CN1831846A - 基于统计模型的人脸姿势识别方法 - Google Patents
基于统计模型的人脸姿势识别方法 Download PDFInfo
- Publication number
- CN1831846A CN1831846A CN 200610025873 CN200610025873A CN1831846A CN 1831846 A CN1831846 A CN 1831846A CN 200610025873 CN200610025873 CN 200610025873 CN 200610025873 A CN200610025873 A CN 200610025873A CN 1831846 A CN1831846 A CN 1831846A
- Authority
- CN
- China
- Prior art keywords
- face
- people
- posture
- training set
- variation
- 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
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种图像处理技术领域的基于统计模型的人脸姿势识别方法。本发明首先在人脸上标注出特征点,这些特征点将会随着人脸姿势的变化而变化,通过这些特征点变化能知道由于人脸在深度方向上发生旋转而发生的形状变化,然后,使用三角函数表示人脸姿势的变化角度,最后,寻求人脸形状的变化和人脸姿势的变化角度的映射,从而通过人脸特征点的变化识别出人脸的姿势。本发明应用于人脸识别、人机交互、表情识别等方面,具有较快的速度和较高的精度。
Description
技术领域
本发明涉及一种人脸图像处理技术领域的方法,具体的说,涉及的是一种基于统计模型的人脸姿势计算方法,能直接应用于三维人脸识别、人机交互、人脸跟踪、三维动画等领域。
背景技术
人脸姿势确定是人机交互中很重要的一个研究领域。在人机交互中,一个很重要的问题是如何确定人的注意焦点,这可以通过人的头部在深度方向的旋转角度和眼睛的注视方向中推断出来。因此,大体上头部和眼睛的注视方向通过计算脸部的旋转角度得到。更重要的是,一个人的心情状态和他的警戒水平也可以从人脸的方向上推断出来,比如,通过多帧跟踪人脸的方向检测一个人的点头工作,可以推断出这个人的疲劳水平。人脸姿势计算在人脸识别中也有很重要的应用。现有的人脸识别方法中,在约束环境下采集的人脸图像(在对象配合的情况下拍摄的正面、中性表情、无遮挡、光照均匀的高质量人脸相片),近年来在对人脸识别系统和商业系统的FERET和FRVT测试表明识别率可达到95%以上(使用FERET人脸数据库)。但是在光照的变化、人脸姿态的变化的环境下,脸部三维特征投影到二维空间有很大的变化,这样增加了人脸处理的复杂性。因此,由于这些因素的影响,要求新的方法出现。三维人脸识别方法可以比较好的解决这些问题,在此算法中,人脸姿态的计算是必须要解决的问题之一。
经对现有技术的文献检索发现,Jeffrey Ng等(Jeffrey Ng,Shaogang GongComposite support vector machines for detection of faces across views and poseestimation,Image and Vision Computing,20(5-6),2002:359-368)(合成的支持向量机用于多视图的人脸检测与姿势估计),Image and Vision Computing(图像和视觉计算),20(5-6),2002:359-368),此方法计算成本很高,而且需要大量的不同人的不同姿势的图像作为训练样本,所以成本比较高。
发明内容
本发明的目的在于针对现有技术的不足,提出一种基于统计模型的人脸姿势识别方法。使其具有比较高的可靠性和稳健性,可以广泛的应用于人脸识别、表情识别和人机交互等领域。
本发明是通过以下技术方案实现的,首先在人脸上标注出眼眉、眼睛、鼻子、嘴巴等特征点,这些特征点将会随着人脸姿势的变化而变化。因此,通过这些特征点变化,可以知道由于人脸在深度方向上发生旋转而发生的形状变化。然后,使用三角函数表示人脸姿势的变化角度。最后,寻求人脸形状的变化和人脸姿势的变化角度的映射。从而,通过人脸特征点的变化,可以识别人脸的姿势。
本发明用一部分人的各种人脸姿势图像作为训练集,然后训练集中的每一幅人脸图像标出人脸的眉毛、眼睛、鼻子、嘴巴等特征点。标注特征点的方式有两种,一种是采用手工的方式,另一种采用跟踪的方式。把这些特征点坐标整合成一个矢量,这样训练集中的所有不同姿势的人脸图像经过相同的操作,形成一个矢量矩阵。矢量矩阵经过对齐等一些重要步骤的处理,得到形状变化参数。但是从考虑标注点的准确性来讲,在本发明中,采用手工方式标注人脸的特征点。
所述训练集中,每幅人脸的特征点坐标用一个矢量来表示:X=(x1,y1,x2,y2,...,xN,yN),这里N代表特征点的数量。训练集中的每幅人脸图像都标出特征点后,形成一个矢量矩阵:Y=(X1,.....,Xm,......,XM),这里M代表训练集中人脸图像的数量。为了消除人脸在图像位置中的影响,采用去除重心的方法。在此基础上寻找人脸形状由于人脸在深度方向发生旋转带来的变化因素。
所述训练集中人脸姿势的变化采用三角函数表示。人脸的姿势变化用三个旋转角度表示:偏航角γ,俯仰角β和航向角α。分别用三角函数中的正弦和余弦表示。
所述训练集中,寻找人脸形状的变化与人脸姿势的变化之间的映射。A:Y→φ。找到他们之间的映射关系后,输入一幅新的人脸图像到系统后,通过特征点就可以识别出人脸的姿势。
本发明具有以下优点:(1)本发明具有很好的实时性。(2)本发明不需要大量的训练样本。(3)本发明使用的人脸图像是二维人脸图像,具有不同的人脸姿势,使用一般的采集设备,所以成本比较低,采集图像比较方便。
本发明识别的人脸姿势具有比较高的可靠性和稳健性,可以广泛的应用于人脸识别、表情识别和人机交互等领域。
