人脸姿态确定.docVIP

人脸姿态的确定 计算机科学与技术03级2班 梁悦敏 张地 讲师 （韶关学院 信息工程学院，广东 韶关 512005） 摘 要：对于给定一张人脸, 通过测量人脸上特征点的几何参数, 来计算该人脸在垂直于成像平面的仰（俯）角和平行于成像平面的转角, 并对影响人脸姿态确定的各种因素进行分析。本文采用人手选取三个特征点，包括左外眼角、右外眼角、鼻尖等特征点来构建一个特征三角形来确定人脸姿态。具体做法是，首先确定正面人脸三个特征点，计算两眼角的距离和鼻尖到两外眼角连线的垂直距离等参数。然后根据这些正面人脸参数与待确定姿态的人脸参数的关系来确定人脸姿态。实验证明本文算法在特征点选取较准确时能得到较满意的结果。 关键词：特征三角形 ；姿态估计 ；特征点 1 引言 人脸作为人类最熟悉又最富多变性的一个组成部分，姿态的变化同时会使表述更加生动和形象，其复杂的结构能提供非常丰富的信息，这使得人脸姿态的确定在许多人脸处理应用中成为人脸识别、人脸检测、人脸跟踪、人脸表情分析等领域的一个关键环节和重要研究内容之一。一方面，根据人脸姿态的确定结果，可以对人脸图像进行有效分类，通过分类学习提高人脸识别效率；另一方面，结合人脸姿态的结果，设计高效的人脸识别算法来提高人脸识别效率。 姿态变化给人脸图像带来的变化往往比不同人的人脸图像之间的差异更大，这是当前人脸识别技术面临的主要挑战到目前为止,研究人员提出了很多,这些方法大体上可以分为两类: 一种是基于模型的方法,一种是基于训练的方法。基于模型的方法基于模型的方法一般需要建立人脸的3D模型，并且根据投影等知识建立数学模型把二维人脸特征和三维人脸特征对应起来，然后用图像处理方法得到人脸特征，最后根据此特征确定三维模型下姿态。基于模型的方法通常都是先进行特征检测，然后进行二维到三维的特征匹配，用匹配上的特征来判定人脸姿态。通常使用的特征有眼睛嘴。 基于训练的方法假定人脸图像的特征和人脸的三维姿态有着因果的对应关系。目标是通过大量样本的训练来找到这种对应关系。图像特征包括图像亮度，颜色，图像梯度，或者是亮度的变换，比如投影到特征向量空间，还可能包括图像的几何特征。 基于训练的方法很简单，优点是当不同姿态图像向各个子空间上投影时，能量集中程度不同，得到的投影能量区别较大，从而能够很好地判定图像姿态。缺点是在样本数量不充分的时候，结果往往不够准确。因为需要在两个姿态间插值确定另一个中间姿态。而且，需要大量不同人脸在不同角度、光照、大小时的训练数据。基于算法的基本思想 （2）转角的确立 有转角时两眼长度为A1B1，即侧面人脸两眼长度AB在二维坐标XY面的投影,（关系：正面人脸两眼距离AB在转角面的投影为A1B1），构造直角三角形ABB1，AB与A1B1构成的角就是侧脸和正脸之间的夹角，也就是人脸在平行于成像平面的转角。 （3）仰（俯）角的确立 有仰（俯）角时鼻尖到两眼连线的距离为C1E1，即仰地（俯）面人脸鼻尖到两眼连线的距离长度CE在二维坐标XY面的投影,（关系：正面人脸鼻尖到两眼连线的距离长度CE在仰（俯）角面的投影为C1E1），构造直角三角形CC1E，CE与C1E1构成的角就是仰（俯）脸和正脸之间的夹角，也就是人脸在垂直于成像平面的仰（俯）角。 3.2.2 基于特征三角形的人脸姿态确定 针对同一人脸的各特征点比例不变原理，对于不同焦距的人脸姿态的确定需作等比例变换。 具体算法如下： 记录正脸状态时，特征三角形边l（两外眼角距离）和边h（鼻尖到两外眼角连线的距离）的比例。每一张待确定的人脸图像中会得到一个特征三角形和对应的边l1和边h1。把每一张待确定的人脸图像中的特征三角形的边l1和边h1比例和正脸的两边比例比较。如果l1：h1小于l：h，则认为人脸绕y 轴转动，对特征三角形进行缩放直到h1等于h的长度。这时l1的长度等于l绕y 轴转动后在xy 面上的投影，根据两条直线长度计算旋转角度；如果l1：h1大于l：h，则认为头部绕x轴转动，缩放特征三角形直到l1等于l。同样h1是h在xy面上的投影，根据h 和h1计算旋转角度；通过以上计算得到人脸在空间的运动情况。 4 人脸姿态确定的MATLAB[12-13]实现 4.1 具体操作步骤 第一步、输入正面人脸图像，采用人手选取三个特征点（包括左眼球（Le）和右眼球(Re)中点、鼻尖(Nn)其中，首先确定正脸三个特征点的位置，计算它们两眼球中点的距离(l)、两眼球中点的距离和鼻尖到两眼球中点连线的垂直距离(h)并保存; 第二步、输入待确定姿态的图片，重复第一步取点操作得到新变量：两眼球中点的距离(l1)、两眼球中点的距离和鼻尖到两眼球中点连线的垂直距离(h1)。 第三步、判断两边比例关系l1:h＝l:h是否成立。 如果l1:h＝l:h成立，则为正面有脸，转角