标定的方式确定。
在步骤703中，根据每个样本人脸图像中的m个特征点的特征点位置确定人脸模型。
在确定出每个样本人脸图像中的m个特征点的特征点位置后，通过普氏分析(Procrustes Analysis)的方法确定人脸模型。
可选的，当特征点位置包括特征点坐标，人脸中心的位置包括人脸中心的坐标时，计算每个样本人脸图像中对应特征点的特征点坐标的横坐标的平均值，将横坐标的平均值确定为人脸模型中该特征点对应的横坐标；计算每个样本人脸图像中对应特征点的特征点坐标的纵坐标的平均值，将纵坐标的平均值确定为人脸模型中该特征点对应的纵坐标；以此类推，计算每个样本人脸图像中的m个特征点的横坐标的平均值和纵坐标的平均值，最终得到人脸模型中m个特征点的特征点位置。
比如：以图3所示的人脸图像31中建立的坐标系为例，样本人脸图像有10个，每个样本人脸图像中被标定有特征点0-94共95个特征点；首先获取特征点0在10个样本人脸图像中的各个横坐标和纵坐标；分别计算获取到的10个横坐标和10个纵坐标的平均值；将10个横坐标的平均值确定为人脸模型中特征点0所在的特征点坐标的横坐标；将10个纵坐标的平均值确定为人脸模型中特征点0所在的特征点坐标的纵坐标；然后按照特征点0的计算过程依次计算特征点1-94；最后确定出人脸模型中95个特征点的特征点坐标。
需要补充说明的一点是，人脸模型的建立过程是在图2所示的实施例中步骤202和图5所示的实施例中步骤504之前执行的。
需要补充说明的另一点是，本公开实施例中仅以各步骤的执行主体为终端进行举例说明，可选的，本公开实施例中各步骤的执行主体还可以是服务器。比如：当终端接收到需要进行人脸识别的人脸图像时，终端将接收到的人脸图像发送给服务器，服务器经过本公开实施例中提供的人脸对齐方法，实现将接收到的人脸图像对齐至人脸模型，最终得到对该人脸图像经过人脸识别后的结果，并将得到的结果反馈给终端进行展示。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图8是根据一示例性实施例示出的一种人脸对齐装置的框图，该人脸对齐装置包括但不限于：
位置识别模块820，被配置为识别人脸图像中m个特征点的特征点位置，m为正整数。
权重确定模块840，被配置为根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重；人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重。
人脸对齐模块860，被配置为根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
综上所述，本公开实施例中提供的人脸对齐装置，通过上述人脸对齐装置中提供的技术特征，解决了相关技术中直接根据识别的各个特征点的特征点位置将人脸图像对齐至人脸模型，由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
图9是根据另一示例性实施例示出的一种人脸对齐装置的框图，该人脸对齐装置包括但不限于：
位置识别模块820，被配置为识别人脸图像中m个特征点的特征点位置，m为正整数。
权重确定模块840，被配置为根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重；人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重。
人脸对齐模块860，被配置为根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
可选的，人脸对齐模块860，包括：方程计算子模块861和图像对齐子模块862。
方程计算子模块861，被配置为根据m个特征点中每个特征点位置所对应的权重以及对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程。
图像对齐子模块862，被配置为根据变换方程将人脸图像对齐至人脸模型。
综上所述，本公开实施例中提供的人脸对齐装置，通过上述人脸对齐装置中提供的技术特征，解决了相关技术中直接根据识别的各个特征点的特征点位置将人脸图像对齐至人脸模型，由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
图10是根据一示例性实施例示出的一种人脸对齐装置的框图，该人脸对齐装置包括但不限于：
位置识别模块1020，被配置为识别人脸图像中m个特征点的特征点位置，m为正整数。
位置获取模块1040，被配置为获取人脸图像中的人脸中心的位置。
权重确定模块1060，被配置为根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重。
人脸对齐模块1080，被配置为根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
综上所述，本公开实施例中提供的人脸对齐装置，通过上述人脸对齐装置中提供的技术特征，解决了相关技术中直接根据识别的各个特征点的特征点位置将人脸图像对齐至人脸模型，由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
图11是根据另一示例性实施例示出的一种人脸对齐装置的框图，该人脸对齐装置包括但不限于：
