基于三维点云的三维人脸种族分类装置和方法
【技术领域】
[0001] 本发明涉及三维人脸识别技术领域，尤其涉及一种基于三维点云的三维人脸种族 分类装置和方法。
【背景技术】
[0002] 三维人脸识别相对于二维人脸识别，有着其对光照鲁棒、受姿态以及表情等因素 影响较小等优点，因此在三维数据采集技术飞速发展以及三维数据的质量和精度大大提升 之后，很多学者都将他们的研宄投入到该领域中。
[0003] CN20101025690提出了三维弯曲不变量的相关特征用来进行人脸特性描述。该方 法通过编码三维人脸表面相邻节点的弯曲不变量的局部特征，提取弯曲不变量相关特征； 对所述弯曲不变量的相关特征进行签名并采用谱回归进行降维，获得主成分，并运用K最 近邻分类方法对三维人脸进行识别。但是由于提取变量相关特征时需要复杂的计算量，因 此在效率上限制了该方法的进一步应用；
[0004] CN200910197378提出了一种全自动三维人脸检测和姿势纠正的方法。该方法通过 对人脸三维曲面进行多尺度的矩分析，提出了脸部区域特征来粗糙地检测人脸曲面，及提 出鼻尖区域特征来准确地定位鼻尖的位置，然后进一步精确地分割出完整的人脸曲面，根 据人脸曲面的距离信息提出鼻根区域特征来检测鼻根的位置后，建立了一个人脸坐标系， 并据此自动地进行人脸姿势的纠正应用。该专利目的在于对三维人脸数据的姿态进行估 计，属于三维人脸识别系统的数据预处理阶段。
[0005] 三维人脸种族分类是三维人脸领域的一个基础工作。准确的种族分类不仅可以有 效地获取人脸数据中的人脸特性，获取更多的人脸语义理解信息，同时还可以作为三维人 脸识别的一个粗分类步骤，提升识别系统的精度。种族分类的难点在于如何准确的描述人 脸数据的种族特性以及如何在特征空间的基础上实现准确的分类。
【发明内容】
[0006] 为了解决上述技术问题，本发明公开一种基于三维点云的三维人脸种族分类装置 和方法，本发明采用如下技术方案来解决上述技术问题：
[0007] -种基于三维点云的三维人脸种族分类装置，包括：
[0008] 对于三维点云特征区域进行定位的特征区域检测单元；
[0009] 将三维点云映射到深度图像空间的映射单元；
[0010] 对映射后的深度图像获取视觉词汇的特征计算单元以及根据种族数据特性进行 特征选择的特征选择计算单元；
[0011] 基于种族词汇直方图特征进行种族分类的种族分类器计算单元。
[0012] 优选的，在上述的一种基于三维点云的三维人脸种族分类装置中，所述特征区域 检测单元包括：
[0013] 特征提取单元，针对三维点云区域特性提取三维点云数据的相应特征；
[0014] 特征区域分类器单元，对特征提取单元提取的相应特征进行数据点的分类计算， 判断其是否适于特征区域，所述特征区域分类器单元为为支持向量机或者Adaboost。
[0015] 优选的，在上述的一种基于三维点云的三维人脸种族分类装置中，所述映射单元 包括：
[0016] 按照深度信息将原始三维点云映射为深度图像的映射模块；
[0017] 利用滤波器对获取的深度图像的空洞或者噪点信息进行去噪的去噪模块。
[0018] 优选的，在上述的一种基于三维点云的三维人脸种族分类装置中，所述种族分类 器计算单元包括：
[0019]用于存储利用训练集中的三维人脸数据进行训练获取的种族Adaboost分类参数 的种族Adaboost分类器参数存储模块；
[0020] 在种族视觉词典特征计算获得的种族视觉词典直方图特征基础上，利用种族 Adaboost分类参数进行计算，实现种族分类的种族分类器计算模块。
[0021] 本发明还公开一种基于三维点云的三维人脸种族分类方法，包括如下步骤：
[0022] 特征区域检测步骤，对于三维点云特征区域进行定位，作为配准的基准数据，然后 对输入点云数据与基础人脸数据进行配准；
