本发明涉及领域图像处理领域， 并且更具体地， 涉及一种特征点定位的 方法及装置。 背景技术

自动化人脸特征定位是计算机视觉领域的重要 研究课题。 目前， 在最新 的人脸识别技术中， 所有输入用以进行自动识别的人脸图像， 均需通过人脸 特征点定位来实现局部人脸特征的抽取和人脸 的几何校正。 例如， 在微软的 体感设备釆用的人脸识别技术中， 利用五个关键特征点（左右眼睛、 左右嘴 角和鼻尖 ) 的位置来抽取人脸特征并进行识别。

随着无标记点表情捕捉系统在影视特效产业中 的应用，类似于 "阿凡达" 特效的场景已经成为一种广泛使用的特效， 业界对于鲁棒的真实场景下的人 脸特征点实时定位和动作捕捉技术的需求越来 越高。 而自动化的多视角人脸 特征定位， 作为无标记点表情捕捉的核心， 也广泛地应用在数字娱乐、 增强 现实等诸多应用场景中。

当前釆用的一种特征点定位技术中， 利用二值化图像特征和回归算法实 现人脸特征点定位。 该类技术对人脸特征点进行参数化描述， 并把相应的定 位问题建模为直接从图像到形状参数的回归计 算。 然而， 该类技术无法有效 地处理多姿态人脸特征点的定位问题。 发明内容

本发明实施例提供了一种特征点定位的方法及 装置， 能够实现多姿态场 景下的特征点定位， 同时有较高的准确度和较快的处理速度。

第一方面， 提供了一种特征点定位的方法， 包括： 获取图像 /， 图像 /包 括至少一个特征点； 基于图像 /的三维姿态二值化特征， 对预设的初始三维 姿态参数 进行回归运算， 得到收敛的三维姿态参数 根据收敛的三维姿 态参数 Θ , 确定初始的第 1层特征点集的形状参数 ； 基于图像 /的第 1层形 状二值化特征， 对初始的第 1层特征点集的形状参数 进行回归运算， 得到 收敛的第 1层特征点集的形状参数 V ¹ 。

结合第一方面， 在第一方面的第一种实现方式中， 该方法还包括： 预设 ί的值为 1 ; 根据收敛的第 ί层特征点集的形状参数 V'， 确定初始的第 ί + l层特 征点集的形状参数 ' ⁺¹ ， 基于图像 /的第 ί + l层形状二值化特征， 对初始的第 i + 1层特征点集的形状参数 进行回归运算， 得到收敛的第 ί + 1层特征点集 的形状参数 的值增加 1， 执行上一步骤直至 的值为^ w为预设的大 于 1的正整数。

结合第一方面及其上述实现方式， 在第一方面的第二种实现方式中， 初 始的第 1层特征点集合 V。 ¹ 包括根特征点和子特征点， 基于矢量坐标表示子特 征点与根特征点之间的位置关系，根特征点和 子特征点共同呈现为预设的几 何形状。

结合第一方面及其上述实现方式， 在第一方面的第三种实现方式中， 基 于图像 /的三维姿态二值化特征， 对预设的初始三维姿态参数 进行回归运 算， 得到收敛的三维姿态参数^ 包括： 基于初始三维姿态参数 ， 确定图 像 /的三维姿态二值化特征的第 1值 基于第 1值 ， 确定初始三维姿态参 数 的更新量 Δ ； 根据初始三维姿态参数 和更新量 Δ ， 确定更新后的三 维姿态参数 ；预设 ·的值为 1 ;基于更新后的三维姿态参数 ，确定图像 /的 三维姿态二值化特征的第 1值 Α ₊₁ ， 基于第 1值 Α ₊₁ ， 确定更新后的三维 姿态参数 的更新量 Δ ， 根据更新后的三维姿态参数 和更新量 Δ ， 确定 更新后的三维姿态参数 ₊₁ ； ·的值增加 1， 执行上一步骤直至 ·的值为 m， m 为预设的大于 1的正整数； 根据更新后的三维姿态参数 ₊₁ ， 确定收敛的三维 姿态参数

结合第一方面及其上述实现方式， 在第一方面的第四种实现方式中， 基 于初始三维姿态参数 ，确定图像 /的三维姿态二值化特征的第 1值 A，包括： 根据图像 /和初始三维姿态参数 ， 确定第 1数量的点对或块对； 基于第 1数 量的点对或块对， 确定图像 /的三维姿态二值化特征的第 1值 基于更新 后的三维姿态参数 ， 确定图像 /的三维姿态二值化特征的第 + 1值 A ₊₁ ， 包 括： 根据图像 /和更新后的三维姿态参数 ， 确定第 数量的点对或块对； 基于第 ·数量的点对或块对， 确定图像 /的三维姿态二值化特征的第 · + 1值

。

结合第一方面及其上述实现方式， 在第一方面的第五种实现方式中， 根 据初始三维姿态参数 和更新量 Δ ， 确定更新后的三维姿态参数 ， 包括： 根据以下公式确定更新后的三维姿态参数 ， 其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 根据更新后的三维姿态参数 和更新量 Δ ， 确定更新后的三维姿态参 数 包括： 根据以下公式确定更新后的三维姿态参数 i，

· ₊₁ Δ ·，

其中， 二元运算*满足数学中群的定义， ₊₁ 存在单位元和逆元。

结合第一方面及其上述实现方式， 在第一方面的第六种实现方式中， 基 于图像 /的第 1层形状二值化特征， 对初始的第 1层特征点集的形状参数 进 行回归运算， 得到收敛的第 1层特征点集的形状参数 V ¹ ， 包括： 基于初始的 第 1层特征点集的形状参数 ， 确定图像 /的第 1层形状二值化特征的第 1值 _Ά ; 基于第 1值^， 确定初始的第 1层特征点集的形状参数 的更新量 Δ ； 根据初始的第 1层特征点集的形状参数 V。 ¹ 和更新量 Δ ， 确定更新后的第 1层 特征点集的形状参数 V ; 预设 ·的值为 1 ; 基于更新后的第 1层特征点集的形 状参数 ；， 确定图像 /的第 1层形状二值化特征的第 +i值^ ,， 基于第 +i值 , 确定更新后的第 1层特征点集的形状参数 ;的更新量 Δ ；， 根据更新后 的第 1层特征点集的形状参数 ；和更新量 Δ ;， 确定更新后的第 1层特征点集 的形状参数 / ₊₁ ; J'的值增加 1， 执行上一步骤直至 J'的值为 m， m为预设的大 于 1的正整数； 根据更新后的第 1层特征点集的形状参数 / ₊₁ ， 确定收敛的第 1 层特征点集的形状参数 V ¹ 。

结合第一方面及其上述实现方式， 在第一方面的第七种实现方式中， 基 于初始的第 1层特征点集的形状参数 ， 确定图像 /的第 1层形状二值化特征 的第 1值^， 包括： 根据图像 /和初始的第 1层特征点集的形状参数 ， 确定 第 1层第 1数量的点对或块对；基于第 1层第 1数量的点对和 /或块对，确定图像 I的第 1层形状二值化特征的第 1值^；基于更新后的第 1层特征点集的形状参 数 V； , 确定图像 /的第 1层形状二值化特征的第 1值^ ,， 包括： 根据图像 / 和更新后的第 1层特征点集的形状参数 /，确定第 1层第 ·数量的点对或块对； 基于第 1层第 ·数量的点对或块对， 确定图像 /的第 1层形状二值化特征的第 +i值 。

结合第一方面及其上述实现方式， 在第一方面的第八种实现方式中， 根 据初始的第 1层特征点集的形状参数 和更新量 Δ ， 确定更新后的第 1层特 征点集的形状参数 ， 包括： 根据以下公式确定更新后的第 1层特征点集的 形状参数 V ，