位置识别模块1020，被配置为识别人脸图像中m个特征点的特征点位置，m为正整数。
位置获取模块1040，被配置为获取人脸图像中的人脸中心的位置。
可选的，位置获取模块1040，包括：第一确定子模块1041和第二确定子模块1042。
第一确定子模块1041，被配置为根据m个特征点的特征点位置确定m个特征点的中心位置。
第二确定子模块1042，被配置为将确定的中心位置作为人脸中心的位置。
可选的，位置获取模块1040，还被配置为根据第一特征点集合中的特征点的个数和第二特征点集合中的特征点个数之间的比值、第一特征点集合中的各个特征点的特征点位置以及第二特征点集合中的各个特征点的特征点位置，确定人脸中心的位置。
其中，第一特征点集合包括：两眼中处于对称位置的n1个特征点，以及，两眼的两眼中心点的至少一种；第二特征点集合包括：嘴唇中处于对称位置的n2个特征点，以及，嘴唇的中心点中的至少一种；n1和n2为偶数。
权重确定模块1060，被配置为根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重。
可选的，权重确定模块1060，还被配置为根据每个特征点位置和人脸中心的位置之间的距离，确定每个特征点位置所对应的权重。
可选的，权重确定模块1060，还被配置为根据每个特征点位置和人脸中心的位置之间的距离，通过如下公式计算每个特征点位置所对应的权重；
其中，wi表示第i个特征点位置所对应的权重，pi表示第i个特征点位置，pΔ表示人脸中心的位置，γ为用于控制权重的衰减程度的衰减因子，i为小于等于m的整数。
人脸对齐模块1080，被配置为根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
可选的，人脸对齐模块1080，包括：方程计算子模块1081和图像对齐子模块1082。
方程计算子模块1081，被配置为根据每个特征点位置所对应的权重以及对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程。
图像对齐子模块1082，被配置为根据变换方程将人脸图像对齐至人脸模型。
综上所述，本公开实施例中提供的人脸对齐装置，通过上述人脸对齐装置中提供的技术特征，解决了相关技术中直接根据识别的各个特征点的特征点位置将人脸图像对齐至人脸模型，由于各个特征点位置的重要性不同而导致在人脸对齐过程中产生的对齐误差较大、对齐不准确的问题；达到了降低人脸对齐过程中产生的对齐误差、保证人脸对齐的准确性的效果。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开一示例性实施例提供了一种人脸对齐装置，能够实现本公开提供的人脸对齐方法，该人脸对齐装置包括：处理器、用于存储处理器可执行指令的存储器；
其中，处理器被配置为：
识别人脸图像中m个特征点的特征点位置，m为正整数；
根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重；人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重；
根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
本公开一示例性实施例提供了一种人脸对齐装置，能够实现本公开提供的人脸对齐方法，该人脸对齐装置包括：处理器、用于存储处理器可执行指令的存储器；
其中，处理器被配置为：
识别人脸图像中m个特征点的特征点位置，m为正整数；
获取人脸图像中的人脸中心的位置；
根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重；
根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。
图12是根据一示例性实施例示出的一种用于人脸对齐装置的框图。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图12，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电源组件1206，多媒体组件1208，音频组件1210，输入/输出(I/O)接口1212，传感器组件1214，以及通信组件1216。
处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1202可以包括一个或多个处理器1218来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理组件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。
存储器1204被配置为存储各种类型的数据以支持在装置1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件1206为装置1200的各种组件提供电力。电源组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。
多媒体组件1208包括在装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当装置1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(MIC)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。