[0023] 深度图像映射步骤，利用数据的三维坐标值，将检测定位的三维点云数据映射为 深度图像；
[0024] 种族视觉词典特征计算步骤，对映射后的深度图像进行种族视觉词典特征计算以 获得种族视觉词典直方图特征；
[0025] 分类步骤，对获得的种族视觉词典直方图特征进行种族分类计算，从而实现三维 人脸种族分类。
[0026] 优选的，在上述的一种基于三维点云的三维人脸种族分类方法中，所述特征区域 为鼻尖区域，检测鼻尖区域的步骤如下：
[0027] 步骤1 :确定阈值，确定域平均负有效能量密度的阈值，定义为thr ;
[0028] 步骤2 :利用深度信息选取待处理数据，利用数据的深度信息，提取在一定深度范 围内的人脸数据作为待处理数据；
[0029] 步骤3:法向量的计算，计算由深度信息选取出的人脸数据的方向量信息；
[0030]步骤4:区域平均负有效能量密度的计算，按照区域平均负有效能量密度的定义， 求出待处理数据中个连通域的平均负有效能量密度，选择其中密度值最大的连通域；
[0031] 步骤5 :判定是否找到鼻尖区域，当前区域阈值大于预定义的thr时，该区域即为 鼻尖区域，否则回到步骤1重新开始循环。
[0032] 优选的，在上述的一种基于三维点云的三维人脸种族分类方法中，所述特征区域 检测步骤中，输入三维点云数据与基础人脸数据利用ICP算法进行配准。
[0033] 优选的，在上述的一种基于三维点云的三维人脸种族分类方法中，所述深度图像 映射步骤中，先按照深度信息进行深度图像的获取，然后利用中值滤波器对映射后的深度 图像中的噪音点进行补偿去噪。
[0034] 优选的，在上述的一种基于三维点云的三维人脸种族分类方法中，所述深度映射 步骤中，映射模块按照空间信息的（x，y)作为映射的参考空间位置，空间信息的z值作为映 射对应数据值，构建从三维点云到深度图像的映射。
[0035] 优选的，在上述的一种基于三维点云的三维人脸种族分类方法中，分类步骤中对 获得的视觉词典直方图特征，利用种族Adaboost分类器进行种族分类计算，从而实现三维 人脸种族分类
[0036] 与现有技术相比，本发明具有如下技术效果：
[0037] 本发明利用种族视觉词典直方图特征，准确的描述了三维深度人脸图像的特性， 然后利用种族Adaboost分类器在种族视觉词典直方图特征上实现了准确分类，分类精度 高。本发明可作为三维人脸种族分类应用的一种解决方案，也可以作为三维人脸分类的一 个粗分类步骤一提高系统精度。
【附图说明】
[0038] 图1为本发明系统框图
[0039] 图2为本发明流程框图
[0040] 图3为本发明三维人脸鼻尖区域定位示意图
[0041] 图4为本发明不同姿态三维人脸配准示意图
[0042] 图5为三维人脸数据噪音的示意图
[0043] 图6为本发明三维点云数据映射为深度图像的示意图
[0044] 图7为视觉词汇计算过程示意图
[0045] 图8为视觉词典特征选择示意图
[0046] 图9为三维人脸种族分类结果的示意图
【具体实施方式】
[0047] 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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0048] 如图1所示，本发明公开一种基于三维点云的三维人脸种族分类装置，具体包括：
[0049] 对于三维点云特征区域进行定位的特征区域检测单元；
[0050] 将三维点云进行归一化映射到深度图像空间的映射单元；
[0051] 对映射后的深度图像进行视觉词典特征计算以及特征选择，并获得种族视觉词典 特征直方图的特征计算单元和特征选择单元；
[0052] 基于种族视觉词典特征直方图特征进行种族分类的种族分类器计算单元。
[0053] 其中，上述的特征区域检测单元包括：<