κ ，

其中， 二元运算*满足数学中群的定义， V存在单位元和逆元； 根据更新后的第 1层特征点集的形状参数 ；和更新量 Δ /，确定更新后的 第 1层特征点集的形状参数 / ₊₁ ， 包括： 根据以下公式确定更新后的第 1层特 征点集的形状参数 / ₊₁ ， 其中， 二元运算*满足数学中群的定义， / ₊₁ 存在单位元和逆元。

结合第一方面及其上述实现方式， 在第一方面的第九种实现方式中， 基 于图像 /的第 ί + 1层形状二值化特征， 对初始的第 ί + 1层特征点集的形状参数 V _Q ' ⁺¹ 进行回归运算， 得到收敛的第 + 1层特征点集的形状参数 ν ^ί+1 ， 包括： 基 于初始的第 ί + 1层特征点集的形状参数 ， 确定图像 /的第 ί + 1层形状二值 化特征的第 1值 ； 基于第 1值 ， 确定初始的第 + 1层特征点集的形状参数 V ₀ ⁱ⁺¹ 的更新量 Δ ⁺¹ ； 根据初始的第 ί + 1层特征点集的形状参数 V _Q ⁱ⁺¹ 和更新量 Δ ₀ ' ⁺¹ , 确定更新后的第 ί + l层特征点集的形状参数^' ⁺¹ ； 预设 ·的值为 1; 基 于更新后的第 +1层特征点集的形状参数 / ⁺¹ ， 确定图像 /的第 ί+ι层形状二 值化特征的第 j'+i值《 ₊₁ ，基于第 j'+i值 ₊₁ ， 确定更新后的第 ί+ι层特征点集 的形状参数 vj ⁺¹ 的更新量 Δ ; ⁺¹ ， 根据更新后的第 + 1层特征点集的形状参数 / ⁺¹ 和更新量 Δ / ⁺¹ ， 确定更新后的第 ί+ι层特征点集的形状参数 / ₊ ⁺ ; ·的值 增加 1， 执行上一步骤直至 ·的值为 m， m为预设的大于 1的正整数； 根据更 新后的第 ί + 1层特征点集的形状参数 V ， 确定收敛的第 ί + 1层特征点集的形 状参数 ⁺¹ 。

结合第一方面及其上述实现方式， 在第一方面的第十种实现方式中， 基 于初始的第 ί + 1层特征点集的形状参数 ， 确定图像 /的第 ί + 1层形状二值 化特征的第 1值 ， 包括： 根据图像 /和初始的第 ί + l层特征点集的形状参数 V _D ^M , 确定第 ί + l层第 1数量的点对或块对； 基于第 ί + l层第 1数量的点对或块 对，确定图像 /的第 ί + l层形状二值化特征的第 1值 ;基于更新后的第 ί + l层 特征点集的形状参数 / ⁺¹ ， 确定图像 /的第 ί+ι层形状二值化特征的第 ·+ι值 a _j+x , 包括： 根据图像 /和更新后的第 + 1层特征点集的形状参数 / ⁺¹ ， 确定 第 + 1层第 ·数量的点对或块对； 基于第 + 1层第 ·数量的点对或块对， 确定 图像 /的第 + 1层形状二值化特征的第 + 1值 . ₊₁ 。

结合第一方面及其上述实现方式， 在第一方面的第十一种实现方式中， 根据初始的第 ί + 1层特征点集的形状参数 V _Q ⁱ⁺¹ 和更新量 Δ V _Q ⁱ⁺¹ ，确定更新后的第 + 1层特征点集的形状参数^' ⁺¹ ， 包括： 根据以下公式确定更新后的第 + 1层 特征点集的形状参数

其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 根据更新后的第 ί + 1层特征点集的形状参数 V ⁺¹ 和更新量 Δ / ⁺¹ ，确定更新 后的第 + 1层特征点集的形状参数 V/ ₊ ⁺ ， 包括： 根据以下公式确定更新后的第 + 1层特征点集的形状参数 ，

V;;=V!;;*AV!;,

其中， 二元运算*满足数学中群的定义， / ₊ ⁺ 存在单位元和逆元。

第二方面， 提供了一种特征点定位装置， 包括： 获取单元， 用于获取图 像 /， 图像 /包括至少一个特征点； 第一处理单元， 用于基于图像 /的三维姿 态二值化特征， 对预设的初始三维姿态参数 进行回归运算， 得到收敛的三 维姿态参数 第二处理单元， 用于根据收敛的三维姿态参数^ 确定初始 的第 1层特征点集的形状参数 ， 基于图像 /的第 1层形状二值化特征， 对初 始的第 1层特征点集的形状参数 进行回归运算，得到收敛的第 1层特征点集 的形状参数 V ¹ 。

结合第二方面，在第二方面的第一种实现方式 中，第二处理单元还用于， 预设 的值为 1; 根据收敛的第 层特征点集的形状参数 '， 确定初始的第 ί + 1 层特征点集的形状参数 V _Q ' ⁺¹ ， 基于图像 /的第 ί + l层形状二值化特征， 对初始 的第 ί + 1层特征点集的形状参数 V _Q ' ⁺¹ 进行回归运算， 得到收敛的第 ί + 1层特征 点集的形状参数 的值增加 1， 执行上一步骤直至 的值为^ w为预设 的大于 1的正整数。

结合第二方面及其上述实现方式， 在第二方面的第二种实现方式中， 初 始的第 1层特征点集合 包括根特征点和子特征点， 基于矢量坐标表示子特 征点与根特征点之间的位置关系，根特征点和 子特征点共同呈现为预设的几 何形状。

结合第二方面及其上述实现方式， 在第二方面的第三种实现方式中， 第 一处理单元具体用于， 基于初始三维姿态参数 ， 确定图像 /的三维姿态二 值化特征的第 1值 基于第 1值 ， 确定初始三维姿态参数 的更新量 Δ ； 根据初始三维姿态参数 和更新量 Δ ，确定更新后的三维姿态参数 ；预设 J'的值为 1 ; 基于更新后的三维姿态参数 ， 确定图像 /的三维姿态二值化特 征的第 1值 Α ₊₁ ， 基于第 · + 1值 y¾ ₊₁ ， 确定更新后的三维姿态参数 的更新 量 Δ ， 根据更新后的三维姿态参数 和更新量 Δ ， 确定更新后的三维姿态 参数 j '的值增加 1， 执行上一步骤直至 J'的值为 m， m为预设的大于 1的 正整数； 根据更新后的三维姿态参数 ,， 确定收敛的三维姿态参数

结合第二方面及其上述实现方式， 在第二方面的第四种实现方式中， 第 一处理单元具体用于， 根据图像 /和初始三维姿态参数 ， 确定第 1数量的点 对或块对；基于第 1数量的点对或块对，确定图像 /的三维姿态二值化特征的 第 1值 根据图像 /和更新后的三维姿态参数 ，确定第 ·数量的点对或块 对； 基于第 ·数量的点对或块对， 确定图像 /的三维姿态二值化特征的第 j' + l 值

结合第二方面及其上述实现方式， 在第二方面的第五种实现方式中， 第 一处理单元具体用于， 根据以下公式确定更新后的三维姿态参数 ，

其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 根据以下公式确定更新后的三维姿态参数 ₊₁ ，

+ ₁ =

其中， 二元运算*满足数学中群的定义， ₊₁ 存在单位元和逆元。

结合第二方面及其上述实现方式， 在第二方面的第六种实现方式中， 第 二处理单元具体用于，基于初始的第 1层特征点集的形状参数 ，确定图像 / 的第 1层形状二值化特征的第 1值 基于第 1值^， 确定初始的第 1层特征点 集的形状参数 V。 ¹ 的更新量 Δ ；根据初始的第 1层特征点集的形状参数 V。 ¹ 和更 新量 Δ ， 确定更新后的第 1层特征点集的形状参数 V ; 预设 ·的值为 1 ; 基 于更新后的第 1层特征点集的形状参数 ；， 确定图像 /的第 1层形状二值化特 征的第 + l值； ^， 基于第 j' + l值; ^， 确定更新后的第 1层特征点集的形状参 数 /的更新量 Δ /，根据更新后的第 1层特征点集的形状参数 /和更新量 Δ /， 确定更新后的第 1层特征点集的形状参数 ·的值增加 i，执行上一步骤直 至 j'的值为 m， m为预设的大于 1的正整数； 根据更新后的第 1层特征点集的 形状参数 ， 确定收敛的第 1层特征点集的形状参数 V ¹ 。。