附图说明
图1为本发明人脸特征点的定义图
具体实施方式
以下结合具体的实施例对本发明的技术方案作进一步详细描述。
本发明的基于统计模型的人脸姿势识别的实现方法按如下步骤进行:依据上述附图1,整个发明分为两大部分:训练阶段和测试阶段。
首先,说明训练阶段的具体步骤:
1.首先,人脸的特征点坐标形成一个矢量:
在训练集中,人脸在不同人脸图像中的位置是不一样的。为了消除人脸位置的影响,用
计算Xm的重心,则Xm变为如下的矢量:
●对每个样本xi做旋转、缩放、并与样本x1对齐,因此得到
x重复
▲计算变换后的形状平均值
x,
▲将所有样本旋转、缩放、并与平均形状对齐,
●如果平均形状
x变化不大,即收敛,则算法停止;否则,算法继续重复。训练集中向量对齐后,用下面的矩阵表示:
用下式计算
YYY的平均形状矢量:
然后计算训练集中的每一个形状矢量与平均矢量的偏差
因此,可以得到训练集的协方差 用主成分分析协方差S可以得到下式:
在式中P是矩阵S特征分解的特征向量,b为形状矢量,不同的形状对应不用的b。b的合理变化范围是
λk是矩阵S的特征值。
2.姿态参数的表示。3D脸部角度
被非线性转换到三角函数表示的矢量
φ中。sin(α-uφ1),cos(β-uφ2),sin(β-uφ2),cos(γ-uφ3),sin(γ-uφ3))表示转换公式,在式中
3.形状模型参数与姿态参数之间的映射。通过上面两步求出的形状模型参数和姿态参数表示,通过下式表示它们之间的映射:
在式中,H通过训练集中得到的形状变化参数和姿态参数得到。这样通过一些简单的矩阵运算可以得到人脸的姿势:
通过上式可以计算得到人脸的转换角度。
测试阶段:输入一幅新的人脸图像进入系统,首先得到人脸的特征点,这样得到一个特征点矢量,可以计算得到形状变化量b,这样就可以通过训练过程中的一些公式计算得到人脸姿势参数。
本发明的方法能够获得较高的测试准确率,广泛的应用于人脸识别、人机交互、人脸跟踪等领域中。
Claims (5)
1.一种基于统计模型的人脸姿势识别方法,其特征在于,首先在人脸上标注出特征点,这些特征点将会随着人脸姿势的变化而变化,通过这些特征点变化能知道由于人脸在深度方向上发生旋转而发生的形状变化,然后,使用三角函数表示人脸姿势的变化角度,最后,寻求人脸形状的变化和人脸姿势的变化角度的映射,从而通过人脸特征点的变化识别出人脸的姿势。
2.根据权利要求1所述的基于统计模型的人脸姿势识别方法,其特征是:用一部分人的各种人脸姿势图像作为训练集,然后训练集中的每一幅人脸图像标出人脸的眉毛、眼睛、鼻子、嘴巴的特征点,把这些特征点坐标整合成一个矢量,这样训练集中的所有不同姿势的人脸图像经过相同的操作,形成一个矢量矩阵,矢量矩阵经过对齐处理,得到形状变化参数。
3.根据权利要求2所述的基于统计模型的人脸姿势识别方法,其特征是:所述训练集中,每幅人脸的特征点坐标用一个矢量来表示:X=(x1,y1,x2,y2,…,xN,yN),这里N代表特征点的数量,训练集中的每幅人脸图像都标出特征点后,形成一个矢量矩阵:Y=(X1,……,Xm,……,XM),这里M代表训练集中人脸图像的数量,为了消除人脸在图像位置中的影响,采用去除重心的方法,在此基础上寻找人脸形状由于人脸在深度方向发生旋转带来的变化因素。
4.根据权利要求1所述的基于统计模型的人脸姿势识别方法,其特征是:所述使用三角函数表示人脸姿势的变化角度,即:人脸的姿势变化用三个旋转角度表示:偏航角γ,俯仰角β和航向角α,分别用三角函数中的正弦和余弦表示。
5.根据权利要求1所述的基于统计模型的人脸姿势识别方法,其特征是:所述寻求人脸形状的变化和人脸姿势的变化角度的映射,即A:Y→φ,找到它们之间的映射关系后,输入一幅新的人脸图像到系统后,通过特征点就识别出人脸的姿势。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610025873 CN1831846A (zh) | 2006-04-20 | 2006-04-20 | 基于统计模型的人脸姿势识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610025873 CN1831846A (zh) | 2006-04-20 | 2006-04-20 | 基于统计模型的人脸姿势识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1831846A true CN1831846A (zh) | 2006-09-13 |
Family
ID=36994134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200610025873 Pending CN1831846A (zh) | 2006-04-20 | 2006-04-20 | 基于统计模型的人脸姿势识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1831846A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193962A (zh) * | 2010-03-15 | 2011-09-21 | 欧姆龙株式会社 | 对照装置、数字图像处理系统、以及对照装置的控制方法 |
CN102289468A (zh) * | 2011-07-22 | 2011-12-21 | 北京航空航天大学 | 一种照相机中照片信息获取与记录方法 |
CN101393599B (zh) * | 2007-09-19 | 2012-02-08 | 中国科学院自动化研究所 | 一种基于人脸表情的游戏角色控制方法 |
CN101604387B (zh) * | 2008-06-11 | 2012-04-18 | 索尼株式会社 | 图像处理装置和图像处理方法 |
CN101377814B (zh) * | 2007-08-27 | 2012-12-26 | 索尼株式会社 | 人脸图像处理设备和人脸图像处理方法 |
