一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，包括：采用訓(xùn)練機(jī)制得到檢測(cè)分類(lèi)器模型；計(jì)算得出人臉部位輪廓定位模型；通過(guò)所述人臉部位輪廓定位模型得到精準(zhǔn)的人臉輪廓位置。通過(guò)監(jiān)督式人臉定位過(guò)程，避免傳統(tǒng)人臉定位方式訓(xùn)練數(shù)據(jù)集不完善造成人臉定位精度低的缺點(diǎn)，提高臉部各部位的定位精準(zhǔn)度，使得人臉識(shí)別，人臉化妝，人物表情分析等技術(shù)能夠運(yùn)用到更加精密的場(chǎng)合中，對(duì)于開(kāi)拓現(xiàn)代化技術(shù)發(fā)展具有十分重要的意義。
【專(zhuān)利說(shuō)明】一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)視覺(jué)、智能安防，視頻和圖像分析【技術(shù)領(lǐng)域】，尤其涉及一種借助于機(jī)器學(xué)習(xí)技術(shù)的自動(dòng)化人臉五官與面部輪廓辨識(shí)方法。
【背景技術(shù)】
[0002]人臉識(shí)別正在逐步的應(yīng)用于政府、軍隊(duì)、銀行、社會(huì)福利保障、電子商務(wù)、安全防務(wù)等領(lǐng)域，伴隨著人臉識(shí)別技術(shù)應(yīng)用【技術(shù)領(lǐng)域】的范圍增加，人們對(duì)于人臉識(shí)別技術(shù)的精度要求也越來(lái)越高。而面部結(jié)構(gòu)的精準(zhǔn)定位則是提高人臉識(shí)別技術(shù)精度的基礎(chǔ)?，F(xiàn)今，如何準(zhǔn)確地對(duì)人臉各個(gè)部位進(jìn)行定位是目前計(jì)算機(jī)視覺(jué)領(lǐng)域比較熱門(mén)的一個(gè)課題，因?yàn)樗鼘?duì)于人臉識(shí)別，人臉化妝，人物表情分析等具有十分重要的意義。這個(gè)方面從早期的主動(dòng)形狀模型(ASM, active shape model)方法一直發(fā)展到最新提出的顯著人臉形狀回歸算法,它們均取得了積極成果。
[0003]但是這些方法僅僅是從人臉的形狀入手，采用對(duì)大量人臉形狀的訓(xùn)練和分析得到一些標(biāo)注模型，然后將該模型應(yīng)用于任何測(cè)試人臉圖像中，是一種無(wú)監(jiān)督的分析定位過(guò)程，存在了較大的不可避免的誤差。且當(dāng)訓(xùn)練數(shù)據(jù)集比較小，或者某個(gè)人的人臉與訓(xùn)練集中的數(shù)據(jù)差別比較大的時(shí)候，人臉輪廓定位將變得尤其不準(zhǔn)確。
[0004]所以研發(fā)一種具有監(jiān)督的分析定位過(guò)程的人臉定位系統(tǒng)，提高人臉各部位定位的精度顯得尤為重要。
【發(fā)明內(nèi)容】
[0005]為解決傳統(tǒng)無(wú)監(jiān)督式人臉各部位定位過(guò)程中，若訓(xùn)練數(shù)據(jù)集比較小，或者某個(gè)人的人臉與訓(xùn)練集中的數(shù)據(jù)差別比較大的時(shí)候，人臉各部位無(wú)法高精度定位的技術(shù)問(wèn)題，本發(fā)明提供一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法。
[0006]在一些可選的實(shí)施例中，所述自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，包括:采準(zhǔn)備一組訓(xùn)練圖像集，采用訓(xùn)練機(jī)制得到檢測(cè)分類(lèi)器模型；定義優(yōu)化函數(shù)，計(jì)算得出人臉部位輪廓定位模型；對(duì)于給出的任意一副測(cè)試臉，通過(guò)所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的中心位置；將所述人臉部位輪廓定位模型應(yīng)用于所述測(cè)試臉，在所述人臉部位輪廓位模型的每一步級(jí)聯(lián)應(yīng)用中，相應(yīng)的調(diào)整所述人臉部位輪廓位模型中的所述測(cè)試臉的定位輪廓，使得各個(gè)級(jí)聯(lián)的結(jié)果中由所述定位輪廓決定的所述測(cè)試臉的中心位置與由所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的中心位置的差值達(dá)到最小小于預(yù)定的閾值。
[0007]在一些可選的實(shí)施例中，所述人臉部位輪廓定位模型中的所述測(cè)試臉的定位輪廓包括:所述測(cè)試臉的人臉的測(cè)試定位輪廓、左眼的測(cè)試定位輪廓、右眼的測(cè)試定位輪廓和嘴巴的測(cè)試定位輪廓；在所述各個(gè)級(jí)聯(lián)的結(jié)果中，由所述定位輪廓決定的所述測(cè)試臉的中心位置包括:所述測(cè)試臉的人臉的坐標(biāo)位置、左眼中心位置、右眼中心位置和嘴巴中心位置。
[0008]在一些可選的實(shí)施例中，所述采用訓(xùn)練機(jī)制得到檢測(cè)分類(lèi)器模型的過(guò)程包括:準(zhǔn)備一組訓(xùn)練圖像集，框出所述訓(xùn)練圖像集中的訓(xùn)練臉的人臉位置區(qū)域，以及眼睛和嘴巴的中心區(qū)域；利用人臉檢測(cè)算法的訓(xùn)練機(jī)制得到所述檢測(cè)分類(lèi)器模型。
[0009]在一些可選的實(shí)施例中，所述計(jì)算得出人臉部位輪廓定位模型的過(guò)程包括:標(biāo)注所述訓(xùn)練圖像集中的訓(xùn)練臉的輪廓點(diǎn)；選取一個(gè)標(biāo)準(zhǔn)臉模型，標(biāo)注所述標(biāo)準(zhǔn)臉模型的輪廓點(diǎn)；從所述標(biāo)準(zhǔn)臉模型的輪廓點(diǎn)出發(fā)，進(jìn)行變換得到所述任一訓(xùn)練臉的輪廓點(diǎn)過(guò)程中，不斷利用所述優(yōu)化函數(shù)進(jìn)行優(yōu)化，得出所述人臉部位輪廓定位模型回歸函數(shù)的系數(shù)，所述優(yōu)化函數(shù)如下:
[0010]Min(I S-f(S0) | + f(S0)_LeftEyeCenter-S_Detect_LeftEyeyCenter
[0011]+I f(S0)_RightEyeCenter-S_Detect_RightEyeyCenter
[0012]+1 I f (S0)_MouthEyeCenter-S_Detect_MouthEyeyCenter| |)
[0013]計(jì)算所述人臉部位輪廓定位模型的具體過(guò)程如下:
[0014]S1 = f (S0)；
[0015]S1 = S0 X R0+T0 ；
[0016]S2 = MS1) = T^eiX (S0XR0+T0)；
[0017]
[0018]S = TfRiX (Sh X Rh+Th)。
[0019]在一些可選的實(shí)施例中，通過(guò)所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的中心位置之前還包括:對(duì)于給出的任意一副測(cè)試圖像，判斷所述測(cè)試圖像中是否存在人臉，即所述測(cè)試臉；若存在所述測(cè)試臉，則通過(guò)所述分類(lèi)器模型確定所述測(cè)試臉的中心位置。
[0020]在一些可選的實(shí)施例中，所述對(duì)于給出的任意一副測(cè)試臉，通過(guò)所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的中心位置的過(guò)程包括:利用所述檢測(cè)分類(lèi)器模型得到所述測(cè)試臉的人臉的粗略輪廓、左眼的粗略輪廓、右眼的粗略輪廓和嘴巴的粗略輪廓；通過(guò)所述各個(gè)粗略輪廓計(jì)算得出所述測(cè)試臉的中心位置；所述由各個(gè)粗略輪廓計(jì)算得出所述測(cè)試臉的中心位置包括:所述測(cè)試臉的人臉的坐標(biāo)位置、左眼中心位置、右眼中心位置和嘴巴中心位置。
[0021]在一些可選的實(shí)施例中，所述檢測(cè)分類(lèi)器模型包括:人臉檢測(cè)分類(lèi)器模型、左眼檢測(cè)分類(lèi)器模型、右眼檢測(cè)分類(lèi)器模型和嘴巴檢測(cè)分類(lèi)器模型。
[0022]本發(fā)明的有益效果:通過(guò)監(jiān)督式人臉定位過(guò)程，避免傳統(tǒng)人臉定位方式訓(xùn)練數(shù)據(jù)集不完善造成人臉定位精度低的缺點(diǎn)，提高臉部各部位的定位精準(zhǔn)度，使得人臉識(shí)別，人臉化妝，人物表情分析等技術(shù)能夠運(yùn)用到更加精密的場(chǎng)合中，對(duì)于開(kāi)拓現(xiàn)代化技術(shù)發(fā)展具有十分重要的意義。
【專(zhuān)利附圖】
【附圖說(shuō)明】
[0023]圖1是本發(fā)明自動(dòng)化人臉五官與面部輪廓辨識(shí)方法的流程示意圖。
【具體實(shí)施方式】
[0024]下面結(jié)合附圖，對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明，并描述本發(fā)明較佳的實(shí)施例。
[0025]目前人臉檢測(cè)的同時(shí)能夠給出眼睛和嘴巴的中心位置，那么在進(jìn)行人臉各部位輪廓定位的時(shí)候，眼睛和嘴巴的輪廓定義就要受到他們中心位置的限制，從而也將對(duì)人臉總體輪廓的位置進(jìn)行必要的限制。本發(fā)明所給出的有監(jiān)督下的人臉部位輪廓定位就是以這樣的條件為基礎(chǔ)的，它主要就是為了提高人臉各部位定位的精度。
[0026]在一些說(shuō)明性的實(shí)施例中，如圖1所示，本發(fā)明提供一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，該方法包括:
[0027]S1:準(zhǔn)備一組訓(xùn)練圖像集，采用訓(xùn)練機(jī)制得到檢測(cè)分類(lèi)器模型。步驟SI包括:
[0028]101:準(zhǔn)備一組訓(xùn)練圖像集，先用一個(gè)矩形框出所述訓(xùn)練圖像集中的訓(xùn)練臉的人臉位置區(qū)域，再分別用2個(gè)很小的正方形框框出左右眼睛的中心區(qū)域，最后用一個(gè)很小的長(zhǎng)方形框框出嘴巴的中心區(qū)域。
[0029]102:利用人臉檢測(cè)算法的訓(xùn)練機(jī)制得到檢測(cè)分類(lèi)器模型。其中，所述檢測(cè)分類(lèi)器模型包括:人臉檢測(cè)分類(lèi)器模型、左眼檢測(cè)分類(lèi)器模型、右眼檢測(cè)分類(lèi)器模型和嘴巴檢測(cè)分類(lèi)器模型。
[0030]所述人臉檢測(cè)算法是基于Haar特征的Adaboost算法的人臉檢測(cè)技術(shù)，所述Adaboost算法是一種迭代算法，對(duì)于一組訓(xùn)練集，通過(guò)改變其中每個(gè)樣本的分布概率，而得到不同的訓(xùn)練集，對(duì)于每一個(gè)訓(xùn)練集進(jìn)行訓(xùn)練從而得到一個(gè)弱分類(lèi)器，再將這些弱分類(lèi)器根據(jù)不同的權(quán)值組合起來(lái)，就得到了強(qiáng)分類(lèi)器。使用Adaboost算法可以排除一些不必要的訓(xùn)練數(shù)據(jù)特征，并將關(guān)鍵放在關(guān)鍵的訓(xùn)練數(shù)據(jù)上面。
[0031]S2:定義優(yōu)化函數(shù)，計(jì)算得出人臉部位輪廓定位模型。步驟S2包括:
[0032]103:為了適應(yīng)人臉輪廓定義的需要，同時(shí)需要對(duì)所述訓(xùn)練圖像集中的訓(xùn)練臉各個(gè)部位的輪廓點(diǎn)進(jìn)行標(biāo)注，一般為68個(gè)點(diǎn)。
[0033]104:選取一個(gè)標(biāo)準(zhǔn)臉模型，標(biāo)注所述標(biāo)準(zhǔn)臉模型的輪廓點(diǎn)，一般為68個(gè)點(diǎn)。
[0034]105:從所述標(biāo)準(zhǔn)臉模型的輪廓點(diǎn)出發(fā),進(jìn)行變換得到所述任一訓(xùn)練臉的輪廓點(diǎn)過(guò)程中，計(jì)算得出人臉部位輪廓定位模型。首先，定義一個(gè)優(yōu)化函數(shù)，定義所述優(yōu)化函數(shù)的目的就是計(jì)算出所述變化f回歸函數(shù)的系數(shù)，如下:
[0035]Min(I S-f(S0) | + f(S0)_LeftEyeCenter-S_Detect_LeftEyeyCenter
[0036]+I f(S0)_RightEyeCenter-S_Detect_RightEyeyCenter
[0037]+I f(S0)_MouthEyeCenter-S_Detect_MouthEyeyCenter )
[0038]其中，S是每個(gè)訓(xùn)練圖集中所述標(biāo)準(zhǔn)臉模型正確的人臉部位輪廓位置，S0是人臉檢測(cè)程序得到的所述標(biāo)準(zhǔn)臉模型的初始位置，Min是指距離盡可能小，也就是任一所述訓(xùn)練臉從所述標(biāo)準(zhǔn)臉模型出發(fā)進(jìn)行一定的變換f，在變換過(guò)程中不斷利用所述優(yōu)化函數(shù)進(jìn)行優(yōu)化，確保變換后的人臉部位輪廓位置與初始得到的人臉部位輪廓位置變化不大，而且由變換后的所述人臉部位輪廓位置所決定的左右眼，以及嘴巴的中心位置與所述人臉檢測(cè)程序檢測(cè)到的左右眼，以及嘴巴的中心位置最接近。而所述變化f的定義即為所述人臉部位輪廓定位模型，具體計(jì)算過(guò)程如下:
[0039]S1 = f (S0)；
[0040]S1 = SciXRfT0;
[0041]S2 = MS1) = T^eiX (S0XR0+T0)；
[0042]...
[0043]S = Tj+Rj X (Sh X R1-1+T^1)
[0044]其中，Ri是旋轉(zhuǎn)矩陣，Ti是移動(dòng)矩陣，由于是級(jí)聯(lián)方式，所以就是要得到各個(gè)層次的Ri和Si。從而最后得到的f不是一個(gè)含有多級(jí)聯(lián)的線性回歸函數(shù)的組合。
[0045]S3:對(duì)于給出的任意一副測(cè)試圖像，判斷所述測(cè)試圖像中是否存在人臉，即測(cè)試臉，若存在所述測(cè)試臉則執(zhí)行步驟S4，若不存在所述測(cè)試臉，則不進(jìn)行任何操作。
[0046]S4:對(duì)于給出的任意一副所述測(cè)試臉，通過(guò)所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的位置。步驟S4包括:
[0047]106:首先利用所述人臉檢測(cè)分類(lèi)器模型得到所述測(cè)試臉的人臉的粗略輪廓，然后利用所述左眼檢測(cè)分類(lèi)器模型得到左眼的粗略輪廓，采用同樣的方法，利用所述右眼檢測(cè)分類(lèi)器模型和嘴巴檢測(cè)分類(lèi)器模型得到右眼的粗略輪廓和嘴巴的粗略輪廓。
[0048]107:通過(guò)所述各個(gè)粗略輪廓計(jì)算得出所述測(cè)試臉的位置。所述由各個(gè)粗略輪廓計(jì)算得出所述測(cè)試臉的位置包括:所述測(cè)試臉的人臉的坐標(biāo)位置、左眼中心位置、右眼中心位置和嘴巴中心位置。所述測(cè)試臉的人臉的坐標(biāo)位置為68個(gè)點(diǎn)的坐標(biāo)集，所述左眼的粗略輪廓內(nèi)所有點(diǎn)的位置的平均值為左眼中心位置，所述右眼的粗略輪廓內(nèi)所有點(diǎn)的位置的平均值為右眼中心位置，所述嘴巴的粗略輪廓內(nèi)所有點(diǎn)的位置的平均值為嘴巴中心位置。
[0049]S5:通過(guò)所述人臉部位輪廓定位模型得到精準(zhǔn)的人臉輪廓位置。步驟S5包括:
[0050]將所述人臉部位輪廓定位模型f應(yīng)用于所述測(cè)試臉，在所述人臉部位輪廓位模型的每一步級(jí)聯(lián)應(yīng)用中，相應(yīng)的調(diào)整所述人臉部位輪廓位模型中的所述測(cè)試臉的定位輪廓。其中，具體調(diào)整方式為:利用牛頓梯度下降法計(jì)算輪廓點(diǎn)往哪個(gè)方向移動(dòng)能使左右眼，以及嘴巴的定位輪廓所決定的中心位置與對(duì)所述測(cè)試臉進(jìn)行檢測(cè)得到的左右眼，以及嘴巴的中心位置更加接近。最終使得各個(gè)級(jí)聯(lián)的結(jié)果中由所述定位輪廓決定的所述測(cè)試臉的位置與由所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的位置的差值小于預(yù)定的閾值，具體的過(guò)程為:計(jì)算各個(gè)級(jí)聯(lián)的結(jié)果中由所述定位輪廓決定的所述測(cè)試臉的位置與由所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的位置的距離，如果距離大于所述預(yù)定的閾值，優(yōu)化過(guò)程還要繼續(xù)，直到之間的距離小于所述預(yù)定的閾值為止。其中，所述閾值由人臉光照的分布和強(qiáng)度，以及相機(jī)位置等因素決定，不是一個(gè)固定值，在上述調(diào)整過(guò)程中可調(diào)整所述閾值的數(shù)值。
[0051]其中，所述人臉部位輪廓定位模型中的所述測(cè)試臉的定位輪廓包括:所述測(cè)試臉的人臉的定位輪廓、左眼的定位輪廓、右眼的定位輪廓和嘴巴的定位輪廓。同理由所述各個(gè)定位輪廓可得到所述測(cè)試臉的位置，即包括:所述測(cè)試臉的人臉的坐標(biāo)位置、左眼中心位置、右眼中心位置和嘴巴中心位置。
[0052]以上描述和附圖充分地示出本發(fā)明的具體實(shí)施方案，以使本領(lǐng)域的技術(shù)人員能夠?qū)嵺`它們。其他實(shí)施方案可以包括結(jié)構(gòu)的、邏輯的、電氣的、過(guò)程的以及其他的改變。實(shí)施例僅代表可能的變化。除非明確要求，否則單獨(dú)的部件和功能是可選的，并且操作的順序可以變化。一些實(shí)施方案的部分和特征可以被包括在或替換其他實(shí)施方案的部分和特征。
【權(quán)利要求】
1.一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，其特征在于，包括: 準(zhǔn)備一組訓(xùn)練圖像集，采用訓(xùn)練機(jī)制得到檢測(cè)分類(lèi)器模型； 定義優(yōu)化函數(shù)，計(jì)算得出人臉部位輪廓定位模型； 對(duì)于給出的任意一副測(cè)試臉，通過(guò)所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的位置；將所述人臉部位輪廓定位模型應(yīng)用于所述測(cè)試臉，在所述人臉部位輪廓位模型的每一步級(jí)聯(lián)應(yīng)用中，相應(yīng)的調(diào)整所述人臉部位輪廓位模型中的所述測(cè)試臉的定位輪廓，使得各個(gè)級(jí)聯(lián)的結(jié)果中由所述定位輪廓決定的所述測(cè)試臉的位置與由所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的位置的差值小于預(yù)定的閾值。
2.根據(jù)權(quán)利要求1所述一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，其特征在于， 所述人臉部位輪廓定位模型中的所述測(cè)試臉的定位輪廓包括:所述測(cè)試臉的人臉的定位輪廓、左眼的定位輪廓、右眼的定位輪廓和嘴巴的定位輪廓； 在所述各個(gè)級(jí)聯(lián)的結(jié)果中，由所述定位輪廓決定的所述測(cè)試臉的位置包括:所述測(cè)試臉的人臉的坐標(biāo)位置、左眼中心位置、右眼中心位置和嘴巴中心位置。
3.根據(jù)權(quán)利要求1所述一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，其特征在于，所述采用訓(xùn)練機(jī)制得到檢測(cè)分類(lèi)器模型的過(guò)程包括: 框出所述準(zhǔn)備的訓(xùn)練圖像集中的訓(xùn)練臉的人臉位置區(qū)域，以及眼睛和嘴巴的中心區(qū)域； 利用人臉檢測(cè)算法的訓(xùn)練機(jī)制得到所述檢測(cè)分類(lèi)器模型。
4.根據(jù)權(quán)利要求1所述一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，其特征在于，所述計(jì)算得出人臉部位輪廓定位模型的過(guò)程包括: 標(biāo)注所述訓(xùn)練圖像集中的訓(xùn)練臉的輪廓點(diǎn)； 選取一個(gè)標(biāo)準(zhǔn)臉模型，標(biāo)注所述標(biāo)準(zhǔn)臉模型的輪廓點(diǎn)； 從所述標(biāo)準(zhǔn)臉模型的輪廓點(diǎn)出發(fā)，進(jìn)行變換得到所述任一訓(xùn)練臉的輪廓點(diǎn)過(guò)程中，不斷利用所述優(yōu)化函數(shù)進(jìn)行優(yōu)化，得出所述人臉部位輪廓定位模型回歸函數(shù)的系數(shù)，所述優(yōu)化函數(shù)如下:
Min(I S-f(S0) I | + | f (S0)_LeftEyeCenter-S_Detect_LeftEyeyCenter
+ I I f(S0)_RightEyeCenter_S_Detect_RightEyeyCenterI
+ I f (S0)_MouthEyeCenter-S_Detect_MouthEyeyCenter ) 計(jì)算所述人臉部位輪廓定位模型的具體過(guò)程如下:
S1 = f(S0)；
51= S0XR0+T0 ；
52= f(S1) = T1VX (S0XR0+T0)； S = TfRiX (ShXRh+Th)。
5.根據(jù)權(quán)利要求1所述一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，其特征在于，通過(guò)所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的位置之前還包括: 對(duì)于給出的任意一副測(cè)試圖像，判斷所述測(cè)試圖像中是否存在人臉，即所述測(cè)試臉； 若存在所述測(cè)試臉，則通過(guò)所述分類(lèi)器模型確定所述測(cè)試臉的位置。
6.根據(jù)權(quán)利要求5所述一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，其特征在于，所述對(duì)于給出的任意一副測(cè)試臉，通過(guò)所述檢測(cè)分類(lèi)器模型確定所述測(cè)試臉的位置的過(guò)程包括: 利用所述檢測(cè)分類(lèi)器模型得到所述測(cè)試臉的人臉的粗略輪廓、左眼的粗略輪廓、右眼的粗略輪廓和嘴巴的粗略輪廓； 通過(guò)所述各個(gè)粗略輪廓計(jì)算得出所述測(cè)試臉的位置； 所述由各個(gè)粗略輪廓計(jì)算得出所述測(cè)試臉的位置包括:所述測(cè)試臉的人臉的坐標(biāo)位置、左眼中心位置、右眼中心位置和嘴巴中心位置。
7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述一種自動(dòng)化人臉五官與面部輪廓辨識(shí)方法，其特征在于，所述檢測(cè)分類(lèi)器模型包括: 人臉檢測(cè)分類(lèi)器模型、左眼檢測(cè)分類(lèi)器模型、右眼檢測(cè)分類(lèi)器模型和嘴巴檢測(cè)分類(lèi)器模型。
【文檔編號(hào)】G06K9/64GK104361358SQ201410677445
【公開(kāi)日】2015年2月18日 申請(qǐng)日期:2014年11月21日 優(yōu)先權(quán)日:2014年11月21日
【發(fā)明者】熊偉華, 范澍斐, 李兵, 馬燕軍 申請(qǐng)人:江蘇刻維科技信息有限公司