结合第二方面及其上述实现方式， 在第二方面的第七种实现方式中， 第 二处理单元具体用于，根据图像 /和初始的第 1层特征点集的形状参数 ，确 定第 1层第 1数量的点对或块对；基于第 1层第 1数量的点对和 /或块对，确定图 像 I的第 1层形状二值化特征的第 1值 ； 根据图像 /和更新后的第 1层特征点 集的形状参数 ；， 确定第 1层第 数量的点对或块对； 基于第 1层第 ·数量的 点对或块对， 确定图像 /的第 1层形状二值化特征的第 · + 1值^ ,。

结合第二方面及其上述实现方式， 在第二方面的第八种实现方式中， 第 二处理单元具体用于， 根据以下公式确定更新后的第 1层特征点集的形状参 数 ，

κ ，

其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 根据以下公式确定更新后的第 1层特征点集的形状参数 ，

V; ₊₁ =V;.AV;,

其中， 二元运算*满足数学中群的定义， / ₊₁ 存在单位元和逆元。

结合第二方面及其上述实现方式， 在第二方面的第九种实现方式中， 第 二处理单元具体用于， 基于初始的第 + 1层特征点集的形状参数 V _Q ' ⁺¹ ， 确定图 像 /的第 + 1层形状二值化特征的第 1值 ； 基于第 1值 ， 确定初始的第 + 1 层特征点集的形状参数 V _Q ⁱ⁺¹ 的更新量 Δζ。 ^ί+1 ；根据初始的第 ί + 1层特征点集的形 状参数 V _Q ' ⁺¹ 和更新量 AV _Q ' ⁺¹ ， 确定更新后的第 ί + l层特征点集的形状参数 ； 预设 ·的值为 1; 基于更新后的第 +1层特征点集的形状参数 / ⁺¹ ， 确定图像 / 的第 + 1层形状二值化特征的第 + 1值 ₊₁ ，基于第 j' + l值 ₊₁ ， 确定更新后的 第 ί + 1层特征点集的形状参数 V; ⁺¹ 的更新量 Δ / ⁺¹ ， 根据更新后的第 ί + 1层特征 点集的形状参数 和更新量 Δ / ⁺¹ ，确定更新后的第 ί+ι层特征点集的形状参 数 ·的值增加 1， 执行上一步骤直至 ·的值为 m， m为预设的大于 1的正 整数； 根据更新后的第 ί+ι层特征点集的形状参数 / ₊ ⁺ ;， 确定收敛的第 ί+ι层 特征点集的形状参数 。

结合第二方面及其上述实现方式， 在第二方面的第十种实现方式中， 第 二处理单元具体用于，根据图像 /和初始的第 ί + l层特征点集的形状参数 ν。 ^ί+1 ， 确定第 + 1层第 1数量的点对或块对； 基于第 + 1层第 1数量的点对或块对， 确 定图像 /的第 + 1层形状二值化特征的第 1值 根据图像 /和更新后的第 ί + 1 层特征点集的形状参数 ⁺¹ ，确定第 ί+ι层第 ·数量的点对或块对；基于第 +1 层第 ·数量的点对或块对， 确定图像 /的第 + 1层形状二值化特征的第 · + 1值 ^a J^。

结合第二方面及其上述实现方式， 在第二方面的第十一种实现方式中， 第二处理单元具体用于， 根据以下公式确定更新后的第 + 1层特征点集的形 状参数 ，

其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 根据以下公式确定更新后的第 ί + 1层特征点集的形状参数 V：；，

V;;; = V;;; . AVj ; ,

其中， 二元运算*满足数学中群的定义， / ₊ ⁺ 存在单位元和逆元。

本发明实施例的技术方案中， 可以分别对三维姿态和特征点集合进行建 模， 然后根据三维姿态的输出结果选取特征点集合 模型的初始化参数， 从而 能够实现多姿态场景下的特征点定位， 同时有较高的准确度和较快的处理速 度。 附图说明

为了更清楚地说明本发明实施例的技术方案， 下面将对本发明实施例中 所需要使用的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本 发明的一些实施例， 对于本领域普通技术人员来讲， 在不付出创造性劳动的 前提下， 还可以根据这些附图获得其他的附图。

图 1是本发明实施例特征点定位的方法的示意性� �程图。

图 2是本发明实施例的三维姿态建模的示意图。

图 3是本发明一个实施例的特征点集的形状参数� �行回归运算过程的示 意性流程图。

图 4是本发明另一实施例的特征点集的形状参数� �行回归运算过程的示 意性流程图。

图 5是本发明一个实施例的特征点定位装置的示� �性框图。 图 6是本发明另一实施例的特征点定位装置的示� �性框图。 具体实施方式

下面将结合本发明实施例中的附图，对本发明 实施例中的技术方案进行 清楚、 完整地描述， 显然， 所描述的实施例是本发明的一部分实施例， 而不 是全部实施例。 基于本发明中的实施例， 本领域普通技术人员在没有作出创 造性劳动的前提下所获得的所有其他实施例， 都应属于本发明保护的范围。

图 1是本发明实施例特征点定位的方法的示意性� �程图。图 1的方法 100 包括：

110, 获取图像 /， 图像 /包括至少一个特征点。

120,基于图像 /的三维姿态二值化特征，对预设的初始三维� �态参数 进行回归运算， 得到收敛的三维姿态参数

130， 根据收敛的三维姿态参数^ 确定初始的第 1层特征点集的形状参 数 。

140，基于图像 /的第 1层形状二值化特征，对初始的第 1层特征点集的形 状参数 进行回归运算， 得到收敛的第 1层特征点集的形状参数 V ¹ 。

本发明实施例中， 分别对三维姿态和特征点集合进行建模， 然后根据三 维姿态的输出结果选取特征点集合模型的初始 化参数，从而能够实现多姿态 场景下的特征点定位， 同时有较高的准确度和较快的处理速度。

应理解，收敛的第 1层特征点集的形状参数 V ¹ 表示了图像 /的特征点，也 即得到收敛的第 1层特征点集的形状参数 V ¹ 后， 就完成了图像 /的特征点定 位。 同时， 也可将收敛的三维姿态参数 作为特征点定位结果的一部分。

另外， 根据本发明实施例的方法， 对三维姿态和特征点集合釆用统一的 特征描述， 也即进行建模。 例如， 在人脸特征点定位的应用场景下， 对人脸 的三维姿态和特征点分别建模。 然后， 基于统一的回归算法对初始参数进行 回归运算， 最终得到收敛的结果。 例如， 获取人脸图像的初始化三维姿态参 数， 基于人脸图像进行回归运算， 最终得到收敛的三维姿态参数。 这样， 本 发明实施例的特征点定位方法有更强的扩展性 ，使进一步提高定位准确度成 为可能。 同时， 对不同场景下的特征点定位具有适应性。

可选地， 作为一个实施例， 还可以预设 的值为 1。 根据收敛的第 层特 征点集的形状参数 '， 确定初始的第 ί+l层特征点集的形状参数 ν。 ^ί+1 ， 基于图 像 /的第 ί + 1层形状二值化特征， 对初始的第 ί + 1层特征点集的形状参数 进行回归运算，得到收敛的第 ί + l层特征点集的形状参数 V' ⁺¹ 。将 ί的值增加 1， 执行上一步骤直至 的值为 η， η为预设的大于 1的正整数。

