WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2014205768) FEATURE AND MODEL MUTUAL MATCHING FACE TRACKING METHOD BASED ON INCREMENT PRINCIPAL COMPONENT ANALYSIS
Latest bibliographic data on file with the International Bureau   

Pub. No.:    WO/2014/205768    International Application No.:    PCT/CN2013/078331
Publication Date: 31.12.2014 International Filing Date: 28.06.2013
IPC:
G06K 9/00 (2006.01)
Applicants: INSTITUTE OF AUTOMATION, CHINESE ACADEMY OF SCIENCES [CN/CN]; No.95 Zhongguancun East Road, Haidian District Beijing 100190 (CN)
Inventors: WU, Huaiyu; (CN).
PAN, Chunhong; (CN).
CHEN, Yanqin; (CN).
ZHAO, Liangke; (CN)
Agent: CHINA SCIENCE PATENT & TRADEMARK AGENT LTD.; 11/F., Bldg. D, International Finance and Economics Center No.87, West 3rd Ring North Rd., Haidian District Beijing 100089 (CN)
Priority Data:
Title (EN) FEATURE AND MODEL MUTUAL MATCHING FACE TRACKING METHOD BASED ON INCREMENT PRINCIPAL COMPONENT ANALYSIS
(FR) PROCÉDÉ DE SUIVI DE VISAGE À APPARIEMENT MUTUEL DE FONCTION ET DE MODÈLE BASÉ SUR UNE ANALYSE DE COMPOSANT PRINCIPAL D'INCRÉMENTATION
(ZH) 基于增量主成分分析的特征与模型互匹配人脸跟踪方法
Abstract: front page image
(EN)Disclosed is a feature and model mutual matching face tracking method based on on-line increment principal component analysis. The method comprises the following steps: performing off-line modeling on multiple face images to obtain a model matching (CLM) model A; performing key point detection on each frame of a face video to be tracked, and combining a set of all key points and robust descriptors thereof into a key point model B; performing, on the basis of the key point model B, key point matching on each frame of the face video to be tracked to obtain an initial face gesture parameter set in each frame of face image; performing, by using the model A, CLM face tracking on the face video to be tracked; performing re-tracking according to the initial face gesture parameter set and an initial tracking result; and updating the model A, and repeating the steps to obtain a final face tracking result. The present invention solves the problem of tracking losing occurred when a variation between adjacent frames in a target image is large during CLM face tracking, thereby improving the tracking accuracy.
(FR)L'invention porte sur un procédé de suivi de visage à appariement mutuel de fonction et de modèle basé sur une analyse de composant principal d'incrémentation en ligne. Le procédé comprend les étapes suivantes : la réalisation d'une modélisation hors-ligne sur de multiples images de visage pour obtenir un modèle d'appariement de modèle (CLM) A ; la réalisation d'une détection de points clés sur chaque trame d'une vidéo de visage à suivre, et la combinaison d'un ensemble de tous les points clés et de descripteurs robustes de ces derniers en un modèle de point clé B ; la réalisation, sur la base du modèle de point clé B, d'un appariement de point clé sur chaque trame de la vidéo de visage à suivre pour obtenir un ensemble de paramètres gestuels de visage initial dans chaque trame d'image de visage; la réalisation, par utilisation du modèle A, d'un suivi de visage CLM sur la vidéo de visage à suivre ; la réalisation une nouvelle fois d'un suivi selon l'ensemble de paramètres gestuels de visage initial et un résultat de suivi initial ; et la mise à jour du modèle A, et la répétition des étapes pour obtenir un résultat de suivi de visage final. La présente invention résout le problème de perte de suivi se produisant lorsqu'une variation entre des trames adjacentes dans une image cible est grande durant un suivi de visage CLM, améliorant ainsi la précision de suivi.
(ZH)本发明公开了一种基于在线增量主成分分析的特征与模型互匹配人脸跟踪方法,该方法包括以下歩骤:对多幅人脸图像进行离线建模,得到模型匹配(CLM)模型A;对待跟踪人脸视频中的每一帧进行关键点检测,所有关键点的集合及其鲁棒描述子组合为关键点模型B;基于所述关键点模型B对所述待跟踪人脸视频中的每一帧进行关键点匹配,获得每一帧人脸图像中初始的人脸姿态参数组;利用模型A对待跟踪人脸视频进行CLM人脸跟踪;基于初始人脸姿态参数组和初次跟踪结果进行再跟踪;更新模型A并重复上述歩骤,得到最终的人脸跟踪结果。本发明解决了在进行CLM人脸跟踪时,由于目标图像中相邻帧间变化大时出现的跟踪丢失的问题,从而提高了跟踪的精准度。
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IS, JP, KE, KG, KN, KP, KR, KZ, LA, LC, LK, LR, LS, LT, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW.
African Regional Intellectual Property Organization (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Organization (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG).
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)