一种三维人脸识别方法
【技术领域】
[0001]本发明涉及一种三维人脸识别方法。
【背景技术】
[0002]人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。与二维人脸识别相比，三维数据比二维数据更丰富，提供的信息更加的多，且三维数据无亮度信息，不受光照的影响；3D几何信息不易受脸部化妆等非几何外观变化的影响；通过三维几何信息，表情变化比较容易处理。因此，基于三维模型的人脸识别是当前人脸识别中最能有效解决姿态、光照、表情变化等问题的方法。
[0003]基于几何特征的三维人脸识别一般是基于三维人脸模型来进行的，运算量非常大，对硬件的要求也比较高，自然的，硬件成本也变得比较高。
【发明内容】
[0004]针对上述问题，本发明提供一种三维人脸识别方法，识别精度高且运算量小，人脸识别的实时性高，降低了对硬件的要求。
[0005]为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现:
[0006]一种三维人脸识别方法，其特征在于，包括如下步骤:
[0007]SOl:采集人脸二维图像，获取人脸的二维特征点并转换成三维坐标，其中，根据susan算子提取人脸特征点，所述特征点包括两个眼球中心点、四个眼角点、两鼻孔的中点和两个嘴角点；
[0008]S02:计算特征点之间的欧式距离，并建立距离矩阵；
[0009]S03:计算人脸特征点的几何特征，与距离矩阵进行比对，获得最接近的候选人脸集；
[0010]S04:根据遗传算法计算几何特征融合的加权值；
[0011]S05:通过加权融合几何特征比对候选人脸集和待测人脸的相似性，进行人脸识别。
[0012]优选，在步骤SOl中，采用双目立体视觉装置采集人脸二维图像。
[0013]本发明的有益效果是:本方法与直接通过三维人脸模型进行识别相比，仅根据人脸的特征点进行运算，在保证识别精度的条件下，大大降低运算量，人脸识别的实时性高，降低了对硬件的要求。
【具体实施方式】
[0014]下面结合具体的实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
[0015]一种三维人脸识别方法，包括如下步骤:
[0016]SOl:采集人脸二维图像，获取人脸的二维特征点并转换成三维坐标，其中，根据susan算子提取人脸特征点。根据Susan算子的特性，它既可用来检测边缘，又能用来提取角点，因此与SobelXanny等边缘检测算子相比较而言，Susan算子更适合进行人脸眼部和嘴巴等特征的提取，尤其是对眼角点和嘴角点的自动定位。
[0017]本方法选取人脸的9个特征点，即两个眼球中心点、四个眼角点、两鼻孔的中点和两个嘴角点，这些特征点的分布具有角度不变性。
[0018]在眼球及眼角的自动定位过程中，首先采用归一化模板匹配的方法初步定位人脸，在整个人脸图像中确定出脸部的大概区域。通常的人眼定位算法根据眼睛的谷点性质来定位，而此处则采用将谷点的搜索和方向投影以及眼球的对称性相结合的方法，利用两眼之间的相关性可以提高眼睛定位的准确度。对脸部区域的左上和右上部分进行梯度图积分投影，并对积分投影的直方图进行归一化，首先根据水平投影的谷点确定出眼睛在y方向的大致位置，然后让X在较大的范围内变化，寻找此区域内的谷点，将检测到的点作为两眼的眼球中心点。
[0019]在获得两眼球位置的基础上，对眼部区域进行处理，首先采用自适应二值化方法确定门限阈值，得到眼部区域的自动二值化图像，然后结合Susan算子，利用边缘和角点检测的算法在眼部区域内准确定位内外眼角点。将人脸鼻子区域的关键特征点确定为两个鼻孔中心连线的中点处，即鼻唇中心点。人脸鼻唇中心点的位置相对较稳定，而且对于人脸图像归一化预处理时也可起到基准点的作用。以找到的两眼球位置为基础，采用区域灰度积分投影的方法确定两个鼻孔的位置。
[0020]S02:计算特征点之间的欧式距离，并建立距离矩阵；
[0021]S03:计算人脸特征点的几何特征，与距离矩阵进行比对，获得最接近的候选人脸集。
[0022]利用关键部位的特征点来进行计算几何特征，可以大大降低运算量。
[0023]S04:根据遗传算法计算几何特征融合的加权值，各个参量的权值可以根据积累的经验设定。
[0024]S05:通过加权融合几何特征比对候选人脸集和待测人脸的相似性，进行人脸识别。
[0025]为了提高识别的精确度，优选，在步骤SOl中，采用双目立体视觉装置采集人脸二维图像，比如采用两台相同的CXD摄像机，优选其型号是JVC GY-DV5101EC。
[0026]本方法与直接通过三维人脸模型进行识别相比，仅根据人脸的特征点进行运算，在保证识别精度的条件下，大大降低运算量，人脸识别的实时性高，降低了对硬件的要求。
[0027]以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或者等效流程变换，或者直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
【主权项】
1.一种三维人脸识别方法，其特征在于，包括如下步骤: 501:采集人脸二维图像，获取人脸的二维特征点并转换成三维坐标，其中，根据susan算子提取人脸特征点，所述特征点包括两个眼球中心点、四个眼角点、两鼻孔的中点和两个嘴角点； 502:计算特征点之间的欧式距离，并建立距离矩阵； 503:计算人脸特征点的几何特征，与距离矩阵进行比对，获得最接近的候选人脸集； 504:根据遗传算法计算几何特征融合的加权值； 505:通过加权融合几何特征比对候选人脸集和待测人脸的相似性，进行人脸识别。
2.根据权利要求1所述的一种三维人脸识别方法，其特征在于，在步骤SOl中，采用双目立体视觉装置采集人脸二维图像。
3.根据权利要求2所述的一种三维人脸识别方法，其特征在于，所述双目立体视觉装置包括两台相同的CCD摄像机。
4.根据权利要求3所述的一种三维人脸识别方法，其特征在于，所述CCD摄像机的型号是 JVC GY-DV5101EC。
5.根据权利要求1所述的一种三维人脸识别方法，其特征在于，在步骤SOl中，以找到的两个眼球位置为基础，采用区域灰度积分投影的方法确定两个鼻孔的位置。
6.根据权利要求5所述的一种三维人脸识别方法，其特征在于，在步骤SOl中，在获得两眼球位置的基础上，对眼部区域进行处理，首先采用自适应二值化方法确定门限阈值，得到眼部区域的自动二值化图像，然后结合Susan算子，利用边缘和角点检测的算法在眼部区域内准确定位内外眼角点。
【专利摘要】本发明公开了一种三维人脸识别方法，其特征在于，包括如下步骤：S01：采集人脸二维图像，获取人脸的二维特征点并转换成三维坐标，其中，根据susan算子提取人脸特征点，所述特征点包括两个眼球中心点、四个眼角点、两鼻孔的中点和两个嘴角点；S02：计算特征点之间的欧式距离，并建立距离矩阵；S03：计算人脸特征点的几何特征，与距离矩阵进行比对，获得最接近的候选人脸集；S04：根据遗传算法计算几何特征融合的加权值；S05：通过加权融合几何特征比对候选人脸集和待测人脸的相似性，进行人脸识别。识别精度高且运算量小，人脸识别的实时性高，降低了对硬件的要求。
【IPC分类】G06K9-46, G06K9-00
【公开号】CN104573634
【申请号】CN201410778251
【发明人】张会林, 孙利华
【申请人】苏州福丰科技有限公司
【公开日】2015年4月29日
【申请日】2014年12月16日