这样， 将需要定位的特征点分为多层， 每一层根据前一层输出的特征点 集合进行建模， 也即确定初始的特征点集合， 能够进一步提高特征点定位的 准确度和处理速度。

可选地， 作为另一实施例， 初始的第 1层特征点集合 包括根特征点和 子特征点， 基于矢量坐标表示子特征点与根特征点之间的 位置关系， 根特征 点和子特征点共同呈现为预设的几何形状。

在对第 1层特征点进行建模时，基于矢量坐标表示特� �点之间的位置关 系， 各特征点共同呈现为与图像 /匹配的几何形状， 这样能够更快速的对图 像 /的特征点进行定位。 应理解， 可以通过训练预先确定不同类型图像匹配 的几何形状。 例如， 在人脸特征点定位的应用场景下， 左眼、 右眼和嘴巴形 成了三角形， 因此可设置根特征点和子特征点共同呈现为三 角形。

可选地，作为另一实施例，初始的第 ί + l层特征点集合 V _Q ' ⁺¹ 包括子特征点， 基于矢量坐标表示子特征点与收敛的第 层特征点集合 V''中的特征点之间的 位置关系。

可选地， 作为另一实施例， 在步骤 120中， 基于初始三维姿态参数 ， 确定图像 /的三维姿态二值化特征的第 1值 A。 再基于第 1值4， 确定初始三 维姿态参数 的更新量 Δ ， 根据初始三维姿态参数 和更新量 Δ ， 确定更 新后的三维姿态参数 。 然后， 预设 的值为 1， 基于更新后的三维姿态参数 9 确定图像 /的三维姿态二值化特征的第 j' + l值 A ₊₁ ， 再基于第 j' + l值 A ₊₁ ， 确定更新后的三维姿态参数 的更新量 Δ ， 根据更新后的三维姿态参数 和更新量 Δ ， 确定更新后的三维姿态参数 ₊₁ ； 将 ·的值增加 1， 执行上一步 骤直至 ·的值为 m， m为预设的大于 1的正整数。 最后， 根据更新后的三维姿 态参数 ₊₁ ， 确定收敛的三维姿态参数

可选地， 作为另一实施例， 在基于初始三维姿态参数 ， 确定图像 /的 三维姿态二值化特征的第 1值 A时， 根据图像 /和初始三维姿态参数 ， 确定 第 1数量的点对或块对， 再基于第 1数量的点对或块对， 确定图像 /的三维姿 态二值化特征的第 1值 。 在基于更新后的三维姿态参数 ， 确定图像 /的 三维姿态二值化特征的第 j' + l值 时，根据图像 /和更新后的三维姿态参数 6 确定第 ·数量的点对或块对， 再基于第 ·数量的点对或块对， 确定图像 / 的三维姿态二值化特征的第 · + 1值 y¾ ₊₁ 。

这样， 根据点对或块对来确定二值化特征， 能够实现更快速且轻量级的 图像特征点定位。

可选地， 作为一个实施例， 其特征在于， 在根据初始三维姿态参数 和 更新量 Δ ， 确定更新后的三维姿态参数 时， 根据公式（1 )确定更新后的 三维姿态参数^

Θ,=Θ ₀ ·ΑΘ ₀ ( 1 ) 其中， 二元运算*满足数学中群的定义， 存在单位元和逆元。

在根据更新后的三维姿态参数 和更新量 Δ ， 确定更新后的三维姿态 参数 ₊₁ 时， 根据公式（2)确定更新后的三维姿态参数 ₊₁ ，

其中， 二元运算*满足数学中群的定义， ₊₁ 存在单位元和逆元。

这样， 在对特征点进行定位时， 能够进一步提高准确度。

可选地， 作为另一实施例， 在步骤 140中， 基于初始的第 1层特征点集 的形状参数 ， 确定图像 /的第 1层形状二值化特征的第 1值^。 再基于第 1值 γ _λ ，确定初始的第 1层特征点集的形状参数 的更新量 Δ ，根据初始的第 1层 特征点集的形状参数 V。 ¹ 和更新量 Δ ，确定更新后的第 1层特征点集的形状参 数 。 然后， 预设 ·的值为 1， 基于更新后的第 1层特征点集的形状参数 ；， 确定图像 /的第 1层形状二值化特征的第 1值^ ,， 再基于第 1值^ ,， 确 定更新后的第 1层特征点集的形状参数 ；的更新量 Δ ;， 根据更新后的第 1层 特征点集的形状参数 V]和更新量 Δ /，确定更新后的第 1层特征点集的形状参 数 V; ₊₁ ; 将 ·的值增加 1， 执行上一步骤直至 ·的值为 m， m为预设的大于 1的 正整数。 最后， 根据更新后的第 1层特征点集的形状参数 / ₊₁ ， 确定收敛的第 1层特征点集的形状参数 V ¹ 。

可选地， 作为另一实施例， 在基于初始的第 1层特征点集的形状参数 V。 ¹ ， 确定图像 /的第 1层形状二值化特征的第 1值 时， 先根据图像 /和初始的第 1 层特征点集的形状参数 ， 确定第 1层第 1数量的点对或块对， 再基于第 1层 第 1数量的点对和 /或块对， 确定图像 /的第 1层形状二值化特征的第 1值 。 在基于更新后的第 1层特征点集的形状参数 ；， 确定图像 /的第 1层形状二值 化特征的第 · + 1值^时， 先根据图像 /和更新后的第 1层特征点集的形状参 数 V;, 确定第 1层第 ·数量的点对或块对， 再基于第 1层第 ·数量的点对或块 对， 确定图像 /的第 1层形状二值化特征的第 · + 1值^ ,。

这样， 根据点对或块对来确定二值化特征， 能够实现更快速且轻量级的 图像特征点定位。

可选地，作为另一实施例，在根据初始的第 1层特征点集的形状参数 和 更新量 Δ ， 确定更新后的第 1层特征点集的形状参数 时， 根据公式（3) 确定更新后的第 1层特征点集的形状参数；，

V =V .AV (3) 其中， 二元运算*满足数学中群的定义， V存在单位元和逆元。

在根据更新后的第 1层特征点集的形状参数 ;和更新量 Δ ;，确定更新后 的第 1层特征点集的形状参数 / ₊₁ 时， 根据公式（4)确定更新后的第 1层特征 点集的形状参数 / ₊₁ ，

(4) 其中， 二元运算*满足数学中群的定义， / ₊₁ 存在单位元和逆元。

可选地， 作为一个实施例， 在基于图像 /的第 + 1层形状二值化特征， 对 初始的第 ί + 1层特征点集的形状参数 ν。 ^ί+1 进行回归运算， 得到收敛的第 ί + 1层 特征点集的形状参数 时， 基于初始的第 ί + 1层特征点集的形状参数 V _Q ' ⁺¹ ， 确定图像 /的第 + 1层形状二值化特征的第 1值％，再基于第 1值 ，确定初始 的第 ί + l层特征点集的形状参数^' ⁺¹ 的更新量 Δ ⁺¹ ， 根据初始的第 + 1层特征 点集的形状参数 V _Q ' ⁺¹ 和更新量 AV _Q ' ⁺¹ ，确定更新后的第 ί + l层特征点集的形状参 数 ⁺¹ 。然后，预设 ·的值为 1，基于更新后的第 _ζ · + 1层特征点集的形状参数 ， 确定图像 /的第 +1层形状二值化特征的第 j'+l值《 ₊₁ ， 基于第 j'+l值 ₊₁ ， 确 定更新后的第 ί + 1层特征点集的形状参数 V) ⁺¹ 的更新量 Δ ; ⁺¹ ，根据更新后的第 i + 1层特征点集的形状参数 / ⁺¹ 和更新量 Δ / ⁺¹ ， 确定更新后的第 + 1层特征点 集的形状参数 ； 将 j的值增加 1， 执行上一步骤直至 j的值为 m， m为预设 的大于 1的正整数。 最后， 根据更新后的第 +1层特征点集的形状参数 / ₊ ⁺ ;， 确定收敛的第 ί + 1层特征点集的形状参数 。