CN104666008A (zh) * | 2015-02-09 | 2015-06-03 | 江苏怡龙医疗科技有限公司 | 一种能自动翻身的护理床 |
CN105678241A (zh) * | 2015-12-30 | 2016-06-15 | 四川川大智胜软件股份有限公司 | 一种级联的二维图像人脸姿态估计方法 |
CN105760836A (zh) * | 2016-02-17 | 2016-07-13 | 厦门美图之家科技有限公司 | 基于深度学习的多角度人脸对齐方法、系统及拍摄终端 |
WO2017008435A1 (zh) * | 2015-07-13 | 2017-01-19 | 百度在线网络技术(北京)有限公司 | 识别图片的方法、图片的标注方法、装置和存储介质 |
WO2018001092A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN109145700A (zh) * | 2017-06-19 | 2019-01-04 | 卡西欧计算机株式会社 | 表情判定装置、表情判定方法以及记录介质 |
CN109376684A (zh) * | 2018-11-13 | 2019-02-22 | 广州市百果园信息技术有限公司 | 一种人脸关键点检测方法、装置、计算机设备和存储介质 |
CN104732203B (zh) * | 2015-03-05 | 2019-03-26 | 中国科学院软件研究所 | 一种基于视频信息的情绪识别与跟踪方法 |
CN109800734A (zh) * | 2019-01-30 | 2019-05-24 | 北京津发科技股份有限公司 | 面部表情识别方法及装置 |
CN110520905A (zh) * | 2017-04-14 | 2019-11-29 | 韩国韩医学研究院 | 人脸姿势矫正装置及方法 |
CN111127521A (zh) * | 2019-10-25 | 2020-05-08 | 上海联影智能医疗科技有限公司 | 用于生成和跟踪目标的形状的系统和方法 |
-
2006
- 2006-04-20 CN CN 200610025873 patent/CN1831846A/zh active Pending
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377814B (zh) * | 2007-08-27 | 2012-12-26 | 索尼株式会社 | 人脸图像处理设备和人脸图像处理方法 |
CN101393599B (zh) * | 2007-09-19 | 2012-02-08 | 中国科学院自动化研究所 | 一种基于人脸表情的游戏角色控制方法 |
CN101604387B (zh) * | 2008-06-11 | 2012-04-18 | 索尼株式会社 | 图像处理装置和图像处理方法 |
CN102193962A (zh) * | 2010-03-15 | 2011-09-21 | 欧姆龙株式会社 | 对照装置、数字图像处理系统、以及对照装置的控制方法 |
CN102193962B (zh) * | 2010-03-15 | 2015-04-15 | 欧姆龙株式会社 | 对照装置、数字图像处理系统、以及对照装置的控制方法 |
CN102289468A (zh) * | 2011-07-22 | 2011-12-21 | 北京航空航天大学 | 一种照相机中照片信息获取与记录方法 |
CN104666008B (zh) * | 2015-02-09 | 2017-06-16 | 江苏怡龙医疗科技有限公司 | 一种能自动翻身的护理床 |
CN104666008A (zh) * | 2015-02-09 | 2015-06-03 | 江苏怡龙医疗科技有限公司 | 一种能自动翻身的护理床 |
CN104732203B (zh) * | 2015-03-05 | 2019-03-26 | 中国科学院软件研究所 | 一种基于视频信息的情绪识别与跟踪方法 |
WO2017008435A1 (zh) * | 2015-07-13 | 2017-01-19 | 百度在线网络技术(北京)有限公司 | 识别图片的方法、图片的标注方法、装置和存储介质 |
US10540563B2 (en) | 2015-07-13 | 2020-01-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for recognizing picture, method and apparatus for labelling picture, and storage medium |
CN105678241B (zh) * | 2015-12-30 | 2019-02-26 | 四川川大智胜软件股份有限公司 | 一种级联的二维图像人脸姿态估计方法 |
CN105678241A (zh) * | 2015-12-30 | 2016-06-15 | 四川川大智胜软件股份有限公司 | 一种级联的二维图像人脸姿态估计方法 |
CN105760836A (zh) * | 2016-02-17 | 2016-07-13 | 厦门美图之家科技有限公司 | 基于深度学习的多角度人脸对齐方法、系统及拍摄终端 |
WO2018001092A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN110520905A (zh) * | 2017-04-14 | 2019-11-29 | 韩国韩医学研究院 | 人脸姿势矫正装置及方法 |
CN110520905B (zh) * | 2017-04-14 | 2023-06-20 | 韩国韩医学研究院 | 人脸姿势矫正装置及方法 |
CN109145700A (zh) * | 2017-06-19 | 2019-01-04 | 卡西欧计算机株式会社 | 表情判定装置、表情判定方法以及记录介质 |
