基于联合稀疏描述的多姿态三维人脸识别方法
【专利摘要】本发明公开了一种基于联合稀疏描述的多姿态三维人脸识别方法，用于解决现有多姿态三维人脸识别方法鲁棒性差的技术问题。技术方案是对数据库中每一个三维人脸数据的全部顶点顺次排列，作为列向量构建三维空间联合字典。然后，对给定测试个体的多个视角观测值，将其按列排序，合并为一个矩阵，用关于三维空间联合字典的系数矩阵进行稀疏性描述，并通过构建联合稀疏性约束来实现对多姿态观测数据的稀疏联合求解。最后，基于重建出的稀疏描述矩阵，通过构建一个强制置零函数，对所有多姿态数据合并重建残差，并通过计算残差最小的方法确定测试数据所属的类别。经测试，对姿态变化较大的三维人脸数据，识别率由【背景技术】的89.8%提高到93.4%。
【专利说明】基于联合稀疏描述的多姿态三维人脸识别方法
【技术领域】
[0001]本发明涉及一种多姿态三维人脸识别方法，特别涉及一种基于联合稀疏描述的多姿态三维人脸识别方法。
【背景技术】
[0002]在三维人脸识别的实际应用过程中，由于人脸姿态的变化，容易导致获取的三维数据存在遮挡和数据缺失，因此会造成数据的不可靠性。基于多姿态数据的三维人脸识别能够克服单个姿态数据受遮挡或数据缺失影响，提高识别系统对人脸姿态变化的鲁棒性。
[0003]文献“ Ishimoto M, Yenwei Chen.Pose-robust face recognition based on3Dshape reconstruction.1n:Proceedings of ICNC2009, pp.40-43.” 公开了一种多姿态三维人脸识别方法。该方法利用三维重建方法将多个不同姿态的二维人脸数据重建出三维人脸形状模型，辅助完成人脸识别。首先，选取反映整体信息的不同姿态人脸数据，基于三维重建的方法重建出三维人脸形状模型；然后，基于构造出的三维人脸形状模型，通过投影技术获取到新的姿态变化下的人脸数据；最后，基于构建出的多姿态人脸数据完成人脸识别。但是，该方法存在以下问题:首先，该方法中重建出的三维人脸形状模型受二维人脸数据质量的影响较大；其次，采用投影技术获取到的多姿态人脸数据虽然能够反映相应姿态变化下的人脸信息，但是由于获得的多姿态人脸数据均由同一三维人脸形状模型投影产生，彼此相关性非常高，对实际应用中的人脸姿态变化鲁棒性较差。对姿态变化较小三维人脸数据，识别率为92.9%，对于姿态变化较大的三维人脸数据，识别率为89.8%。
【发明内容】
[0004]为了克服现有多姿态三维人脸识别方法鲁棒性差的不足，本发明提供一种基于联合稀疏描述的多姿态三维人脸识别方法。该方法对数据库中的每一个三维人脸数据的全部顶点顺次排列，作为列向量，由此构建三维空间联合字典。然后，对给定测试个体的多个视角观测值，将其按列排序，合并为一个矩阵，用关于三维空间联合字典的系数矩阵进行稀疏性描述，并通过构建联合稀疏性约束来实现对多姿态观测数据的稀疏联合求解。最后，基于重建出的稀疏描述矩阵，通过构建一个强制置零函数，对所有多姿态数据合并重建残差，并通过计算残差最小的方法确定测试数据所属的类别。由于本发明采用联合稀疏描述的思路进行多姿态三维人脸识别，基于多姿态观测值组成的集合来进行人脸分类，能够利用获取到的所有姿态变化观测值的相互关系，避免单独对待每一个观测值时所潜在的错误判别风险，从而提高对姿态变化的鲁棒性，实现了对多姿态三维人脸的识别。
[0005]本发明解决其技术问题所采用的技术方案是:一种基于联合稀疏描述的多姿态三维人脸识别方法，其特点是包括以下步骤:
[0006]第一步、给定一个三维人脸数据，将全部顶点顺次排列描述网格的拓扑连接结构，作为类字典的列向量。三维人脸数据的每一个顶点都包含三个参数，列向量的每一个元素近似一个结构体，由三个分量组成。[0007]给定同属于类别i的Si个训练人脸数据，i = 1，2，...，C，表示在数据库中共有C个不同类别的人脸数据；由这些数据构建的类字典记为Ai,表示为:
【权利要求】
1.一种基于联合稀疏描述的多姿态三维人脸识别方法，其特征在于包括以下步骤:第一步、给定一个三维人脸数据，将全部顶点顺次排列描述网格的拓扑连接结构，作为类字典的列向量； 给定同属于类别i的Si个训练人脸数据，i = 1,2,..., C，表示在数据库中共有C个不同类别的人脸数据；由这些数据构建的类字典记为Ai,表示为:
【文档编号】G06K9/66GK103854015SQ201410100110
【公开日】2014年6月11日 申请日期:2014年3月18日 优先权日:2014年3月18日
【发明者】郭哲, 樊养余, 王毅, 吕国云, 齐敏 申请人:西北工业大学