I/O接口1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到装置1200的打开/关闭状态，组件的相对定位，例如组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如Wi-Fi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件1216还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述人脸对齐方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器1218执行以完成上述人脸对齐方法；例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当存储介质中的指令由终端设备的处理器执行时，使得终端设备能够执行一种人脸对齐方法，包括：识别人脸图像中m个特征点的特征点位置，m为正整数；根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重；人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重；根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。可选的，根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型，包括：根据m个特征点中每个特征点位置所对应的权重以及对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程；根据变换方程将人脸图像对齐至人脸模型。
或者，上述人脸对齐方法包括：识别人脸图像中m个特征点的特征点位置，m为正整数；获取人脸图像中的人脸中心的位置；根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重；根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。可选的，根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重，包括：根据每个特征点位置和人脸中心的位置之间的距离，确定每个特征点位置所对应的权重。可选的，根据每个特征点位置和人脸中心的位置之间的距离，确定每个特征点位置所对应的权重，包括：根据每个特征点位置和人脸中心的位置之间的距离，通过如下公式计算每个特征点位置所对应的权重；
其中，wi表示第i个特征点位置所对应的权重，pi表示第i个特征点位置，pΔ表示人脸中心的位置，γ为用于控制权重的衰减程度的衰减因子，i为小于等于m的整数。可选的，获取人脸图像中的人脸中心的位置，包括：根据m个特征点的特征点位置确定m个特征点的中心位置；将确定的中心位置作为人脸中心的位置。可选的，获取人脸图像中的人脸中心的位置，包括：根据第一特征点集合中的特征点的个数和第二特征点集合中的特征点个数之间的比值、第一特征点集合中的各个特征点的特征点位置以及第二特征点集合中的各个特征点的特征点位置，确定人脸中心的位置；其中，第一特征点集合包括：两眼中处于对称位置的n1个特征点，以及，两眼的两眼中心点的至少一种；第二特征点集合包括：嘴唇中处于对称位置的n2个特征点，以及，嘴唇的中心点中的至少一种；n1和n2为偶数。可选的，根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型，包括：根据每个特征点位置所对应的权重以及对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程；根据变换方程将人脸图像对齐至人脸模型。
图13是根据一示例性实施例示出的一种用于人脸对齐的装置1300的框图。例如，装置1300可以被提供为一服务器。参照图13，装置1300包括处理组件1322，其进一步包括一个或多个处理器，以及由存储器1332所代表的存储器资源，用于存储可由处理组件1322执行的指令，例如应用程序。存储器1332中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1322被配置为执行指令，以执行一种上述人脸对齐方法，包括：识别人脸图像中m个特征点的特征点位置，m为正整数；根据人脸模型中每个特征点位置所对应的权重，确定m个特征点中每个特征点位置所对应的权重；人脸模型中每个特征点位置所对应的权重是根据人脸模型中每个特征点位置和人脸模型中人脸中心的位置确定得到的权重；根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。可选的，根据m个特征点中每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型，包括：根据m个特征点中每个特征点位置所对应的权重以及对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程；根据变换方程将人脸图像对齐至人脸模型。