CN109376684A (zh) * | 2018-11-13 | 2019-02-22 | 广州市百果园信息技术有限公司 | 一种人脸关键点检测方法、装置、计算机设备和存储介质 |
US11727663B2 (en) | 2018-11-13 | 2023-08-15 | Bigo Technology Pte. Ltd. | Method and apparatus for detecting face key point, computer device and storage medium |
CN109800734A (zh) * | 2019-01-30 | 2019-05-24 | 北京津发科技股份有限公司 | 面部表情识别方法及装置 |
CN111127521A (zh) * | 2019-10-25 | 2020-05-08 | 上海联影智能医疗科技有限公司 | 用于生成和跟踪目标的形状的系统和方法 |
CN111127521B (zh) * | 2019-10-25 | 2024-03-01 | 上海联影智能医疗科技有限公司 | 用于生成和跟踪目标的形状的系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1831846A (zh) | 基于统计模型的人脸姿势识别方法 | |
Zubizarreta et al. | A framework for augmented reality guidance in industry | |
Supancic et al. | Depth-based hand pose estimation: data, methods, and challenges | |
Wang et al. | Point cloud and visual feature-based tracking method for an augmented reality-aided mechanical assembly system | |
Wang et al. | Frontal-view face detection and facial feature extraction using color and morphological operations | |
CN100369064C (zh) | 一种基于视频内容的人体姿态变形方法 | |
CN100389430C (zh) | 基于aam的头部姿态实时估算方法及系统 | |
Tabbone et al. | Matching of graphical symbols in line-drawing images using angular signature information | |
CN111768447B (zh) | 一种基于模板匹配的单目相机物体位姿估计方法及系统 | |
CN107067410B (zh) | 一种基于增广样本的流形正则化相关滤波目标跟踪方法 | |
Zunic et al. | On the orientability of shapes | |
CN111598172B (zh) | 基于异构深度网络融合的动态目标抓取姿态快速检测方法 | |
Odobez et al. | Embedding motion in model-based stochastic tracking | |
CN112329646A (zh) | 一种基于手的质心坐标的手势运动方向识别方法 | |
Erdem et al. | Automatic detection of relevant head gestures in American Sign Language communication | |
Li et al. | Accurate and fast 3D head pose estimation with noisy RGBD images | |
Tsai et al. | Transfer learning for surgical task segmentation | |
CN110032927B (zh) | 一种人脸识别方法 | |
Bretzner et al. | Qualitative multiscale feature hierarchies for object tracking | |
Lin et al. | The Manipulation of Real‐Time Kinect‐Based Robotic Arm Using Double‐Hand Gestures | |
Wu et al. | On signature invariants for effective motion trajectory recognition | |
Kim et al. | Structured light camera base 3D visual perception and tracking application system with robot grasping task | |
Sun et al. | Precision work-piece detection and measurement combining top-down and bottom-up saliency | |
Rong et al. | RGB-D hand pose estimation using fourier descriptor | |
Tsai et al. | Unsupervised task segmentation approach for bimanual surgical tasks using spatiotemporal and variance properties |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |