r。
[0163]需要說明的是，在本發(fā)明實(shí)施例中，可以通過梯度下降法計(jì)算權(quán)重偏差量?？傊瑢?duì)給定的人臉關(guān)鍵點(diǎn)位置，在這些人臉關(guān)鍵點(diǎn)位置上計(jì)算一些信息羅列成為一個(gè)向量，即為提第一特征，然后將第一特征進(jìn)行回歸，即對(duì)向量的每一個(gè)數(shù)值進(jìn)行組合，最后得到人臉關(guān)鍵點(diǎn)距離真解的第一偏移量。其中，提第一特征的方法有很多，包括:隨機(jī)森林，sift等，用這些提取出的第一特征可以表達(dá)出人臉在當(dāng)前關(guān)鍵點(diǎn)位置的特點(diǎn)。
[0164]實(shí)施例三
[0165]本發(fā)明實(shí)施例提供一種關(guān)鍵點(diǎn)的定位方法，如圖8所示，該方法可以包括:
[0166]S301、當(dāng)i>l時(shí)，采集目標(biāo)對(duì)象時(shí)，檢測出該目標(biāo)對(duì)象為人臉圖像，根據(jù)第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)的位置，得到能包含第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)的至少一個(gè)人臉檢測區(qū)域。
[0167]本發(fā)明實(shí)施例中，關(guān)鍵點(diǎn)的定位方法指的是人臉關(guān)鍵點(diǎn)的定位方法，人臉關(guān)鍵點(diǎn)的定位是指通過算法精確找出人臉關(guān)鍵點(diǎn)的位置。其中，人臉關(guān)鍵點(diǎn)是臉部一些表征能力強(qiáng)的關(guān)鍵點(diǎn)，比如眼睛、鼻子、嘴巴和臉部輪廓等。
[0168]可選的，如圖3所示的人臉圖像的初始關(guān)鍵點(diǎn)位置的示意圖，本發(fā)明實(shí)施例中的關(guān)鍵點(diǎn)可以有49個(gè)關(guān)鍵點(diǎn)。
[0169]需要說明的是，本發(fā)明實(shí)施例中提供的關(guān)鍵點(diǎn)的定位方法的應(yīng)用場景為:進(jìn)行人臉識(shí)別定位、人臉追蹤或人臉3D建I旲等情形中D
[0170]可選的，目標(biāo)檢測區(qū)域?yàn)檫M(jìn)行目標(biāo)對(duì)象檢測而設(shè)定的監(jiān)測區(qū)域，例如，人臉檢測框等，該人臉檢測框可以為矩形、圓形或橢圓等形狀，本發(fā)明實(shí)施例可以根據(jù)實(shí)際應(yīng)用設(shè)計(jì)目標(biāo)檢測區(qū)域，并不限制該目標(biāo)監(jiān)測區(qū)域的形式或形狀。
[0171]可選的，本發(fā)明實(shí)施例中的終端可以為手機(jī)、平板及電腦等支持人臉識(shí)別定位技術(shù)的電子設(shè)備，且具有采集信息的功能。
[0172]具體的，終端支持人臉識(shí)別定位技術(shù)，在進(jìn)行人臉關(guān)鍵點(diǎn)的定位時(shí)，首先要采集到待識(shí)別的目標(biāo)對(duì)象，當(dāng)終端檢測檢測出該目標(biāo)對(duì)象為人臉圖像后，在i大于I的時(shí)候，終端可以根據(jù)第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)的位置，得到能包含該第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)的至少一個(gè)人臉檢測區(qū)域。
[0173]可選的，第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)信息是前一次得到的人臉關(guān)鍵點(diǎn)的位置
?目息O
[0174]可選的，本發(fā)明實(shí)施例中的采集目標(biāo)對(duì)象時(shí)，終端可以采用終端上設(shè)置的攝像頭進(jìn)行目標(biāo)對(duì)象的?目息米集。
[0175]具體的，為了便于用戶使用，在有前置攝像頭的情況下，終端可以啟動(dòng)前置攝像頭進(jìn)行當(dāng)前的目標(biāo)對(duì)象的信息采集工作;在沒有前置攝像頭的情況下，終端可以啟動(dòng)后置攝像頭，采集當(dāng)前的目標(biāo)對(duì)象的信息。
[0176]需要說明的是，本發(fā)明實(shí)施例中采集的目標(biāo)對(duì)象的信息可能是人臉圖像，也可能是其他的風(fēng)景或動(dòng)物的圖像，因此，在采集目標(biāo)對(duì)象之后，終端需要將采集到的目標(biāo)對(duì)象進(jìn)行檢測，當(dāng)該終端檢測出目標(biāo)對(duì)象為人臉圖像時(shí)，就可以開始進(jìn)行人臉關(guān)鍵點(diǎn)的定位了。
[0177]可以理解的是，在本發(fā)明實(shí)施例中，由于用戶的生物特征信息是一個(gè)特征相同或者相似的用戶的可能性很小。因此，采用用戶生物特征信息中的人臉特征是不易被盜用或冒用的，因此，保密性非常好。
[0178]進(jìn)一步地，當(dāng)i= l時(shí)，將預(yù)設(shè)的標(biāo)準(zhǔn)人臉檢測區(qū)域作為本發(fā)明實(shí)施例中的目標(biāo)檢測區(qū)域。
[0179]S302、比較至少一個(gè)人臉檢測區(qū)域中各個(gè)人臉檢測區(qū)域，選擇能包含第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)的最小人臉檢測區(qū)域作為第i幀人臉圖像的目標(biāo)檢測區(qū)域。
[0180]終端得到能包含第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)的至少一個(gè)人臉檢測區(qū)域之后，該終端將至少一個(gè)人臉檢測區(qū)域中的每個(gè)人臉檢測區(qū)域都進(jìn)行比較，選擇能包含第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)的最小人臉檢測區(qū)域作為目標(biāo)檢測區(qū)域，這樣就可以在最小的目標(biāo)監(jiān)測區(qū)域內(nèi)完成人臉關(guān)鍵點(diǎn)的定位。
[0181]S303、將目標(biāo)檢測區(qū)域進(jìn)行標(biāo)注。
[0182]終端確定目標(biāo)檢測區(qū)域之后，該終端就可以在第i幀人臉圖像上標(biāo)注出該目標(biāo)檢測區(qū)域，以用于進(jìn)行人臉關(guān)鍵點(diǎn)的定位。
[0183]示例性的，如圖9所示的至少一個(gè)人臉檢測區(qū)域的示意圖可知，假設(shè)終端為手機(jī)，第1-Ι幀人臉圖像有兩個(gè)人臉檢測區(qū)域時(shí)，由于人臉檢測區(qū)域I小于人臉檢測區(qū)域2，因此，手機(jī)可以確定包含人臉關(guān)鍵點(diǎn)的最小的人臉檢測區(qū)域I作為第i幀人臉圖像的目標(biāo)檢測區(qū)域的。
[0184]S304、根據(jù)前一幀與當(dāng)前幀的相似度匹配策略，由第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)信息預(yù)估得到第i幀人臉圖像的人臉類別。
[0185]終端將第i幀人臉圖像上的目標(biāo)檢測區(qū)域進(jìn)行標(biāo)注后，就只在該目標(biāo)檢測區(qū)域進(jìn)行人臉關(guān)鍵點(diǎn)的定位，每一幀圖像的相隔時(shí)間非常短，幾乎人眼不可見，因此，當(dāng)i>l時(shí)，該終端可以根據(jù)前一幀與當(dāng)前幀的相似度匹配策略，根據(jù)第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)信息預(yù)估得到第i幀人臉圖像的人臉類別。
[0186]需要說明的是，在本發(fā)明實(shí)施例中，第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)信息是前一次得到的人臉關(guān)鍵點(diǎn)的位置信息，該第1-Ι幀人臉圖像的人臉關(guān)鍵點(diǎn)信息是與第i幀人臉圖像的人臉類別相對(duì)應(yīng)的，因此，根據(jù)前一幀與當(dāng)前幀的相似度匹配策略，終端就可以估計(jì)出第i幀人臉圖像的人臉類別。
[0187]需要說明的是，本發(fā)明實(shí)施例中，可以根據(jù)人臉圖像中人臉的姿態(tài)，各種表情，光照或遮擋等對(duì)進(jìn)行人臉類別的分類。具體的，把人臉關(guān)鍵點(diǎn)特征近似的人臉圖像歸為一類，這個(gè)是可以人為進(jìn)行預(yù)先分類的。例如，對(duì)于人臉的姿態(tài)來說，可以分為三個(gè)類別，其中，臉部輪廓的位置在(-30?30)為正臉類別，(<_30)為左臉類別，(>30)為右臉類別。
[0188]需要說明的是，具體的人臉類別的劃分可以根據(jù)實(shí)際情況而設(shè)計(jì)，本發(fā)明實(shí)施例并不作限制。
[0189]S305、根據(jù)第i幀人臉圖像的人臉類別，從預(yù)設(shè)的多個(gè)候選初始形狀中確定第一初始形狀。
[0190]終端確定第i幀人臉圖像的人臉類別之后，由于該終端中預(yù)先設(shè)置了多個(gè)不同人臉類型分別對(duì)應(yīng)的多個(gè)候選初始形狀，這樣，就可以從該預(yù)設(shè)的多個(gè)候選初始形狀中確定出與該第i幀人臉圖像的人臉類別對(duì)應(yīng)的第一初始形狀，即第一初始形狀與第i幀人臉圖像的人臉類別相對(duì)應(yīng)。
[0191]需要說明的是，如果將人臉關(guān)鍵點(diǎn)的位置根據(jù)目標(biāo)檢測區(qū)域(例如，人臉檢測框)的位置和大小進(jìn)行歸一化，例如將人臉檢測框歸一化為長度為I，中心在(0，0)的標(biāo)準(zhǔn)人臉檢測框，將人臉關(guān)鍵點(diǎn)的位置坐標(biāo)也做轉(zhuǎn)換到相應(yīng)的坐標(biāo)系中，那么我們得到的不是一個(gè)人臉關(guān)鍵點(diǎn)的具體位置，而是一個(gè)人臉關(guān)鍵點(diǎn)與人臉檢測框的相對(duì)關(guān)系，我們稱之為一個(gè)形狀(人臉形狀)。反之，如果給定一個(gè)形狀和一個(gè)人臉檢測框，我們可以計(jì)算出具體的人臉關(guān)鍵點(diǎn)的位置了。
[0192]進(jìn)一步地，本發(fā)明實(shí)施例中確定預(yù)設(shè)的多個(gè)候選初始形狀，包括:設(shè)置不同人臉類別的人臉圖像訓(xùn)練集;根據(jù)目標(biāo)檢測區(qū)域的大小和位置，將每個(gè)人臉圖像訓(xùn)練集中的所有人臉圖像的人臉關(guān)鍵點(diǎn)的位置進(jìn)行歸一化，得到所有人臉圖像的初始形狀;將所有人臉圖像的初始形狀的平均值作為候選初始形狀;將不同的人臉類別對(duì)應(yīng)的不同的候選初始形狀，確定為預(yù)設(shè)的多個(gè)候選初始形狀。
[0193]需要說明的是，本發(fā)明實(shí)施例中的確定預(yù)設(shè)的多個(gè)候選初始形狀的【具體實(shí)施方式】可以利用現(xiàn)有的技術(shù)來實(shí)現(xiàn)，在此不再進(jìn)行詳細(xì)地描述。
[0194]示例性的，假設(shè)預(yù)設(shè)設(shè)置了左臉的候選初始形狀為I，正臉的候選初始形狀為2，右臉的候選初始形狀為3，則當(dāng)手機(jī)A確定第i幀人臉圖像的人臉類別為左臉時(shí)，該手機(jī)A確定候選初始形狀I(lǐng)為第一初始形狀。于是，手機(jī)A在第i幀人臉圖像的目標(biāo)檢測區(qū)域B中的顯示的就是第一初始形狀。
[0195]S306、根據(jù)目標(biāo)檢測區(qū)域和第一初始形狀，計(jì)算第i幀人臉圖像的初始人臉關(guān)鍵點(diǎn)的位置。
[0196]終端確定第一初始形狀和目標(biāo)檢測區(qū)域之后，由于獲知了一個(gè)人臉關(guān)鍵點(diǎn)與目標(biāo)檢測區(qū)域的相對(duì)關(guān)系(第一初始形狀)，因此，該終端就可以根據(jù)該目標(biāo)檢測區(qū)域，計(jì)算出第i幀人臉圖像的初始人臉關(guān)鍵點(diǎn)的位置了。
[0197]S307、將第i幀人臉圖像的初始關(guān)鍵點(diǎn)的位置進(jìn)行迭代回歸，得到第i幀人臉圖像的人臉關(guān)鍵點(diǎn)的位置。
[0198]終端計(jì)算第i幀人臉圖像的初始人臉關(guān)鍵點(diǎn)的位置之后，該終端已經(jīng)得到了初始人臉關(guān)鍵點(diǎn)的位置了，為了使得人臉關(guān)鍵點(diǎn)更加精確，該終端就將第i幀人臉圖像的初始關(guān)鍵點(diǎn)的位置進(jìn)行迭代回歸，得到第i幀人臉圖像的人臉關(guān)鍵點(diǎn)的位置。
[0199]需要說明的是，如圖10所示，S307具體包括:S3071-S3073。具體如下:
[0200]S3071、對(duì)第i幀人臉圖像的初始關(guān)鍵點(diǎn)位置提取第一特征。
[0201]需要說明的是，在本發(fā)明實(shí)施例中第一特征是用于描述人臉特征的參數(shù)，也稱為特征描述子;基于不同的需求和側(cè)重，本發(fā)明實(shí)施例可以相應(yīng)選取，為了提穩(wěn)定性可以組合使用，具體如下:終端對(duì)第i幀人臉圖像的初始關(guān)鍵點(diǎn)位置提取SIFT特征、HOG特征或者SURF中的至少一項(xiàng)。
[0202]S3072、將第一特征進(jìn)行線性回歸，得到第一偏移量。
[0203]S3073、將第i幀人臉圖像的初始人臉關(guān)鍵點(diǎn)的位置位移第一偏移量，得到該第i幀人臉圖像的人臉關(guān)鍵點(diǎn)的位置。
[0204]下面將以人臉特征值為HOG特征值(也稱為HOG數(shù)據(jù)特征)進(jìn)行舉例，在本發(fā)明實(shí)施例中，使用到的HOG特征原理:HOG的核心思想是所檢測的局部物體外形能夠被光強(qiáng)梯度或邊緣方向的分布所描述。通過將整幅圖像分割成小的連接區(qū)域(稱為cells)，每個(gè)cell生成一個(gè)方向梯度直方圖或者cell中pixel的邊緣方向，這些直方圖的組合可表示出(所檢測的目標(biāo)對(duì)象)描述子。為改善準(zhǔn)確率，局部直方圖可以通過計(jì)算圖像中一個(gè)較大區(qū)域(稱為block)的光強(qiáng)作為measure被對(duì)比標(biāo)準(zhǔn)化，然后用這個(gè)值(measure)歸一化這個(gè)block中的所有cells.這個(gè)歸一化過程完成了更好的照射/陰影不變性。
[0205]與其他描述子相比，HOG得到的描述子保持了幾何和光學(xué)轉(zhuǎn)化不變性(除非物體方向改變)。因此，HOG描述子尤其適合人臉的檢測。
[0206]具體的，H0G特征提取方法就是將一個(gè)image進(jìn)行了下面的過程:
[0207]1、灰度化(將圖像看做一個(gè)x，y，z(灰度)的三維圖像)；
[0208]2、劃分成小 cells(2*2);
[0209]3、計(jì)算每個(gè)cell中每個(gè)pixel的gradient(即orientat1n)；
[0210]4、統(tǒng)計(jì)每個(gè)cel I的梯度直方圖(不同梯度的個(gè)數(shù))，即可形成每個(gè)cel I的descriptor。
[0211]需要說明的是，在本發(fā)明實(shí)施例中，可以通過梯度下降法計(jì)算權(quán)重偏差量?？傊?，對(duì)給定的人臉關(guān)鍵點(diǎn)位置，在這些人臉關(guān)鍵點(diǎn)位置上計(jì)算一些信息羅列成為一個(gè)向量，即為提第一特征，然后將第一特征進(jìn)行回歸，即對(duì)向量的每一個(gè)數(shù)值進(jìn)行組合，最后得到人臉關(guān)鍵點(diǎn)距離真解的第一偏移量。其中，提第一特征的方法有很多，包括:隨機(jī)森林，sift等，用這些提取出的第一特征可以表達(dá)出人臉在當(dāng)前關(guān)鍵點(diǎn)位置的特點(diǎn)。
[0212]示例性的，圖11為第1-Ι幀人臉圖像，圖12為第i幀人臉圖像，圖13第1-Ι幀人臉圖像進(jìn)行人臉檢測框(人臉檢測區(qū)域)的示意圖、圖14為第i幀人臉圖像的人