基于三維幾何特征與深度特征的人臉識(shí)別研究.pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別和人工智能領(lǐng)域的研究熱點(diǎn)之一?；诙S圖像的人臉識(shí)別技術(shù)經(jīng)過半個(gè)多世紀(jì)的發(fā)展，已經(jīng)取得了一定的研究成果。受限于所采用的數(shù)據(jù)形式，二維人臉識(shí)別方法不可避免地受到環(huán)境和人臉本身等因素的影響。本課題組前期做了大量基于雙目立體視覺技術(shù)獲取三維人臉數(shù)據(jù)的工作，并在此基礎(chǔ)上研究了三維人臉特征的提取方法和識(shí)別技術(shù)，取得了一定的成果。但課題組尚未對(duì)深度圖的多種有效特征進(jìn)行很好的結(jié)合，因此，本文主要研究人臉點(diǎn)云的三維幾何特征提取以及

2、基于深度圖特征的融合識(shí)別方法。在對(duì)比實(shí)驗(yàn)的基礎(chǔ)上，驗(yàn)證了融合策略的識(shí)別效果。本文的主要研究內(nèi)容和工作總結(jié)如下:
　　(1)三維數(shù)據(jù)獲取與幾何特征識(shí)別。研究了多種適用于人臉場景的立體匹配算法，利用對(duì)比實(shí)驗(yàn)分析不同方法的匹配效果。采用金字塔結(jié)構(gòu)和改進(jìn)的秩變換方法快速獲取較高精度的人臉致密視差圖，得到具有良好表達(dá)能力的三維人臉點(diǎn)云數(shù)據(jù)。最后根據(jù)深度信息準(zhǔn)確提取人臉中分輪廓線和鼻尖橫切輪廓線，并在兩條輪廓線上定位出十三個(gè)人臉關(guān)鍵點(diǎn)。計(jì)算人

3、臉區(qū)域中的曲率、體積、距離、角度共13維的幾何特征。在ZJU-3DFED庫上，基于幾何特征的識(shí)別率達(dá)到了87％。
　　(2)研究了深度圖上基于全局特征與局部特征方法的識(shí)別效果。橫向?qū)Ρ攘怂姆N特征提取方法的識(shí)別率及適用的場景。全局特征上，對(duì)比了Eigenface與Fisherface方法;局部特征則研究了Gabor與LBP作為人臉表征的識(shí)別效果。在3DFACE-XMU庫，Z(J)U-3DFED庫以及Texas等數(shù)據(jù)庫上驗(yàn)證了四種典型

4、方法的識(shí)別率。實(shí)驗(yàn)表明單一的特征在不同程度上都存在一定的局限性。其中LBP和Fisherface方法在三個(gè)數(shù)據(jù)庫的整體識(shí)別結(jié)果中表現(xiàn)較好。
　　(3)提出識(shí)別算法互補(bǔ)率的定義。對(duì)每一種識(shí)別方法在三個(gè)數(shù)據(jù)庫中的識(shí)別結(jié)果進(jìn)行統(tǒng)計(jì)，考察不同識(shí)別算法在數(shù)據(jù)庫中分類出錯(cuò)樣本的分布情況。提出互補(bǔ)率C的計(jì)算方法，并把互補(bǔ)率作為算法之間互補(bǔ)程度的評(píng)價(jià)標(biāo)準(zhǔn)。最后計(jì)算了四種單特征算法兩兩之間的互補(bǔ)率，結(jié)果表明LBP和Fisherface方法在三個(gè)數(shù)據(jù)