可选地， 作为另一实施例， 在基于初始的第 + 1层特征点集的形状参数 0 ^,+1 , 确定图像 /的第 ί+ι层形状二值化特征的第 1值 时， 先根据图像 /和初 始的第 ί + l层特征点集的形状参数 V _Q ' ⁺¹ ， 确定第 + 1层第 1数量的点对或块对， 再基于第 ί + 1层第 1数量的点对或块对， 确定图像 /的第 ί + 1层形状二值化特 征的第 l值 。在基于更新后的第 ί+ι层特征点集的形状参数 / ⁺¹ ，确定图像 / 的第 +1层形状二值化特征的第 +i值 时，先根据图像 /和更新后的第 ζ·+1 层特征点集的形状参数 / ⁺¹ ， 确定第 ί+ι层第 ·数量的点对或块对， 再基于第 + 1层第 ·数量的点对或块对，确定图像 /的第 + 1层形状二值化特征的第 j' + l 值 。

这样， 根据点对或块对来确定二值化特征， 能够实现更快速且轻量级的 图像特征点定位。

可选地， 作为另一实施例， 在根据初始的第 +1层特征点集的形状参数

V _Q ' ⁺¹ 和更新量 AV _Q ' ⁺¹ ， 确定更新后的第 + 1层特征点集的形状参数 时， 根据 公式（5 )确定更新后的第 + 1层特征点集的形状参数 ¼' ⁺¹ ，

其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 在根据更新后的第 + 1层特征点集的形状参数 / ⁺¹ 和更新量 Δ / ⁺¹ ，确定更 新后的第 + 1层特征点集的形状参数 ν 时，根据公式（ 6 )确定更新后的第 ί + 1 层特征点集的形状参数 V, 其中， 二元运算*满足数学中群的定义， / ₊ ⁺ 存在单位元和逆元。

下面将结合具体的例子详细描述本发明实施例 。 应注意， 这些例子只是 为了帮助本领域技术人员更好地理解本发明实 施例， 而非限制本发明实施例 的范围。

图 2是本发明实施例的三维姿态建模的示意图。� �图 2所示，以俯仰角、 偏转角和滚动角表征三维姿态。 具体地， 可以对三维姿态进行建模， 以三维 姿态参数^ {^ _¾ ,^, „}表征三维姿态， 其中， _¾ 表示俯仰角， ^表示偏 转角， „表示滚动角。 以 表示初始化三维姿态参数， 基于输入的图像 /对 进行回归运算， 其中， 回归运算过程中使用的回归模型为预配置的， 或实 时获取的。 V _Q '。 这样， 能够进一步提高准确度和运算速度。 然后， 对每一层特征点子集 合初始化参数分别进行回归运算， 得到每一层特征点子集合的收敛结果。 其 中， 回归运算过程中使用的回归模型为预配置的， 或实时获取的。

可以基于矢量坐标表示各特征点子集合中的特 征点。 例如， 第一层包括 三个特征点， 左眼、 右眼和嘴巴， 假设将左眼作为根节点， 使用矢量坐标表 示右眼和嘴巴相对于左眼的位置关系。 第二层包括十个特征点， 三个特征点 隶属于左眼（即将左眼作为父亲节点）， 基于矢量坐标表示与左眼特征点的 位置关系； 三个隶属于右眼（即将右眼作为父亲节点）， 基于矢量坐标表示 与右眼特征点的位置关系； 四个隶属于嘴巴 （即将嘴巴作为父亲节点）， 基 于矢量坐标表示与嘴巴特征点的位置关系。每 层特征点集合中包含的特征点 可以共同呈现为预设的与人脸特征匹配的几何 形状， 这样可以提高回归运算 的速度和准确度， 从而提高了特征点定位的速度和准确度。

为描述方便， 下文将三维姿态参数和特征点集的形状参数统 称为形状参 数。

例如， 可以事先按照以下训练过程进行每一个回归模 型的训练： 在基于图像的二值化特征进行回归运算时， 假设获取到了长度为 k的二 值化特征（二进制特征串）， 可以根据此二进制特征串， 把训练样本的特征 划分到 2个特征子空间。 对每一个长度为 的二值化特征， 根据公式（7)进 行回归训练。

r,* =argmin^.|S _I .-r( (/ _i .,S))| ₂ (7) 其中， F(/,,S;>为第 张图像 /,根据形状参数 S， 确定的二值化特征， S,为 回归目标。 在训练中， 由于根据二值化特征确定了到 2 ^λ 个子空间的映射， 对 应的每个子空间的回归目标集合定义为 {S,}。 在最小化残差的优化准则下， 我们可以得到回归模型 r;的解析表达式（ 8 )。

r*(F(l,S)\F(l,S) = ) = mean{S _i \F(l _i ,S) = μ] (8) 由于一个二值化特征比较弱， 可以通过级联的方式对多个二值化特征 进行组合， 来提高整个回归模型的预测能力。 具体地， 我们使用梯 度级联的学习算法， 在此框架下训练， 可以得到增强的回归模型函数表达式

(9)。

, (9) 其中， 为每个弱回归模型的学习系数。 基于图像 /的二值化特征对初始化形状参数 S _Q 进行回归运算时， 可以按 照以下步骤进行：

对于图像 /， 获取初始化形状参数 S _Q ， 利用分阶段参数回归策略， 在 T 个阶段逐步调整形状参数 , s ₂ ,...,s }， 最终收敛得到正确的物体形状参数描 述^。

图 3是本发明一个实施例的特征点集的形状参数� �行回归运算过程的示 意性流程图。 如图 3所示， 以第一层特征点集模型为例描述回归运算过程 。 在初始阶段， 给出三个特征点（左眼、 右眼和嘴中心）的形状参数的初始估 计5。 （对应于图 3 中左侧图的三个特征点）。 在第 ί个阶段， 利用回归模型 优化前一个阶段得到的形状参数 — ,。 其中， /为本层选用的回归 模型。 第 ί个阶段的二值化特征 是根据前一个阶段的形状参数 ,确 定的。 具体地， 可以根据以下公式（10)和（11 )确定长度为 的二值化特 征 ：

F(l,X) = (f _l (l,X _l ),f ₂ (l,X ₂ ),...,f _k (l,X _k )) ( 10) i

表示在图像 /中根据 X确定的二值化特征， r,为预设的阔值， X为 根据形状参数 S确定的 个点对或点块的位置信息， X = {x ₁ ,x ₂ ,..., X _k }， Χ,. = 1,2".., 。

所有二值化特征中的位置信息 _X 都是基于形状参数 S确定的， 当形状参 数 S发生改变， 对应的 X也会发生改变， 最终的二值化特征 也随之改 变。

然后，根据当前阶段的回归模型 r _t (F (I, S _t _, ))确定形状参数 S _t _,在阶段 t的 增量 Δ 。 最后， 根据增量 和前一个阶段的形状参数 ^共同确定 ί阶段的 形状参数 。 重复上述步骤直至第 Γ步， 形状参数 收敛。 图 3中间图中的 三个特征点所示的为根据第 1 个阶段的增量 和初始估计 S _Q 共同确定的本 阶段的形状参数 。 经过多次上述步骤， 可以得到图 3右侧图中收敛的形状 参数（三个特征点分别落入左眼、 右眼和嘴巴的位置）。

图 4是本发明另一实施例的特征点集的形状参数� �行回归运算过程的示 意性流程图。 图 4所示的特征点集合（对应于小圓点所示的特� �点） 包括十 个子特征点，基于矢量坐标表示与图 3中收敛的三个特征点之间的位置关系。 图 4右侧图为初始的形状参数， 经过多次回归运算得到图 4中左侧图所示的 收敛结果， 最终十个特征点分别落入眉毛和嘴角的位置。 回归过程与前文所 述方法相同， 为避免重复， 在此不再赘述。

为了提高分阶段回归算法的鲁棒性，可以分别 构造不同的初始的形状参 数估计集合 { , = 1, ..., M，得到最终的回归参数估计集合 {^, = 1, ..., M。然后， 利用聚类算法对于回归参数估计集合进行聚类 ， 以得到最终的鲁棒形状参数 估计 S _T 。

图 5是本发明一个实施例的特征点定位装置的示� �性框图。 图 5中的装 置 50包括获取单元 501、 第一处理单元 502和第二处理单元 503。

获取单元 501， 用于获取图像 /， 图像 /包括至少一个特征点；

第一处理单元 502， 用于基于图像 /的三维姿态二值化特征， 对预设的 初始三维姿态参数 进行回归运算， 得到收敛的三维姿态参数

第二处理单元 503， 用于根据收敛的三维姿态参数 确定初始的第 1层 特征点集的形状参数 V。 ¹ ，基于图像 /的第 1层形状二值化特征，对初始的第 1层 特征点集的形状参数 进行回归运算， 得到收敛的第 1层特征点集的形状参 数 V ¹ 。

本发明实施例中， 分别对三维姿态和特征点集合进行建模， 然后根据三 维姿态的输出结果选取特征点集合模型的初始 化参数，从而能够实现多姿态 场景下的特征点定位， 同时有较高的准确度和较快的处理速度。

应理解，收敛的第 1层特征点集的形状参数 V ¹ 表示了图像 /的特征点，也 即得到收敛的第 1层特征点集的形状参数 V ¹ 后， 就完成了图像 /的特征点定 位。 同时， 也可将收敛的三维姿态参数 作为特征点定位结果的一部分。

另外， 根据本发明实施例的方法， 对三维姿态和特征点集合釆用统一的 特征描述， 也即进行建模。 例如， 在人脸特征点定位的应用场景下， 对人脸 的三维姿态和特征点分别建模。 然后， 基于统一的回归算法对初始参数进行 回归运算， 最终得到收敛的结果。 例如， 获取人脸图像的初始化三维姿态参 数， 基于人脸图像进行回归运算， 最终得到收敛的三维姿态参数。 这样， 本 发明实施例的特征点定位方法有更强的扩展性 ，使进一步提高定位准确度成 为可能。 同时， 对不同场景下的特征点定位具有适应性。

可选地， 作为一个实施例， 第二处理单元 503还用于， 预设 的值为 1 ; 根据收敛的第 层特征点集的形状参数 V'，确定初始的第 + 1层特征点集的形 状参数 ' ⁺¹ ， 基于图像 /的第 ί + 1层形状二值化特征， 对初始的第 + 1层特征 点集的形状参数 进行回归运算，得到收敛的第 ί + 1层特征点集的形状参数 V ^M ； 将 的值增加 1， 执行上一步骤直至 的值为^ w为预设的大于 1的正整 数。

这样， 将需要定位的特征点分为多层， 每一层根据前一层输出的特征点 集合进行建模， 也即确定初始的特征点集合， 能够进一步提高特征点定位的 准确度和处理速度。

可选地， 作为另一实施例， 初始的第 1层特征点集合 包括根特征点和 子特征点， 基于矢量坐标表示子特征点与根特征点之间的 位置关系， 根特征 点和子特征点共同呈现为预设的几何形状。

在对第 1层特征点进行建模时，基于矢量坐标表示特� �点之间的位置关 系， 各特征点共同呈现为与图像 /匹配的几何形状， 这样能够更快速的对图 像 /的特征点进行定位。 应理解， 可以通过训练预先确定不同类型图像匹配 的几何形状。 例如， 在人脸特征点定位的应用场景下， 左眼、 右眼和嘴巴形 成了三角形， 因此可设置根特征点和子特征点共同呈现为三 角形。

可选地，作为另一实施例，初始的第 ί + l层特征点集合 包括子特征点， 基于矢量坐标表示子特征点与收敛的第 层特征点集合 V'中的特征点之间的 位置关系。

可选地， 作为另一实施例， 第一处理单元 502具体用于， 基于初始三维 姿态参数 θ ₀ , 确定图像 /的三维姿态二值化特征的第 1值 再基于第 1值 A， 确定初始三维姿态参数 的更新量 Δ ； 根据初始三维姿态参数 和更新量 Αθ ₀ , 确定更新后的三维姿态参数 。 然后， 预设 ·的值为 1， 基于更新后的 三维姿态参数 ， 确定图像 /的三维姿态二值化特征的第 · + 1值 Α ₊₁ ， 基于第 + 1值 Α ₊₁ ， 确定更新后的三维姿态参数 的更新量 Δ ， 根据更新后的三维 姿态参数 和更新量 Δ ， 确定更新后的三维姿态参数 将 ·的值增加 1， 执行上一步骤直至 ·的值为 m， m为预设的大于 1的正整数。 最后， 根据更新 后的三维姿态参数 '， 确定收敛的三维姿态参数

可选地，作为另一实施例，第一处理单元 502具体用于，先根据图像 /和 初始三维姿态参数 0。, 确定第 1数量的点对或块对； 再基于第 1数量的点对或 块对， 确定图像 /的三维姿态二值化特征的第 1 值 A。 先根据图像 /和更新 后的三维姿态参数 ， 确定第；·数量的点对或块对； 再基于第 ·数量的点对 或块对， 确定图像 /的三维姿态二值化特征的第 · + 1值/^

这样， 根据点对或块对来确定二值化特征， 能够实现更快速且轻量级的 图像特征点定位。

可选地，作为另一实施例， 第一处理单元 502具体用于， 根据公式（12) 确定更新后的三维姿态参数 ，

Θ,=Θ ₀ ·ΑΘ ₀ ( 12) 其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 根据公式（13)确定更新后的三维姿态参数 ₊₁ ，

其中， 二元运算*满足数学中群的定义， ₊₁ 存在单位元和逆元。

这样， 在对特征点进行定位时， 能够进一步提高准确度。

可选地， 作为另一实施例， 第二处理单元 503具体用于， 基于初始的第 1层特征点集的形状参数 ， 确定图像 /的第 1层形状二值化特征的第 1值^； 再基于第 1值^ 确定初始的第 1层特征点集的形状参数 V。 ¹ 的更新量 根 据初始的第 1层特征点集的形状参数 和更新量 ， 确定更新后的第 1层特 征点集的形状参数 V。 然后， 预设 ·的值为 1， 基于更新后的第 1层特征点集 的形状参数 ；， 确定图像 /的第 1层形状二值化特征的第 +i值^ ,， 再基于 第 +i值^ 确定更新后的第 1层特征点集的形状参数 ；的更新量 Δν，根据 更新后的第 1层特征点集的形状参数 ;和更新量 Δ ;， 确定更新后的第 1层特 征点集的形状参数 ； ₊₁ ， ·的值增加 1， 执行上一步骤直至 ·的值为 ， m为预 设的大于 1的正整数。 最后， 根据更新后的第 1层特征点集的形状参数 / ₊₁ ， 确定收敛的第 1层特征点集的形状参数 V ¹ 。

可选地，作为另一实施例，第二处理单元 503具体用于，先根据图像 /和 初始的第 1层特征点集的形状参数 ， 确定第 1层第 1数量的点对或块对； 再 基于第 1层第 1数量的点对和 /或块对， 确定图像 /的第 1层形状二值化特征的 第 1值^ 先根据图像 /和更新后的第 1层特征点集的形状参数 ；， 确定第 1层 第 数量的点对或块对； 再基于第 1层第 数量的点对或块对， 确定图像 /的 第 1层形状二值化特征的第 · + 1值 ₊₁ 。

这样， 根据点对或块对来确定二值化特征， 能够实现更快速且轻量级的 图像特征点定位。

可选地，作为另一实施例， 第二处理单元 503具体用于， 根据公式（14) 确定更新后的第 1层特征点集的形状参数 V，

( 14) 其中， 二元运算*满足数学中群的定义， V存在单位元和逆元； 根据公式（15)确定更新后的第 1层特征点集的形状参数 / ₊₁

ν ₊ =ν ·ι^ν ( 15) 其中， 二元运算*满足数学中群的定义， / ₊₁ 存在单位元和逆元。

可选地， 作为另一实施例， 第二处理单元 503具体用于， 基于初始的第 ί + 1层特征点集的形状参数 ， 确定图像 /的第 + 1层形状二值化特征的第 1 值 再基于第 1值％， 确定初始的第 ί+ι层特征点集的形状参数 的更新 量 Δ¼' ⁺¹ ; 根据初始的第 ί + l层特征点集的形状参数 V _Q ' ⁺¹ 和更新量 AV _Q ' ⁺¹ ，确定更 新后的第 + 1层特征点集的形状参数^' ⁺¹ 。 然后， 预设 ·的值为 1，基于更新后 的第 ί + 1层特征点集的形状参数 V ， 确定图像 /的第 ί + 1层形状二值化特征 的第 1值 ₊₁ ，基于第 · + 1值《. ₊₁ ， 确定更新后的第 + 1层特征点集的形状参 数 V; ⁺¹ 的更新量 Δ / ⁺¹ ， 根据更新后的第 ί + 1层特征点集的形状参数 V; ⁺¹ 和更新 量 Δ / ⁺¹ ， 确定更新后的第 ί+ι层特征点集的形状参数 / ₊ ⁺ ， ·的值增加 i， 执 行上一步骤直至 ·的值为 m， m为预设的大于 1的正整数。 最后， 根据更新后 的第 ί + 1层特征点集的形状参数 V):;， 确定收敛的第 ί + 1层特征点集的形状参 数 V' ⁺¹ 。

可选地，作为另一实施例，第二处理单元 503具体用于，先根据图像 /和 初始的第 + 1层特征点集的形状参数 ' ⁺¹ ， 确定第 ί + l层第 1数量的点对或块 对， 再基于第 + 1层第 1数量的点对或块对， 确定图像 /的第 + 1层形状二值 化特征的第 1值 。 先根据图像 /和更新后的第 ί + 1层特征点集的形状参数 V; ⁺¹ , 确定第 ί + l层第 ·数量的点对或块对， 再基于第 + 1层第 ·数量的点对或 块对， 确定图像 /的第 + 1层形状二值化特征的第 · + 1值《. ₊₁ 。

这样， 根据点对或块对来确定二值化特征， 能够实现更快速且轻量级的 图像特征点定位。

可选地，作为另一实施例， 第二处理单元 503具体用于， 根据公式（16) 确定更新后的第 + 1层特征点集的形状参数^ ¹ ，

_V M _{= V} M . _AV M ( 16) 其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 根据公式 （ 17 ) 确定更新后的第 +1层特征点集的形状参数 / ₊ ⁺ ;， V;^ = V^ . AV;^ ( 17 ) 其中， 二元运算*满足数学中群的定义， / ₊ ⁺ 存在单位元和逆元。

图 6是本发明另一实施例的特征点定位装置的示� �性框图。 应用于各种通信系统中的终端。图 6的实施例中，装置 60包括发射电路 602、 接收电路 603、 处理器 604、 存储器 605及天线 601。 处理器 604控制装置 60 的操作， 并且可用于处理信号。 处理器 604 还可以称为 CPU ( Central Processing Unit, 中央处理单元）。 存储器 605可以包括只读存储器和随机存 取存储器， 并向处理器 604提供指令和数据。 存储器 605的一部分还可以包 括非易失行随机存取存储器（NVRAM )。 具体的应用中， 装置 60可以嵌入 或者本身可以就是例如移动电话之类的无线通 信设备。发射电路 602和接收 电路 603可以耦合到天线 601。装置 60的各个组件通过总线系统 606耦合在 一起， 其中总线系统 606除包括数据总线之外， 还包括电源总线、 控制总线 和状态信号总线。 但是为了清楚说明起见， 在图中将各种总线都标为总线系 统 606。

具体地， 存储器 605可存储使得处理器 604执行以下操作的指令： 获取图像 /， 图像 /包括至少一个特征点； 基于图像 /的三维姿态二值化 特征， 对预设的初始三维姿态参数 进行回归运算， 得到收敛的三维姿态参 数 0 ;根据收敛的三维姿态参数^确定初始的第 1层特征点集的形状参数 ； 基于图像 /的第 1层形状二值化特征， 对初始的第 1层特征点集的形状参数 V。 ¹ 进行回归运算， 得到收敛的第 1层特征点集的形状参数 V ¹ 。

本发明实施例中， 分别对三维姿态和特征点集合进行建模， 然后根据三 维姿态的输出结果选取特征点集合模型的初始 化参数，从而能够实现多姿态 场景下的特征点定位， 同时有较高的准确度和较快的处理速度。

应理解， 收敛的第 1层特征点集的形状参数 V ¹ 表示了图像 /的特征点，也 即得到收敛的第 1层特征点集的形状参数 V ¹ 后， 就完成了图像 /的特征点定 位。 同时， 也可将收敛的三维姿态参数 ^作为特征点定位结果的一部分。

另外， 根据本发明实施例的方法， 对三维姿态和特征点集合釆用统一的 特征描述， 也即进行建模。 例如， 在人脸特征点定位的应用场景下， 对人脸 的三维姿态和特征点分别建模。 然后， 基于统一的回归算法对初始参数进行 回归运算， 最终得到收敛的结果。 例如， 获取人脸图像的初始化三维姿态参 数， 基于人脸图像进行回归运算， 最终得到收敛的三维姿态参数。 这样， 本 发明实施例的特征点定位方法有更强的扩展性 ，使进一步提高定位准确度成 为可能。 同时， 对不同场景下的特征点定位具有适应性。

可选地， 作为一个实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令：

预设 的值为 1 ; 根据收敛的第 层特征点集的形状参数 v'， 确定初始的 第 ί + 1层特征点集的形状参数 V _Q ' ⁺¹ ， 基于图像 /的第 ί + 1层形状二值化特征， 对初始的第 + 1层特征点集的形状参数 ⁺¹ 进行回归运算， 得到收敛的第 ζ· + 1 层特征点集的形状参数 将 的值增加 1，执行上一步骤直至 的值为^ n 为预设的大于 1的正整数。

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下过程的指令：

初始的第 1层特征点集合 V。 ¹ 包括根特征点和子特征点， 基于矢量坐标表 示子特征点与根特征点之间的位置关系，根特 征点和子特征点共同呈现为预 设的几何形状。

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下过程的指令：

初始的第 ί + 1层特征点集合 包括子特征点，基于矢量坐标表示子特征 点与收敛的第 层特征点集合 中的特征点之间的位置关系。

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令：

基于初始三维姿态参数 ， 确定图像 /的三维姿态二值化特征的第 1值 ·, 基于第 1值 Α， 确定初始三维姿态参数 的更新量 Δ ； 根据初始三维姿 态参数 和更新量 Δ ， 确定更新后的三维姿态参数 。 然后， 预设 ·的值为 1； 基于更新后的三维姿态参数 ， 确定图像 /的三维姿态二值化特征的第 + 1值 Α ₊₁ ， 基于第 + 1值 Α ₊₁ ， 确定更新后的三维姿态参数 的更新量 Δ ， 根据更新后的三维姿态参数 θ和更新量 Δ ， 确定更新后的三维姿态参数 θ _]+ ； ·的值增加 1， 执行上一步骤直至 ·的值为 ， m为预设的大于 1的正整 数。 最后， 根据更新后的三维姿态参数 ₊₁ ， 确定收敛的三维姿态参数

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令： 先根据图像 /和初始三维姿态参数 ， 确定第 1数量的点对或块对； 再基 于第 1数量的点对或块对， 确定图像 /的三维姿态二值化特征的第 值 ,。 先 根据图像 /和更新后的三维姿态参数 ， 确定第 ·数量的点对或块对； 再基 于第 ·数量的点对或块对，确定图像 /的三维姿态二值化特征的第 · + 1值/^ ,。