或者，上述人脸对齐方法包括：识别人脸图像中m个特征点的特征点位置，m为正整数；获取人脸图像中的人脸中心的位置；根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重；根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型。可选的，根据每个特征点位置和人脸中心的位置，确定每个特征点位置所对应的权重，包括：根据每个特征点位置和人脸中心的位置之间的距离，确定每个特征点位置所对应的权重。可选的，根据每个特征点位置和人脸中心的位置之间的距离，确定每个特征点位置所对应的权重，包括：根据每个特征点位置和人脸中心的位置之间的距离，通过如下公式计算每个特征点位置所对应的权重；
其中，wi表示第i个特征点位置所对应的权重，pi表示第i个特征点位置，pΔ表示人脸中心的位置，γ为用于控制权重的衰减程度的衰减因子，i为小于等于m的整数。可选的，获取人脸图像中的人脸中心的位置，包括：根据m个特征点的特征点位置确定m个特征点的中心位置；将确定的中心位置作为人脸中心的位置。可选的，获取人脸图像中的人脸中心的位置，包括：根据第一特征点集合中的特征点的个数和第二特征点集合中的特征点个数之间的比值、第一特征点集合中的各个特征点的特征点位置以及第二特征点集合中的各个特征点的特征点位置，确定人脸中心的位置；其中，第一特征点集合包括：两眼中处于对称位置的n1个特征点，以及，两眼的两眼中心点的至少一种；第二特征点集合包括：嘴唇中处于对称位置的n2个特征点，以及，嘴唇的中心点中的至少一种；n1和n2为偶数。可选的，根据每个特征点位置所对应的权重，以及m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将人脸图像对齐至人脸模型，包括：根据每个特征点位置所对应的权重以及对应关系，利用加权最小二乘法计算将人脸图像对齐至人脸模型的变换方程；根据变换方程将人脸图像对齐至人脸模型。
装置1300还可以包括一个电源组件1326被配置为执行装置1300的电源管理，一个有线或无线网络接口1350被配置为将装置1300连接到网络，和一个输入输出(I/O)接口1358。装置1300可以操作基于存储在存储器1332的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种人脸对齐方法，其特征在于，所述方法包括：
识别人脸图像中m个特征点的特征点位置，m为正整数；
根据人脸模型中每个特征点位置所对应的权重，确定所述m个特征点中每个特征点位置所对应的权重；所述人脸模型中每个特征点位置所对应的权重是根据所述人脸模型中每个特征点位置和所述人脸模型中人脸中心的位置之间的距离确定得到的权重；
根据所述m个特征点中每个特征点位置所对应的权重，以及所述m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将所述人脸图像对齐至所述人脸模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述m个特征点中每个特征点位置所对应的权重，以及所述m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将所述人脸图像对齐至所述人脸模型，包括：
根据所述m个特征点中每个特征点位置所对应的权重以及所述对应关系，利用加权最小二乘法计算将所述人脸图像对齐至所述人脸模型的变换方程；
根据所述变换方程将所述人脸图像对齐至所述人脸模型。
3.一种人脸对齐方法，其特征在于，所述方法包括：
识别人脸图像中m个特征点的特征点位置，m为正整数；
获取所述人脸图像中的人脸中心的位置；
根据每个特征点位置和所述人脸中心的位置之间的距离，确定所述每个特征点位置所对应的权重；
根据所述每个特征点位置所对应的权重，以及所述m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将所述人脸图像对齐至所述人脸模型。
4.根据权利要求3所述的方法，其特征在于，所述根据所述每个特征点位置和所述人脸中心的位置之间的距离，确定所述每个特征点位置所对应的权重，包括：
根据所述每个特征点位置和所述人脸中心的位置之间的距离，通过如下公式计算所述每个特征点位置所对应的权重；
其中，所述wi表示第i个特征点位置所对应的权重，所述pi表示第i个特征点位置，所述pΔ表示所述人脸中心的位置，所述γ为用于控制所述权重的衰减程度的衰减因子，所述i为小于等于m的整数。
5.根据权利要求3所述的方法，其特征在于，所述获取所述人脸图像中的人脸中心的位置，包括：
根据所述m个特征点的特征点位置确定所述m个特征点的中心位置；
将确定的所述中心位置作为所述人脸中心的位置。
6.根据权利要求3所述的方法，其特征在于，所述获取所述人脸图像中的人脸中心的位置，包括：
根据第一特征点集合中的特征点的个数和第二特征点集合中的特征点个数之间的比值、所述第一特征点集合中的各个特征点的特征点位置以及所述第二特征点集合中的各个特征点的特征点位置，确定所述人脸中心的位置；
其中，所述第一特征点集合包括：两眼中处于对称位置的n1个特征点，以及，所述两眼的两眼中心点的至少一种；所述第二特征点集合包括：嘴唇中处于对称位置的n2个特征点，以及，所述嘴唇的中心点中的至少一种；n1和n2为偶数。
7.根据权利要求3至6任一所述的方法，其特征在于，所述根据所述每个特征点位置所对应的权重，以及所述m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将所述人脸图像对齐至所述人脸模型，包括：
根据所述每个特征点位置所对应的权重以及所述对应关系，利用加权最小二乘法计算将所述人脸图像对齐至所述人脸模型的变换方程；
根据所述变换方程将所述人脸图像对齐至所述人脸模型。
8.一种人脸对齐装置，其特征在于，所述装置包括：
位置识别模块，被配置为识别人脸图像中m个特征点的特征点位置，m为正整数；
权重确定模块，被配置为根据人脸模型中每个特征点位置所对应的权重，确定所述m个特征点中每个特征点位置所对应的权重；所述人脸模型中每个特征点位置所对应的权重是根据所述人脸模型中每个特征点位置和所述人脸模型中人脸中心的位置之间的距离确定得到的权重；
人脸对齐模块，被配置为根据所述m个特征点中每个特征点位置所对应的权重，以及所述m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将所述人脸图像对齐至所述人脸模型。
9.根据权利要求8所述的装置，其特征在于，所述人脸对齐模块，包括：
方程计算子模块，被配置为根据所述m个特征点中每个特征点位置所对应的权重以及所述对应关系，利用加权最小二乘法计算将所述人脸图像对齐至所述人脸模型的变换方程；
图像对齐子模块，被配置为根据所述变换方程将所述人脸图像对齐至所述人脸模型。
10.一种人脸对齐装置，其特征在于，所述装置包括：
位置识别模块，被配置为识别人脸图像中m个特征点的特征点位置，m为正整数；
位置获取模块，被配置为获取所述人脸图像中的人脸中心的位置；
权重确定模块，被配置为根据每个特征点位置和所述人脸中心的位置之间的距离，确定所述每个特征点位置所对应的权重；
人脸对齐模块，被配置为根据所述每个特征点位置所对应的权重，以及所述m个特征点的特征点位置与人脸模型中的m个特征点位置之间的对应关系，将所述人脸图像对齐至所述人脸模型。
11.根据权利要求10所述的装置，其特征在于，所述权重确定模块，还被配置为根据所述每个特征点位置和所述人脸中心的位置之间的距离，通过如下公式计算所述每个特征点位置所对应的权重；
其中，所述wi表示第i个特征点位置所对应的权重，所述pi表示第i个特征点位置，所述pΔ表示所述人脸中心的位置，所述γ为用于控制所述权重的衰减程度的衰减因子，所述i为小于等于m的整数。
12.根据权利要求10所述的装置，其特征在于，所述位置获取模块，包括：
第一确定子模块，被配置为根据所述m个特征点的特征点位置确定所述m个特征点的中心位置；
第二确定子模块，被配置为将确定的所述中心位置作为所述人脸中心的位置。
13.根据权利要求10所述的装置，其特征在于，所述位置获取模块，还被配置为根据第一特征点集合中的特征点的个数和第二特征点集合中的特征点个数之间的比值、所述第一特征点集合中的各个特征点的特征点位置以及所述第二特征点集合中的各个特征点的特征点位置，确定所述人脸中心的位置；
其中，所述第一特征点集合包括：两眼中处于对称位置的n1个特征点，以及，所述两眼的两眼中心点的至少一种；所述第二特征点集合包括：嘴唇中处于对称位置的n2个特征点，以及，所述嘴唇的中心点中的至少一种；n1和n2为偶数。
14.根据权利要求10至13任一所述的装置，其特征在于，所述人脸对齐模块，包括：
方程计算子模块，被配置为根据所述每个特征点位置所对应的权重以及所述对应关系，利用加权最小二乘法计算将所述人脸图像对齐至所述人脸模型的变换方程；
图像对齐子模块，被配置为根据所述变换方程将所述人脸图像对齐至所述人脸模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610665916.8A CN106295579B (zh) | 2016-08-12 | 2016-08-12 | 人脸对齐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610665916.8A CN106295579B (zh) | 2016-08-12 | 2016-08-12 | 人脸对齐方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106295579A CN106295579A (zh) | 2017-01-04 |
| CN106295579B true CN106295579B (zh) | 2019-10-15 |
Family
ID=57671819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610665916.8A Active CN106295579B (zh) | 2016-08-12 | 2016-08-12 | 人脸对齐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106295579B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106874861A (zh) * | 2017-01-22 | 2017-06-20 | 北京飞搜科技有限公司 | 一种人脸矫正方法及系统 |
