专利名称：一种基于面部曲线弹性匹配的三维人脸识别方法
技术领域：
本发明属于三维人脸识别领域，涉及一种基于面部曲线弹性匹配的三维人脸识别方法。
背景技术：
生物特征识别在安全领域有着重要的应用，特别是与指纹识别、虹膜识别等生物特征识别技术相比，人脸识别具有非接触、隐蔽性好等特性，而成为当前模式识别和计算机视觉领域的研究热点。传统的基于二维灰度或彩色图像的二维人脸识别已获得较好的识别性能，但仍易受光照、姿态、化妆等因素的影响，三维人脸数据包含比二维人脸更多的信息，且不会受姿势和光照的影响，所以基于三维人脸数据的三维人脸识别具有更好的识别效果，近些年受到越来越多的关注。三维人脸模型具有比二维图像更丰富的信息，它是对人脸的空间真实形态更准确的描述，但是，三维人脸模型数据量较大，干扰区域较多，计算量极大，且人脸表情带来的非刚性形变影响了基于几何信息的三维人脸识别方法的性能。因此，如何减小运算量、降低人脸表情影响、提高人脸识别率成为三维人脸识别技术的瓶颈，也是研究的关键问题。
发明内容
发明目的:针 对三维人脸识别运算量过大和对表情、遮挡、噪声等影响敏感的问题，本发明提供了一种具有很好的识别性能，同时对表情、遮挡和噪声具有较好的鲁棒性的基于面部曲线弹性匹配的三维人脸识别方法。技术方案:一种基于面部曲线弹性匹配的三维人脸识别方法，该方法包括以下步骤:步骤I )，分别对测试人脸模型和N个库人脸集模型进行预处理，所述预处理步骤如下:步骤1.1 )，对原始人脸模型进行切割得到人脸模型:根据人脸点云的形状指数Shape Index特征和几何约束确定鼻尖点位置，以该点为球心,90mm为半径做球体，舍弃落在所述球体以外的点，保留所述球体内的点作为后续处理的人脸区域；步骤1.2)，人脸表面平滑处理及姿态校正:对切割后的人脸点云三角化，得到空间三角网格，然后用基于网格的平滑算法对人脸区域进行平滑去噪，经过10次迭代处理，得到表面平滑的三维人脸网格，然后将表面平滑的三维人脸网格恢复成人脸点云；对平滑后的人脸点云用主成分分析法PCA进行姿态校正，经主成分分析PCA得到3个互相垂直的主轴方向，以鼻尖点为原点，选取最大的特征值对应的特征向量作为Y轴，最小的特征值对应的特征向量作为Z轴，建立右手坐标系，并以所述右手坐标系为姿势坐标系PCS,将人脸点云转换到所述姿势坐标系PCS中，人脸点云中每个点由所述姿势坐标系PCS中x、y、z坐标唯一表示；步骤2)，分别对所述步骤I)预处理后的测试人脸模型和库集人脸模型提取人脸径向曲线并对径向曲线进行重采样:步骤2.1)，在所述步骤I)姿势坐标系PCS中，记具有正面姿态的三维人脸曲面为S，平面YOZ的上半平面为P1，计算人脸点云上每个点到所述平面P1的距离，选择距离小于径向阈值S =0.3的点的集合作为径向曲线c1;将平面轴以角度α=10°为间隔逆时针旋转，得到平面P2，按所述求取径向曲线C1的方法得到径向曲线c2;继续以角度α逆时针旋转平面P1，得到平面pk(k = 1，2，...，36)，按所述求取径向曲线C1的方法最终得到径向曲线 ck (k = 1,2,, 36)；步骤2.2)，以所述步骤2.1)中的平面P1与步骤1.2)中姿势坐标系PCS中的XOY平面相交得到的曲线作为参考曲线，在参考曲线上每隔Imm采样一个点，选择径向曲线C1上与该点在参考曲线方向上的距离最近且小于重采样阈值 =0.3的点作为径向曲线C1的采样点，得到重采样径向曲线rCl ;按所述径向曲线C1的重采样方法，依次对所述步骤2.1)得到的36条径向曲线进行重采样，得到重采样径向曲线rck(k = 1，2，...，36);步骤3)，建立库集人脸模型重采样径向曲线的形状树:步骤3.1)，记重采样后的径向曲线rCl上的采样点为(ai，a2，…，an)，η表示曲线上点的个数，选取一点a#为中间采样点,取/ = |_(1 + )/2」，记Uai Ia1, an)表示Si相对于S1和an的Bookstein坐标；所述Bookstein坐标计算方法如下:首先将S1映射至Bookstein坐标系下(-0.5, O)处、an映射至Bookstein坐标系下(0.5, O)处,贝丨J 相对于Ei1和an的位置 UaiIa1, an) = (a(1),a(2))由式(1)求得:
权利要求
1.一种基于面部曲线弹性匹配的三维人脸识别方法，其特征在于:该方法包括以下步骤: 步骤I)，分别对测试人脸模型和N个库人脸集模型进行预处理，所述预处理步骤如下: 步骤1.1)，对原始人脸模型进行切割得到人脸模型: 根据人脸点云的形状指数Shape Index特征和几何约束确定鼻尖点位置，以该点为球心，90mm为半径做球体，舍弃落在所述球体以外的点，保留所述球体内的点作为后续处理的人脸区域； 步骤1.2)，人脸表面平滑处理及姿态校正: 对切割后的人脸点云三角化，得到空间三角网格，然后用基于网格的平滑算法对人脸区域进行平滑去噪，经过10次迭代处理，得到表面平滑的三维人脸网格，然后将表面平滑的三维人脸网格恢复成人脸点云； 对平滑后的人脸点云用主成分分析法PCA进行姿态校正，经主成分分析PCA得到3个互相垂直的主轴方向，以鼻尖点为原点，选取最大的特征值对应的特征向量作为Y轴，最小的特征值对应的特征向量作为Z轴，建立右手坐标系，并以所述右手坐标系为姿势坐标系PCS,将人脸点云转换到所述姿势坐标系PCS中，人脸点云中每个点由所述姿势坐标系PCS中X、y、z坐标唯一表示； 步骤2)，分别对所述步骤I)预处理后的测试人脸模型和库集人脸模型提取人脸径向曲线并对径向曲线进行重采样: 步骤2.1)，在所述步骤I)姿势坐标系PCS中，记具有正面姿态的三维人脸曲面为S，平面YOZ的上半平面为P1，计算人脸点云上每个点到所述平面P1的距离，选择距离小于径向阈值δ =0.3的点的集合作为径向曲线c1;将平面P1绕Z轴以角度α =10为间隔逆时针旋转，得到平面P2，按所述求取径向曲线C1的方法得到径向曲线c2;继续以角度α逆时针旋转平面P1，得到平面Pk (k = 1,2,...，36)，按所述求取径向曲线C1的方法最终得到径向曲线 ck(k = I, 2,.., 36)； 步骤2.2)，以所述步骤2.1)中的平面P1与步骤1.2)中姿势坐标系PCS中的XOY平面相交得到的曲线作为参考曲线，在参考曲线上每隔Imm采样一个点，选择径向曲线C1上与该点在参考曲线方向上的距离最近且小于重采样阈值 =0.3的点作为径向曲线C1的采样点，得到重采样径向曲线rCl ;按所述径向曲线(^的重采样方法，依次对所述步骤2.1)得到的36条径向曲线进行重采样，得到重采样径向曲线rck(k = 1,2,...,36)； 步骤3)，建立库集人脸模型重采样径向曲线的形状树: 步骤3.1),记重采样后的径向曲线!"C1上的采样点为(a1; a2,..., an), η表示曲线上点的个数，选取一点屮作为中间 采样点，取= + ，记Uai Ia1, an)表示屮相对于％和an的Bookstein坐标；所述Bookstein坐标计算方法如下:首先将S1映射至Bookstein坐标系下(-0.5,0)处、an映射至Bookstein坐标系下(0.5,0)处,贝丨J Ei1相对于Ei1和an的位置 Uai Ia1, an) = (a(1),a(2))由式⑴求得:
全文摘要
一种基于面部径向曲线弹性匹配的三维人脸识别方法，步骤如下首先，对三维人脸进行预处理，提取从鼻尖点发射的多条面部径向曲线，并对径向曲线进行重采样后提取有用点；然后，对测试人脸的每条径向曲线与库集人脸的对应曲线进行分层弹性匹配，再根据测试人脸与库集人脸建立的点对应关系，利用对应点到鼻尖点的距离对曲线进行点距匹配；最后，将人脸上径向曲线的分层弹性匹配相似度和点距匹配相似度进行加权融合作为总相似度用于识别，本发明提出的三维人脸识别方法具有很好的识别性能，并且对表情、遮挡和噪声具有较好的鲁棒性。
文档编号G06K9/00GK103246875SQ20131016891
公开日2013年8月14日 申请日期2013年5月9日 优先权日2013年5月9日
发明者达飞鹏, 潘仁林, 陶海跻, 刘健, 郭涛, 陈璋雯 申请人:东南大学