表情變化條件下的快速三位人臉識(shí)別研究.pdf

1、人臉識(shí)別是一種基于人臉這種生物特征的身份認(rèn)證技術(shù),在許多領(lǐng)域及場(chǎng)合都有著廣闊的應(yīng)用前景,例如門禁系統(tǒng)、安全監(jiān)控、智能空間以及自然人機(jī)交互等。傳統(tǒng)的二維人臉識(shí)別主要依賴于二維灰度圖像或彩色圖像進(jìn)行識(shí)別認(rèn)證,雖然目前已經(jīng)取得較好的識(shí)別性能和效果,但仍易受光照、姿態(tài)、尺寸大小、表情及化妝等因素的影響。隨著三維掃描技術(shù)和生物特征識(shí)別技術(shù)的快速發(fā)展,三維人臉識(shí)別受到了越來(lái)越廣泛的關(guān)注,成為識(shí)別認(rèn)證技術(shù)領(lǐng)域的一個(gè)熱點(diǎn)課題。一般認(rèn)為,三維信息受姿勢(shì)和

2、光照的影響較小,而且三維人臉模型包含了比二維人臉圖像更多的信息、特征,所以三維人臉識(shí)別技術(shù)被認(rèn)為具有更好的識(shí)別效果。盡管如此,三維人臉信息同樣還是會(huì)受到表情變化因素的影響,因此會(huì)導(dǎo)致識(shí)別效果的降低。同時(shí)由于三維人臉模型往往由海量的三維數(shù)據(jù)表示,導(dǎo)致了算法的速度和實(shí)時(shí)性難以滿足實(shí)際要求。因此,表情變化問(wèn)題和實(shí)時(shí)性問(wèn)題是三維人臉識(shí)別中迫切需要解決的兩大瓶頸問(wèn)題。本文工作主要就是針對(duì)這兩個(gè)問(wèn)題進(jìn)行探討和研究,提出一些有效的解決方案。本文的主要

3、工作總結(jié)如下:
　　 第一章從整體上介紹生物特征技術(shù)和三維人臉識(shí)別技術(shù)的發(fā)展與現(xiàn)狀,重點(diǎn)介紹了三維人臉識(shí)別的流程、數(shù)據(jù)表示以及三維人臉識(shí)別的優(yōu)勢(shì)和存在的問(wèn)題,對(duì)目前使用較為廣泛的三維人臉數(shù)據(jù)庫(kù)進(jìn)行了總結(jié),對(duì)三維人臉識(shí)別的研究現(xiàn)狀進(jìn)行了介紹和分析。
　　 第二章提出了一種基于球面投影的三維人臉識(shí)別算法。首先介紹了一些準(zhǔn)備內(nèi)容,包括ICP算法、空間采樣法、CPD算法等常用的算法；然后介紹了本文所采用的預(yù)處理方法；預(yù)處理后的人

4、臉具有大小相近的尺寸,從預(yù)處理過(guò)的庫(kù)集人臉中選取模板人臉并適當(dāng)?shù)倪M(jìn)行處理；然后對(duì)預(yù)處理后得到的其他庫(kù)集人臉模型朝模板人臉模型進(jìn)行CPD非剛性形變并建立起點(diǎn)對(duì)應(yīng)關(guān)系；接著剪切掉人臉眼睛、嘴巴等不穩(wěn)定區(qū)域；然后通過(guò)本文提出的球面投影算法以及之前建立起來(lái)的點(diǎn)對(duì)應(yīng)關(guān)系來(lái)計(jì)算相似度并完成識(shí)別。通過(guò)實(shí)驗(yàn)和分析得出本章提出的識(shí)別算法具有很好的識(shí)別效果。
　　 第三章的第一部分提出了一種改進(jìn)KD樹結(jié)構(gòu)的方法使之能夠更好的運(yùn)用到ICP算法中。首先

5、對(duì)KD樹的節(jié)點(diǎn)進(jìn)行了改造,為建立人臉子區(qū)域?qū)?yīng)關(guān)系建立基礎(chǔ)；然后提出了最長(zhǎng)軸選取分辨器法則和分割值模糊選取法則兩個(gè)改進(jìn)措施。本章接下來(lái)的部分提出了一種基于改進(jìn)KD樹的三維人臉識(shí)別方法。首先選取一張合適的參考人臉,用ICP算法把所有的庫(kù)集人臉與參考人臉進(jìn)行對(duì)齊,然后根據(jù)建立起來(lái)的參考人臉的KD樹的葉子節(jié)點(diǎn)將參考人臉?lè)指畛扇舾蓧K子區(qū)域,因此在所有與參考人臉進(jìn)行過(guò)ICP配準(zhǔn)的庫(kù)集人臉模型上都可以找到與參考人臉子區(qū)域相對(duì)應(yīng)的區(qū)域,這樣就建立起了

6、整個(gè)庫(kù)集人臉的子區(qū)域?qū)?yīng)關(guān)系。最后利用本文提出的子區(qū)域訓(xùn)練方法得出基于每一塊子區(qū)域的識(shí)別率,利用得到的識(shí)別率計(jì)算出該塊子區(qū)域的識(shí)別算子,接著計(jì)算兩個(gè)人臉模型每塊對(duì)應(yīng)子區(qū)域的平均歐氏距離,把該值乘上該子區(qū)域的識(shí)別算子得到該子區(qū)域的一個(gè)特征值,再把所有區(qū)域的特征值進(jìn)行相加得到相似度來(lái)進(jìn)行識(shí)別。通過(guò)實(shí)驗(yàn)和分析得出對(duì)KD樹的改進(jìn)是成功的,同時(shí)提出的識(shí)別算法也具有明顯的優(yōu)越性。
　　 第四章為總結(jié)與展望,對(duì)本文內(nèi)容做了總結(jié),并分析了目前仍