[发明专利]一种基于级联回归的人脸关键点定位方法

权利要求书

1.一种基于级联回归的人脸关键点定位方法，其步骤包括：

1）采集大量人脸图片数据，并标记初始的关键点位置；

2）通过对所述大量人脸图片数据进行训练，学习得到一粗回归器，然后以所述粗回归器的输出作为输入，学习得到一精回归器，从而得到由粗到精的级联回归器；

3）给定待识别的人脸图片和对应的人脸位置，通过所述粗回归器将人脸的初始形状回归到真实形状附近，然后以所述粗回归器的输出作为输入，通过所述精回归器得到人脸关键点的精确坐标。

2.如权利要求1所述的方法，其特征在于：所述粗回归器采用线性回归器，在所有关键点处提取SURF特征。

3.如权利要求2所述的方法，其特征在于：所述粗回归器是一个级联的线性回归器，前一级的输出作为后一级的输入。

4.如权利要求3所述的方法，其特征在于：使用SURF特征学习得到所述线性回归器，具体步骤包括：

①在初始形状上每个关键点处提取初始的SURF特征，记作Φ₀，真实回归目标记为ΔX*；

②在训练过程中，由于关键点坐标X，初始值关键点坐标X₀已知，那么关键点真实回归目标ΔX*即为已知，ΔX*=X-X₀；线性回归器表达为0X₀=R₀*Φ₀+b₀，其中的参数R₀和b₀通过最小化下式求得：

argminR0,b0ΣdiΣx0i||Δx*i-R0φ0i-b0||2,]]>

其中，dⁱ为第i个人脸图片，X₀ⁱ为第i个人脸的初始形状，ΔX_*ⁱ为第i个人脸的真实回顾目标，Φ₀ⁱ为第i个人脸在初始形状X₀ⁱ处的SURF特征向量；

③根据得到的R₀和b₀，得到估计的增量ΔX₀=R₀*Φ₁+b₀，X+ΔX₀作为新的训练集，记为X₁；根据新的训练集，提取新的SURF特征Φ₁，有ΔX₁=R₁*Φ₁+b₁，同理，根据上述方法求得R₁和b₁；以此类推，得到多级线性回归器。

5.如权利要求4所述的方法，其特征在于：所述粗回归器包含两级线性回归器。

6.如权利要求1或2所述的方法，其特征在于：所述精回归器采用随机蕨级联回归器，以像素差值作为特征。