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令：

根据公式（18)确定更新后的三维姿态参数^

Θ,=Θ ₀ ·ΑΘ ₀ ( 18) 其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 根据公式（ 19 )确定更新后的三维姿态参数 ₊₁ ，

其中， 二元运算*满足数学中群的定义， ₊₁ 存在单位元和逆元。

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令：

基于初始的第 1层特征点集的形状参数 V。 ¹ ， 确定图像 /的第 1层形状二值 化特征的第 1值^； 基于第 1值^确定初始的第 1层特征点集的形状参数 的 更新量 Δ ； 根据初始的第 1层特征点集的形状参数 和更新量 Δ ， 确定更 新后的第 1层特征点集的形状参数^ ¹ 。 然后， 预设 ·的值为 1; 基于更新后的 第 1层特征点集的形状参数 ；， 确定图像 /的第 1层形状二值化特征的第 +i 值^ ,， 基于第 +i值^ 确定更新后的第 1层特征点集的形状参数 ;的更新 量 ；， 根据更新后的第 1层特征点集的形状参数 ；和更新量 ；， 确定更新 后的第 1层特征点集的形状参数 ； 将 j的值增加 1， 执行上一步骤直至 j的 值为 m， m为预设的大于 1的正整数。 最后， 根据更新后的第 1层特征点集的 形状参数 ， 确定收敛的第 1层特征点集的形状参数 V ¹ 。

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令：

根据图像 /和初始的第 1层特征点集的形状参数 V。 ¹ ，确定第 1层第 1数量的 点对或块对； 基于第 1层第 1数量的点对和 /或块对， 确定图像 /的第 1层形状 二值化特征的第 1值^。根据图像 /和更新后的第 1层特征点集的形状参数 ；， 确定第 1层第 ·数量的点对或块对； 基于第 1层第 ·数量的点对或块对， 确定 图像 /的第 1层形状二值化特征的第 +i值; ,。 可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令：

根据公式（20)确定更新后的第 1层特征点集的形状参数 ，

(20) 其中， 二元运算*满足数学中群的定义， V存在单位元和逆元； 根据公式（21 )确定更新后的第 1层特征点集的形状参数 / ₊₁ ，

^=C (21 ) 其中， 二元运算*满足数学中群的定义， / ₊₁ 存在单位元和逆元。

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令：

基于初始的第 + 1层特征点集的形状参数 ， 确定图像 /的第 + 1层形 状二值化特征的第 1值 ； 基于第 1值 ， 确定初始的第 + 1层特征点集的形 状参数 V ₀ ' ⁺¹ 的更新量 Δ V _Q ' ⁺¹ ； 根据初始的第 ί + 1层特征点集的形状参数 V ₀ ' ⁺¹ 和更 新量 Δν。' ⁺¹ ， 确定更新后的第 ί + l层特征点集的形状参数 V ⁺¹ 。 然后， 预设 的 值为 1; 基于更新后的第 +1层特征点集的形状参数 / ⁺¹ ， 确定图像 /的第 ί+ι 层形状二值化特征的第 ' + 1值^ ₊₁ ，基于第 · + 1值《 ₊₁ ， 确定更新后的第 ί + l层 特征点集的形状参数 / ⁺¹ 的更新量 Δ / ⁺¹ ，根据更新后的第 + 1层特征点集的形 状参数 和更新量 Δ / ⁺¹ ， 确定更新后的第 +1层特征点集的形状参数 / ₊ ⁺ ;； 将 的值增加 1， 执行上一步骤直至 ·的值为 m， m为预设的大于 1的正整数。 最后， 根据更新后的第 ί+ι层特征点集的形状参数 / ₊ ⁺ ;， 确定收敛的第 +1层 特征点集的形状参数 。

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令：

根据图像 I和初始的第 + 1层特征点集的形状参数 ， 确定第 ί + 1层第 1 数量的点对或块对；基于第 + 1层第 1数量的点对或块对，确定图像 /的第 + 1 层形状二值化特征的第 1值 。 根据图像 /和更新后的第 + 1层特征点集的形 状参数 / ⁺¹ ， 确定第 ί+ι层第 ·数量的点对或块对； 基于第 +1层第 j'数量的点 对或块对， 确定图像 /的第 + 1层形状二值化特征的第 · + 1值《. ₊₁ 。

可选地， 作为另一实施例， 存储器 605还可存储使得处理器 604执行以 下操作的指令：

根据公式（22)确定更新后的第 + 1层特征点集的形状参数^ ¹ ， Π ⁺¹ · Δν ₀ ' ⁺¹ ( 22 ) 其中， 二元运算*满足数学中群的定义， 存在单位元和逆元； 根据公式（23 )确定更新后的第 + 1层特征点集的形状参数 / ₊ ⁺ ;，

:; = V A ; ( 23 ) 其中， 二元运算*满足数学中群的定义， / ₊ ⁺ 存在单位元和逆元。

应理解， 在本发明的各种实施例中， 上述各过程的序号的大小并不意味 着执行顺序的先后， 各过程的执行顺序应以其功能和内在逻辑确定 ， 而不应 对本发明实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到， 结合本文中所公开的实施例描述的各 示例的单元及算法步骤， 能够以电子硬件、 计算机软件或者二者的结合来实 现， 为了清楚地说明硬件和软件的可互换性， 在上述说明中已经按照功能一 般性地描述了各示例的组成及步骤。这些功能 究竟以硬件还是软件方式来执 行， 取决于技术方案的特定应用和设计约束条件。 专业技术人员可以对每个 特定的应用来使用不同方法来实现所描述的功 能，但是这种实现不应认为超 出本发明的范围。

所属领域的技术人员可以清楚地了解到， 为了描述的方便和简洁， 上述 描述的系统、 装置和单元的具体工作过程， 可以参考前述方法实施例中的对 应过程， 在此不再赘述。

在本申请所提供的几个实施例中， 应该理解到， 所揭露的系统、 装置和 方法， 可以通过其它的方式实现。 例如， 以上所描述的装置实施例仅仅是示 意性的， 例如， 所述单元的划分， 仅仅为一种逻辑功能划分， 实际实现时可 以有另外的划分方式， 例如多个单元或组件可以结合或者可以集成到 另一个 系统， 或一些特征可以忽略， 或不执行。 另夕卜， 所显示或讨论的相互之间的 耦合或直接辆合或通信连接可以是通过一些接 口、装置或单元的间接辆合或 通信连接， 也可以是电的， 机械的或其它的形式连接。 为单元显示的部件可以是或者也可以不是物理 单元， 即可以位于一个地方， 或者也可以分布到多个网络单元上。可以根据 实际的需要选择其中的部分或 者全部单元来实现本发明实施例方案的目的。

另外， 在本发明各个实施例中的各功能单元可以集成 在一个处理单元 中， 也可以是各个单元单独物理存在， 也可以是两个或两个以上单元集成在 一个单元中。 上述集成的单元既可以釆用硬件的形式实现， 也可以釆用软件 功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实 现并作为独立的产品销 售或使用时， 可以存储在一个计算机可读取存储介质中。 基于这样的理解， 本发明的技术方案本质上或者说对现有技术做 出贡献的部分，或者该技术方 案的全部或部分可以以软件产品的形式体现出 来， 该计算机软件产品存储在 一个存储介质中， 包括若干指令用以使得一台计算机设备（可以 是个人计算 机， 服务器， 或者网络设备等）执行本发明各个实施例所述 方法的全部或部 分步骤。 而前述的存储介质包括： U盘、 移动硬盘、 只读存储器 （ROM， Read-Only Memory ). 随机存取存储器（RAM, Random Access Memory )、 磁碟或者光盘等各种可以存储程序代码的介质 。

以上所述， 仅为本发明的具体实施方式， 但本发明的保护范围并不局限 于此， 任何熟悉本技术领域的技术人员在本发明揭露 的技术范围内， 可轻易 想到各种等效的修改或替换， 这些修改或替换都应涵盖在本发明的保护范围 之内。 因此， 本发明的保护范围应以权利要求的保护范围为 准。