1.一种基于自适应下降回归的面部标记点跟踪原型设计方法,其特征在于,包括以下步骤:
步骤一:采用摄像机实时采集人脸图像,随后,将实时采集到的图像输入到计算机内进行分析并处理;
步骤二:采集一帧研究人员的图像,运用卷积变分自动编码器联合粒子滤波模型进行人脸跟踪;
步骤三:把跟踪窗输出到自适应面部标记点跟踪内的随机森林头部姿势预估,对图像中的研究人员进行头部姿势预估计,在随机森林姿势预估中建立三个随机森林,将人脸图像传输给三个随机森林;
步骤四:经过头部姿势预估计处理后的图像直接传输给自适应SDM回归,自适应SDM回归内部在进行下降回归算法SDM的过程中采用不同种类的下降图DM,并且基于正交变换OT-SIFT特征的自适应SDM方法来进行计算并跟踪脸部标记点,以此获得脸部标记关键点坐标;
步骤五:联合CVAE编码器输出的分布式表示得到目标的嵌入式表示,并利用循环神经网络训练获得视线方向回归函数,以此估计关注点坐标。
2.根据权利要求1所述的一种基于自适应下降回归的面部标记点跟踪原型设计方法,其特征在于:所述步骤三中每个随机森林分别对应有5个输出,分别对应有-90°、-45°、0°、
45°、90°,并利用摆角、仰角和旋转角等方式进行分析。
3.根据权利要求1所述的一种基于自适应下降回归的面部标记点跟踪原型设计方法,其特征在于:所述步骤四中的自适应SDM回归内部配合有正交变换OT-SIFT特征的自适应SDM方法,保留传统的SIFT描述子生成过程中确定特征点位置、尺度和方向的步骤,修改SIFT描述子生成过程中通过对特征点周围邻域内的梯度信息进行直方图统计的部分,而是通过对有向梯度信息进行正交变化后,在变化域来获得低维的描述子。
4.根据权利要求1所述的一种基于自适应下降回归的面部标记点跟踪原型设计方法,其特征在于:所述步骤四中的下降回归算法SDM过程中,配合有自适应下降回归模型,其中在下降图DM的训练过程中,把训练集按照头部姿势分成若干个子集,在每个子集上训练得到条件下降图CDM,当测试时,首先通过头部姿势的估计来选择模型中的CDM,然后再根据CDM级联回归计算标记点。
5.根据权利要求3所述的一种基于自适应下降回归的面部标记点跟踪原型设计方法,其特征在于:所述OT-SIFT使用标准SIFT特征生成过程的前三个步骤,也就是使用SIFT的特征点位置、尺度和主方向,不同的是,在描述子生成的过程中,SIFT通过对特征点周围邻域内的梯度信息进行直方图统计,而OT-SIFT通过对有向梯度信息进行正交变化后,在变化域来获得低维的描述子。
6.根据权利要求4所述的一种基于自适应下降回归的面部标记点跟踪原型设计方法,其特征在于:所述SDM数据模型中的一个DM只能代表具有一定尺度变化的某个头部姿态。