一种人脸特征点跟踪方法

摘要

本发明涉及一种人脸特征点跟踪方法，首先，建立人脸训练样本库，从而消除不同国家的人脸结构差别造成的匹配精度的问题，然后，在测试树莓派平台上，基于人脸训练样本库，分别训练建立人脸形状模型和人脸表观模型，最后，在保证配准的精度的前提下，基于主动表观模型算法，采用快速反向合成算法，减小配准计算过程中的复杂度，加快程序运行的速度，克服了现有技术中的缺陷与不足，能够有效提高人脸的跟踪精度。

主权项

一种人脸特征点跟踪方法，其特征在于,包括如下步骤：步骤001.采集预设数量N张人脸样本图像，并分别针对各张人脸样本图像，按预设标记规则在人脸样本图像上标记出预设个数的特征点，然后进入步骤002；步骤002.分别针对各张人脸样本图像，获得人脸样本图像上所标记各个特征点的坐标，将该人脸样本图像上各个特征点的坐标进行组合，构成该人脸样本图像的形状向量；进而分别获得N张人脸样本图像的形状向量，然后建立主动表现模型坐标框架，并进入步骤003；步骤003.将N张人脸样本图像的形状向量对齐到该主动表现模型坐标框架中，并在该主动表现模型坐标框架中，针对该N张人脸样本图像的形状向量进行降维，然后进入步骤004；步骤004.获得N张人脸样本图像的形状向量的平均人脸样本形状向量s₀，并进入步骤005；步骤005.获得平均人脸样本形状向量s₀所对应的所有表情特征向量，并将该所有表情特征向量按其特征值由大至小进行排序，获得平均人脸样本形状向量s₀所对应的预设前L个表情特征向量，进而获得如下人脸形状模型：$s_{kl}=s_0+\underset{l=1}{\overset{L}{\Sigma }}{p}_k{t}_l$其中，s_kl表示主动表现模型坐标框架上所有人脸样本图像上特征点中所对应的任意人脸形状向量，k＝{1，…，K}，p_k表示第k个预设人脸形状向量参数，预设人脸形状向量参数的总个数为K，t_l表示平均人脸形状向量所对应预设前L个表情特征向量中的第l个表情特征向量；然后进入步骤006；步骤006.在主动表现模型坐标框架中，根据各张人脸样本图像的形状向量，获得如下人脸表观模型：$A_{km}=A_0+\underset{m=1}{\overset{M}{\Sigma }}{\lambda }_k{v}_m$其中，A_km表示主动表现模型坐标框架上所有人脸样本图像上特征点中所对应的任意人脸纹理向量；A₀表示平均人脸样本纹理向量；λ_k表示第k个预设人脸纹理向量参数，预设人脸纹理向量参数的总个数为K，v_m表示平均人脸纹理向量所对应预设前M个表情纹理特征向量中的第m个表情纹理特征向量；然后进入步骤007；步骤007.根据人脸形状模型，获得待比对人脸图像D(x)位于主动表现模型坐标框架中的位置W(x,p_k)，并获得待比对人脸图像D(x)纹理向量I(W(x,p_k))，然后进入步骤008；步骤008.定义k＝1，进入步骤009；步骤009.判断的值是否小于预设纹理差阈值，是则获得下一帧待比对人脸图像，作为待比对人脸图像D(x)，并返回步骤007；否则进入步骤010；步骤010.判断k是否等于K，是则重新建立主动表现模型坐标框架，并返回步骤003；否则用k+1的值更新k，并返回步骤009。