一种关键点的定位方法及终端的制作方法
【技术领域】
[0001]本发明涉及计算机视觉领域中的识别定位技术，尤其涉及一种关键点的定位方法及终端。
【背景技术】
[0002]用户采集目标对象时会进行各种识别，比如以人脸识别为例，计算机人脸识别将根据人脸来辨别未知人物身份的能力赋予了计算机系统，使得计算机系统基于已知的人脸样本库，利用计算机分析和模式识别技术从静态或者动态的场景中，识别或验证一个或多个人脸，该技术已经被广泛的应用于公共安全，身份识别等场合。人脸识别系统包括有人脸检测、人脸关键点定位、识别和跟踪等步骤，而人脸关键点检测以及跟踪是人脸识别中非常重要的一环，也是人脸验证，人脸识别，以及各种3D人脸建模，人脸的美化、疲劳和分神的判断等应用的基础，因此，人脸关键点的检测及跟踪精度至关重要。
[0003]传统的人脸关键点定位方法基于人脸参数形状模型，通过根据人脸关键点附近的表观特征，学习出单个人脸参数形状模型，再使用时迭代地优化人脸参数形状模型中的人脸关键点的位置，最后得到人脸关键点的坐标。现有技术中，为了提尚人脸关键点跟踪的精度，提出了一种使用多个人脸参数形状模型的人脸关键点定位方法，具体的，根据人脸的姿态，或者其他一些特征对人脸进行分类，并针对每一个人脸的类别进行学习以通过建模得到一个单独的人脸参数形状模型，也就是说，对于多个类别就需要设计多个人脸参数形状模型，最后通过判断人脸类别，选择一个相应的人脸参数形状模型来确定人脸关键点的坐标。
[0004]然而，采用现有的人脸关键点定位方法时，虽然将复杂的问题(各种姿态，表情，光照，遮挡等)分解成若干简单的问题来处理，显著提高了人脸关键点跟踪的精度，但是需要根据不同的人脸类别，建立相应的多个人脸参数形状模型才可以实现最终的人脸关键点定位。由于多个人脸参数形状模型，势必占用更多的内存存储空间，而且在具体处理时，对于不同人脸类别需要对应多个人脸参数形状模型进行处理也会耗费更多的资源，从而给终端硬件设备的处理带来处理难度。
【发明内容】
[0005]为解决上述技术问题，本发明实施例期望提供一种关键点的定位方法及终端，至少能解决现有技术的冋题，能够在使用较小的内存占用量的如提下，提尚人脸关键点跟踪的精度，且无需耗费很多的资源，以降低终端硬件设备的处理难度。
[0006]本发明的技术方案是这样实现的:
[0007]本发明实施例提供了一种关键点的定位方法，所述方法包括:
[0008]采集目标对象时，检测出所述目标对象为人脸图像，按照预设配置在第i帧人脸图像上生成用于人脸识别定位的目标检测区域并进行标注，i 2 I;
[0009]当i>l时，根据前一帧与当前帧的相似度匹配策略，由第1-Ι帧人脸图像的人脸关键点信息预估得到第i帧人脸图像的人脸类别；
[0010]根据所述第i帧人脸图像的人脸类别，从预设的多个候选初始形状中确定第一初始形状；
[0011]根据所述目标检测区域和所述第一初始形状，计算所述第i帧人脸图像的初始人脸关键点的位置。
[0012]在上述方案中，所述按照预设配置在第i帧人脸图像上生成用于人脸识别定位的目标检测区域并进行标注，包括:
[0013]根据第1-Ι帧人脸图像的人脸关键点的位置，得到能包含所述第1-Ι帧人脸图像的人脸关键点的至少一个人脸检测区域；
[0014]比较所述至少一个人脸检测区域中各个人脸检测区域，选择能包含所述第1-Ι帧人脸图像的人脸关键点的最小人脸检测区域作为所述目标检测区域。
[0015]在上述方案中，所述第1-Ι帧人脸图像的人脸关键点信息是前一次得到的人脸关键点的位置信息；
[0016]所述第一初始形状与所述第i帧人脸图像的人脸类别相对应。
[0017]在上述方案中，所述根据所述人脸检测框和所述第一初始形状，计算所述第i帧人脸图像的初始人脸关键点的位置之后，所述方法还包括:
[0018]将所述第i帧人脸图像的初始关键点的位置进行迭代回归，得到所述第i帧人脸图像的人脸关键点的位置。
[0019]在上述方案中，当i= l时，所述按照预设配置在第i帧人脸图像上生成用于人脸识别定位的目标检测区域并进行标注之后，所述将所述第i帧人脸图像的初始关键点的位置进行迭代回归，得到所述第i帧人脸图像的人脸关键点的位置之前，所述方法还包括:
[0020]从所述预设的多个候选初始形状中确定第二初始形状，所述第二初始形状为默认的；
[0021]根据所述目标检测区域和所述第二初始形状，计算所述第i帧人脸图像的初始人脸关键点的位置。
[0022]在上述方案中，所述将所述第i帧人脸图像的初始关键点位置进行迭代回归，得到所述第i帧人脸图像的人脸关键点位置，还包括:
[0023]对所述第i帧人脸图像的初始关键点位置提取第一特征；
[0024]将所述第一特征进行线性回归，得到第一偏移量；
[0025]将所述第i帧人脸图像的初始人脸关键点的位置位移所述第一偏移量，得到所述第i帧人脸图像的人脸关键点的位置。
[0026]在上述方案中，所述对所述第i帧人脸图像的初始关键点位置提取第一特征，包括:
[0027]所述对所述第i帧人脸图像的初始关键点位置提取SIFT特征、HOG特征或者SURF特征。
[0028]在上述方案中，确定所述预设的多个候选初始形状，包括:
[0029]设置不同人脸类别的人脸图像训练集；
[0030]根据所述目标检测区域的大小和位置，将每个人脸图像训练集中的所有人脸图像的人脸关键点的位置进行归一化，得到所有人脸图像的初始形状；[0031 ]将所述所有人脸图像的初始形状的平均值作为候选初始形状；
[0032]将不同的人脸类别对应的不同的候选初始形状，确定为所述预设的多个候选初始形状。
[0033]本发明实施例还提供了一种终端，所述终端包括:
[0034]检测单元，用于采集目标对象时，检测出所述目标对象为人脸图像；
[0035]生成单元，用于按照预设配置在检测单元检测到的第i帧人脸图像上生成用于人脸识别定位的目标检测区域并进行标注，i 2 I;
[0036]标注单元，用于将所述生成单元生成的所述目标检测区域进行标注；
[0037]估计单元，用于当i>l时，根据前一帧与当前帧的相似度匹配策略，由第1-Ι帧人脸图像的人脸关键点信息预估得到第i帧人脸图像的人脸类别；
[0038]确定单元，用于根据所述估计单元估计的所述第i帧人脸图像的人脸类别，从预设的多个候选初始形状中确定第一初始形状；
[0039]计算单元，用于根据所述标注单元标注的所述目标检测区域和所述确定单元确定的所述第一初始形状，计算所述第i帧人脸图像的初始人脸关键点的位置。
[0040]在上述终端中，所述生成单元，具体用于根据第1-Ι帧人脸图像的人脸关键点的位置，得到能包含所述第1-Ι帧人脸图像的人脸关键点的至少一个人脸检测区域；以及比较所述至少一个人脸检测区域中各个人脸检测区域，选择能包含所述第1-Ι帧人脸图像的人脸关键点的最小人脸检测区域作为所述目标检测区域。
[0041]在上述终端中，所述第1-Ι帧人脸图像的人脸关键点信息是前一次得到的人脸关键点的位置信息；
[0042]所述确定单元确定的所述第一初始形状与所述估计单元估计的所述第i帧人脸图像的人脸类别相对应。
[0043]在上述终端中，所述终端还包括:迭代回归单元；
[0044]迭代回归单元，用于所述计算单元根据所述人脸检测框和所述第一初始形状，计算所述第i帧人脸图像的初始人脸关键点的位置之后，将所述计算单元计算出的所述第i帧人脸图像的初始关键点的位置进行迭代回归，得到所述第i帧人脸图像的人脸关键点的位置。
[0045]在上述终端中，当i = I时，所述标注单元将所述目标检测区域进行标注之后，所述计算单元将所述第i帧人脸图像的初始关键点的位置进行迭代回归，得到所述第i帧人脸图像的人脸关键点的位置之前，所述方法还包括:
[0046]所述确定单元，还用于从所述预设的多个候选初始形状中确定第二初始形状，所述第二初始形状为默认的；
[0047]所述计算单元，还用于根据所述标注单元标注的所述目标检测区域和所述确定单元确定的所述第二初始形状，计算所述第i帧人脸图像的初始人脸关键点的位置。
[0048]在上述终端中，所述终端还包括:提取单元；
[0049]所述提取单元，用于对所述计算单元计算出的所述第i帧人脸图像的初始关键点位置提取第一特征；
[0050]所述迭代回归单元，具体用于将所述提取单元提取的所述第一特征进行线性回归，得到第一偏移量；以及将所述计算单元计算出的所述第i帧人脸图像的初始人脸关键点的位置位移所述提取单元提取的所述第一偏移量，得到所述第i帧人脸图像的人脸关键点的位置。
[0051]在上述终端中，所述提取单元对所述第i帧人脸图像的初始关键点位置提取SIFT特征、HOG特征或者SURF特征。
[0052]在上述终端中，所述终端还包括:设置单元、归一化单元；
[0053]所述设置单元，用于设置不同人脸类别的人脸图像训练集；
[0054]所述归一化单元，用于根据所述标注单元标注的所述目标检测区域的大小和位置，将所述设置单元设置的每个人脸图像训练集中的所有人脸图像的人脸关键点的位置进行归一化，得到所有人脸图像的初始形状；
[0055]所述确定单元，还用于将所述归一化单元得到的所述所有人脸图像的初始形状的平均值作为候选初始形状;将不同的人脸类别对应的不同的候选初始形状，确定为所述预设的多个候选初始形状。
[0056]本发明实施例提供了一种关键点的定位方法及终端，通过采集目标对象时，检测出该目标对象为人脸图像，按照预设配置在第i帧人脸图像上生成用于人脸识别定位的目标检测区域并进行标注，i > I;当1> I时，根据前一帧与当前帧的相似度匹配策略，由第i_l帧人脸图像的人脸关键点信息预估得到第i帧人脸图像的人脸类别;根据第i帧人脸图像的人脸类别，从预设的多个候选初始形状中确定第一初始形状;根据目标检测区域和第一初始形状，计算第i帧人脸图像的初始人脸关键点的位置。
[0057]采用上述技术实现方案，由于前一帧和当前帧相隔的时间较短，故前一帧人脸图像的人脸类别应与当前帧人脸图像的人脸类别一致(即前一帧与当前帧的相似度匹配策略)。于是，可以通过前一帧人脸图像的人脸类别确定当前帧的人脸类别，且本发明实施例中预设设置有与不同的人脸类别相对应的预设的多个候选初始形状。这样，就可以对当前帧人脸图像确定出一个与其人脸类别对应的第一初始形状。这样计算出的当前帧人脸图像的初始人脸关键点的位置可以基于单个人脸参数形状模型，并根据人脸的姿态，或者其他一些特征的人脸类别来确定的，避免了采用多个人脸参数形状模型处理时会出现的问题，因此，能够在使用较小的内存占用量的前提下，提高人脸关键点跟踪的精度，且无需耗费很多的资源，以降低终端硬件设备的处理难度。
【附图说明】
[0058]图1为本发明实施例中进行信息交互的各种硬件实体的示意图；
[0059]图2为本发明实