| CN107679449B (zh) * | 2017-08-17 | 2018-08-03 | 平安科技（深圳）有限公司 | 嘴唇动作捕捉方法、装置及存储介质 |
| CN112836549A (zh) * | 2019-11-22 | 2021-05-25 | 虹软科技股份有限公司 | 用户信息的检测方法及系统、电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101719270A (zh) * | 2009-12-25 | 2010-06-02 | 武汉大学 | 一种基于非负矩阵分解的人脸超分辨率处理方法 |
| CN102982520A (zh) * | 2012-12-05 | 2013-03-20 | 武汉大学 | 一种基于轮廓先验的鲁棒性人脸超分辨率处理方法 |
| CN103577815A (zh) * | 2013-11-29 | 2014-02-12 | 中国科学院计算技术研究所 | 一种人脸对齐方法和系统 |
| CN105512638A (zh) * | 2015-12-24 | 2016-04-20 | 黄江 | 一种基于融合特征的人脸检测与对齐方法 |
-
2016
- 2016-08-12 CN CN201610665916.8A patent/CN106295579B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101719270A (zh) * | 2009-12-25 | 2010-06-02 | 武汉大学 | 一种基于非负矩阵分解的人脸超分辨率处理方法 |
| CN102982520A (zh) * | 2012-12-05 | 2013-03-20 | 武汉大学 | 一种基于轮廓先验的鲁棒性人脸超分辨率处理方法 |
| CN103577815A (zh) * | 2013-11-29 | 2014-02-12 | 中国科学院计算技术研究所 | 一种人脸对齐方法和系统 |
| CN105512638A (zh) * | 2015-12-24 | 2016-04-20 | 黄江 | 一种基于融合特征的人脸检测与对齐方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于加权仿射变换算法的高光谱数据降维;高燕 等;《河南科学》;20140831;第32卷(第8期);1-18 * |
| 活动形状模型训练中的加权对齐;董硕 等;《中国医院》;20051130;1451-1456 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106295579A (zh) | 2017-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106339680B (zh) | 人脸关键点定位方法及装置 | |
| CN104850828B (zh) | 人物识别方法及装置 | |
| CN105631403B (zh) | 人脸识别方法及装置 | |
| CN108470322B (zh) | 处理人脸图像的方法、装置及可读存储介质 | |
| CN105550637B (zh) | 轮廓点定位方法及装置 | |
| CN105426867B (zh) | 人脸识别验证方法及装置 | |
| CN109670397A (zh) | 人体骨骼关键点的检测方法、装置、电子设备及存储介质 | |
| CN104408402B (zh) | 人脸识别方法及装置 | |
| CN109522910A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
| CN105760884B (zh) | 图片类型的识别方法及装置 | |
| CN106557759B (zh) | 一种标志牌信息获取方法及装置 | |
| CN107958223B (zh) | 人脸识别方法及装置、移动设备、计算机可读存储介质 | |
| CN105528078B (zh) | 控制电子设备的方法及装置 | |
| CN109889724A (zh) | 图像虚化方法、装置、电子设备及可读存储介质 | |
| CN109672830A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN105957037B (zh) | 图像增强方法及装置 | |
| CN107958439A (zh) | 图像处理方法及装置 | |
| CN106971164A (zh) | 脸型匹配方法及装置 | |
| CN105654093B (zh) | 特征提取方法及装置 | |
| CN107944367A (zh) | 人脸关键点检测方法及装置 | |
| CN107977934A (zh) | 图像处理方法及装置 | |
| CN106295579B (zh) | 人脸对齐方法及装置 | |
| CN105574834B (zh) | 图像处理方法及装置 | |
| CN108154466A (zh) | 图像处理方法及装置 | |
| CN109145876A (zh) | 图像分类方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |