一种基于asm的动态图像正面人脸重建系统及方法
【技术领域】
[0001] 本发明主要涉及图像处理技术领域，具体涉及一种基于ASM的动态图像正面人脸 重建系统及方法。
【背景技术】
[0002] 随着计算机的普及、智能设备的出现，科技对人们的影响越来越大，在全球化加剧 的现在，人们对于身份鉴别的需求越来越强烈。传统的个人识别码、密码、IC卡、密保卡等传 统的身份鉴别技术由于操作不变、难以记忆等原因和信息时代的需求存在不小的差距。人 脸识别是生物特征识别领域十分热门的课题，是继指纹识别之后，有希望广泛应用于社会 经济活动和人们日常生活中的一种生物特征识别技术。人脸识别是一种利用人脸进行身份 鉴别的生物特征识别技术。然而，在近代特别是随着计算机技术的发展，人脸识别通常是指 基于计算机技术的人脸特征信息的识别技术。
[0003] 基于视频的动态人脸识别越来越重要，视频中包含了丰富的人脸信息。但是容易 受到光照、姿态等影响。目前人脸识别算法很多是针对正面人脸图像提出的，人脸的姿态一 旦发生改变，识别率就会急剧下降。如何从视频中获得利于识别的人脸图像是其中关键的 一步。
【发明内容】
[0004] 本发明所要解决的技术问题是提供一种基于ASM的动态图像正面人脸重建系统 及方法，能够较准确地获取到人脸的实际区域，排除类肤色像素干扰，能够有效地合成正面 人脸图像，对于带有微表情人脸图像合成正面人脸具有一定的改善。
[0005] 本发明解决上述技术问题的技术方案如下：一种基于ASM的动态图像正面人脸重 建系统，包括动态视频人脸提取模块、人脸图像质量评估模块、人脸图像光照处理模块和正 面人脸合成模块，
[0006] 所述动态视频人脸提取模块，用于在视频中提取人脸图像序列，根据 CAMShift-KLT人脸实际区域跟踪算法排除类肤色区域（如：脖子）的影响，使人脸图像序 列的人脸跟踪区域和实际的人脸图像区域相一致；
[0007] 所述人脸图像质量评估模块，用于对人脸图像序列的人脸跟踪区域的画面质量进 行显著性得分计算，并设定图像选取数目，按图像选取数目从显著性得分的结果中选出分 数高于预定值的目标画面人脸图像序列；
[0008] 所述人脸图像光照处理模块，用于利用自适应的Gamma变换算法对选出的目标画 面人脸图像序列中各人脸跟踪区域进行光照改善处理；
[0009] 所述正面人脸合成模块，用于根据ASM算法和TPS薄板样条函数对光照改善处理 后的各人脸跟踪区域进行定位处理，从而将目标画面人脸图像序列合成一张正面人脸图 像。
[0010] 本发明的有益效果是：动态视频人脸提取模块能够较准确地获取到人脸的实际区 域，排除类肤色像素干扰；通过人脸图像质量评估模块和人脸图像光照处理模块能获取到 目标的人脸图像序列；对这些获取到的目标的人脸图像采用ASM算法进行特征点定位，利 用TPS薄板样条函数合成最终的人脸图像；本发明能够有效地合成正面人脸图像，对于带 有微表情人脸图像合成正面人脸具有一定的改善。
[0011] 在上述技术方案的基础上，本发明还可以做如下改进。
[0012] 进一步，所述动态视频人脸提取模块包括初始化单元、人脸跟踪单元和更新单元，
[0013] 所述初始化单元，用于在视频中提取人脸图像序列，并为人脸跟踪单元提供初始 化；
[0014] CAMShift算法是由Mean shift算法发展而来，是一种通过爬升概率分布梯度来 获得最近主峰的无参的方法；
[0015] KLT (Kanade-Lucas-Tomas i)算法是一种计算快速的基于光流法的跟踪算法。通 过给定一对包含人脸的两幅图像，KLT算法可以对兴趣点实现检测和跟踪。人脸的一些特 征，如边缘轮廓、嘴角、鼻孔、眉毛等可以借助KLT算法进行十分有效的跟踪。但是如果仅仅 使用KLT算法，常常会出现跟踪点漂移和丢失；因此，本发明提出一种CAMSiift-KLT人脸实 际区域跟踪算法
[0016] 所述人脸跟踪单元，用于根据CAMShift-KLT人脸实际区域跟踪算法排除类肤色 区域的影响，所述CAMShift-KLT人脸实际区域跟踪算法具体实现为：
[0017] 假设CAMShift算法得到的人脸跟踪区域为c，设大于人脸区域的搜索窗口为#， 跟踪的兴趣点的结合为P = {Pi，P2,...，Pn}，得到有效的兴趣点集合为：
[0018] p' = {Pl|Ple p n P c} (1-1)
[0019] 初始化人脸的位置和搜索窗口 # ;
[0020] 输入该视频序列的下一帧，同时获得该帧HSV图像；
[0021] 计算HSV图像的搜索窗口#的颜色直方图和2D概率分布图；
[0022] 假设I (x，y)是概率分布图像在点（x，y)处的值，并给定移动的阈值A，利用公式
[0024] 来寻找搜索窗口 #的形心，并将搜索窗口#的中心移到形心位置，直至形心的 移动小于阈值A，即得到最终的形心，其中X。、y。分别为形心的的横纵坐标，（U) ，由 (1-2)变换成第0阶距和第1阶距：
[0028] 其中，M"为第0阶距，M1Q、MQ1为第1阶距，
[0029] 设人脸区域的长度1和宽度w为：通过公式 CN 105184273 A 说明书 3/9 页
[0031] 计算得到跟踪区域c的范围，其中
[0032] 根据KLT算法得到用于跟踪兴趣点的集合P，兴趣点落在跟踪区域c范围之内，标 记为有效兴趣点；兴趣点落在跟踪区域c范围之外，标记为无效兴趣点，根据公式（1-1)，得 到最终人脸跟踪兴趣点的集合P' ；
[0033] 计算兴趣点集合P'的外接矩形，作为最终的人脸跟踪区域；
[0034] 所述更新单元，用于根据人脸跟踪单元中获得的人脸跟踪区域进行更新，使人脸 图像序列的人脸跟踪区域和实际的人脸图像区域相一致。
[0035] 采用上述进一步方案的有益效果是：该算法得到的人脸跟踪区域和实际的人脸区 域更接近，在实际场景中具有较高的铝棒性。
[0036] 进一步，所述人脸图像质量评估模块包括眼部区域检测单元、眼部显著性单元和 选取单元，
[0037] 所述眼部区域检测单元，用于从人脸图像序列的人脸跟踪区域中提取眼部区域；
[0038] 所述眼部显著性单元，用于根据左眼和右眼的明亮度计算人脸图像序列的各个人 脸跟踪区域显著性得分；
[0039] 所述选取单元，用于设定图像选取数目，按图像选取数目从显著性得分的结果中 选出分数高于预定值的目标画面人脸图像序列。
[0040] 采用上述进一步方案的有益效果是：由于标准的人脸的显著图的明亮区域主要集 中在两只眼睛的位置，随着光照条件、头部姿态、清晰度、表情等变化，显著图的明亮区域会 发生相应变化，从人类视觉感受出发，提出一种基于显著性检测的、结合人脸先验知识的人 脸图像特征提取的方法。
[0041] 进一步，所述人脸图像光照处理模块平滑单元、分块单元和Gamma变换处理单元，
[0042] 所述平滑单元，用于对选出的目标画面人脸图像序列中各人脸跟踪区域进行平滑 处理；
[0043] 所述分块单元，用于对平滑后的各人脸跟踪区域分别进行分块处理；
[0044] 所述Gamma变换处理单元，用于获取Gamma变换的最优变换值，并根据Gamma变换 算法对分成小块的各人脸跟踪区域进行光照改善处理。
[0045] 进一步，所述正面人脸合成模块根据ASM算法对光照改善处理后的各人脸跟踪区 域进行特征点定位，得到定位点，根据TPS薄板样条函数对定位点进行合成处理，从而将目 标画面人脸图像序列合成一张正面人脸图像。
[0046] 采用上述进一步方案的有益效果是：能够有效地合成正面人脸图像，对于带有微 表情人脸图像合成正面人脸具有一定的改善，并且有效地改善光照的变化对人脸识别算法 的影响。
[0047] 本发明解决上述技术问题的另一技术方案如下：一种基于ASM的动态图像正面人 脸重建方法，包括如下步骤：
[0048] 步骤Sl :在视频中提取人脸图像序列，根