(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210471587.9 (22)申请日 2022.04.29 (71)申请人 黑龙江省科 学院智能制造 研究所 地址 150000 黑龙江省哈尔滨市南岗区汉 水路265号 (72)发明人 杨东亮　孙思文　王云龙　丛晓丹　 宋昌江　费磊　高凤娇　李磊　 曹灿　 (74)专利代理 机构 深圳市洪荒之力专利代理有 限公司 4 4541 专利代理师 谢艳红 (51)Int.Cl. G06V 10/762(2022.01) G06K 9/62(2022.01) G06V 40/16(2022.01) (54)发明名称 一种智能面部测量与分析方法 (57)摘要 本发明适用于面部测量技术领域， 提供了一 种智能面部测量与分析方法， 所述方法包括以下 步骤： 通过结构光重建技术采集若干组面部数 据， 建立面部 数据集； 对面部 数据进行分析， 具体 包括： 面部参数测量， 通过构建级联卷积神经网 络模型获取面部图像特征点坐标， 通过映射函 数， 得到三维面部特征点空间坐标， 进而完成面 部参数的测量； 面部形态分析， 对面部参数进行 模糊聚类分析； 可视化输出， 展示每一个面部数 据的尺寸参数和所有面部数据的聚类中心。 本发 明采用深度学习算法的面部五官关键点自动标 记和测量方法， 可以达到自动测量面部参数的效 果， 基于模糊聚类分析方法， 将面部参数值数据 集进行分类和统计 。 测量效率高， 使用方便 。 权利要求书2页 说明书5页 附图3页 CN 114842232 A 2022.08.02 CN 114842232 A 1.一种智能面部测量与分析 方法， 其特 征在于， 所述方法包括以下步骤： 通过结构光重建技 术采集若干组面部数据， 建立 面部数据集； 对面部数据进行分析， 具体包括： 面部参数测量， 通过构建级联卷积神经网络模型获取面部 图像特征点坐标， 通过映射 函数， 得到三维面部特 征点空间坐标， 进 而完成面部参数的测量； 面部形态分析， 对面部参数进行模糊聚类分析； 可视化输出， 展示每一个面部数据的尺寸 参数和所有面部数据的聚类中心。 2.根据权利要求1所述一种智能面部测量与分析方法， 其特征在于， 所述通过结构光重 建技术采集若干组面部数据的步骤具体包括： 由投影仪在面部投射若干条干涉 条纹； 由相机获取根据面部表面对条纹调节的图案； 根据投影仪、 相机、 面部之间的几何关系， 计算得到面部到基准面的相对距离， 得到面 部二维图像和对应的面部三维数据。 3.根据权利要求1所述一种智能面部测量与分析方法， 其特征在于， 所述面部参数测量 的步骤， 具体包括： 采用CNN网络模型获取人脸特征点的坐标位置， 其中， CNN网络模型包括卷积层、 池化层 和全连接层； 获取三维面部特 征点的空间坐标。 4.根据权利要求3所述一种智能面部测量与分析方法， 其特征在于， 所述采用CNN网络 模型获取 人脸特征点的坐标位置的步骤， 具体包括： 使用VGG16的卷积层和池化层作为人脸特 征提取模块； 使用预先训练好的VGG16模型来固定前一个卷积层的参数， 并对数据进行微调， 更新模 型的权值； 回归模块后面是三个全连接层， ReLU激活函数后面是FC1和FC2， 利用L2损耗函数对整 个模型进行优化， 得到人脸特 征点的坐标位置 。 5.根据权利要求4所述一种智能面部测量与分析方法， 其特征在于， 所述三维面部特征 点的空间坐标是基于二维图像数据U＝{ui∈R2:i＝1,2, …,N}与三维面部数据V＝{vj＝ (xj,yj,zj)∈R3:j＝1,2, …,M}之间的映射 关系得到的， 映射 关系记为φ： ui→vj,i＝1,2, … N, ui是二维图像中的一个 像素点， vj是三维面部数据中的一个空间点。 6.根据权利要求1所述一种智能面部测量与分析方法， 其特征在于， 所述面部形态分析 中的模糊聚类分析算法的目标函数为： 其中， N是样本的个数， xi第i 个样本， c是预设的聚类数目， vk是第k个聚类中心， m是模糊加权参数， uki是第i个样 本在第k 类中的隶属度函数， 对于任意像素点i以及类别k， 有约束条件： 模糊聚类 分析算法的迭代过程如下： 设置聚类数目c， 迭代次数T＝0， 模糊指数m， 停止阈值e， 循环迭代次数T； 初始化隶属度矩阵U； 计算聚类中心 V；权　利　要　求　书 1/2 页 2 CN 114842232 A 2更新隶属度矩阵U； 如 果||Vold‑Vnew||＜e， 算法结束； 如果不满足条件令T＝T+1， 循环到 计算聚类中心 V这一步骤， 直到满足迭代 停止条件。 7.根据权利要求1所述一种智能面部测量与分析方法， 其特征在于， 所述可视化输出能 够显示每一个面部数据的尺寸参数测量结果， 并将人脸数据集分为3大类， 得到每一类人脸 的中心和方差 。权　利　要　求　书 2/2 页 3 CN 114842232 A 3