基于形狀濾波的表情變化下的三維人臉識(shí)別研究.pdf

1、人臉識(shí)別算法利用人的面部特征來(lái)識(shí)別身份，它在多個(gè)領(lǐng)域有巨大的市場(chǎng)需求，如出入控制、視頻監(jiān)控、機(jī)場(chǎng)安檢、人機(jī)交互等。三維人臉識(shí)別技術(shù)是人臉識(shí)別方法的一種，它利用人臉的三維形狀信息作為特征，可以解決二維人臉識(shí)別算法對(duì)光照和姿態(tài)敏感的問(wèn)題，因此越來(lái)越多的學(xué)者開(kāi)始關(guān)注三維人臉識(shí)別。然而表情會(huì)導(dǎo)致三維人臉形狀發(fā)生改變，降低算法性能。本文主要以形狀濾波為手段研究表情變化下三維人臉形變建模、匹配方法及其關(guān)鍵技術(shù)，本文的主要貢獻(xiàn)包括:
　　 (

2、1)對(duì)三維人臉識(shí)別技術(shù)的原理進(jìn)行分析，指出表情是影響系統(tǒng)性能的主要問(wèn)題。介紹了當(dāng)今人臉識(shí)別技術(shù)的歷史、發(fā)展現(xiàn)狀，對(duì)克服表情影響的三維人臉識(shí)別技術(shù)進(jìn)行深入研究，指出克服表情引起的類內(nèi)人臉形狀改變關(guān)鍵之處在于以表情模型為基礎(chǔ)的類內(nèi)形變估計(jì)。
　　 (2)提出了基于子區(qū)域約束的非剛性人臉匹配模型。在傳統(tǒng)的基于ICP的匹配模型中，人臉必須滿足近似剛體的條件?，F(xiàn)實(shí)中由于表情形變的出現(xiàn)，人臉很難再近似為剛體。在深入分析人臉各種形變描述及估計(jì)

3、方法的基礎(chǔ)上，將傳統(tǒng)匹配模型中剛性參數(shù)估計(jì)方法推廣到表情變化的情況，建立了非剛性匹配模型。在新的模型中，人臉的類內(nèi)形變通過(guò)徑向基函數(shù)描述;鼻子-眼睛-額頭區(qū)域作為空域約束控制形變的程度。實(shí)驗(yàn)結(jié)果表明非剛性方法適用于三維人臉識(shí)別。新模型可以在保持類間差距的同時(shí)，減小由于表情導(dǎo)致的類內(nèi)變化從而提高識(shí)別率。
　　 (3)提出了基于非剛性形變的特征提取方法。為了提高識(shí)別系統(tǒng)的在線匹配效率，目標(biāo)人臉一般表示為模板人臉的非剛性形變場(chǎng)。因此，

4、提高性能的關(guān)鍵問(wèn)題在于準(zhǔn)確提取目標(biāo)與模板之間非剛性形變。本文方法首先利用圖譜技術(shù)將人臉?lè)纸獬傻皖l輪廓和高頻細(xì)節(jié)分量，利用改進(jìn)的非剛性配準(zhǔn)算法對(duì)輪廓分量進(jìn)行形變參數(shù)提取，并利用剛性參數(shù)對(duì)細(xì)節(jié)信息進(jìn)行校準(zhǔn)，最后利用補(bǔ)償?shù)募?xì)節(jié)特征實(shí)現(xiàn)非剛性形變量的提取。實(shí)驗(yàn)結(jié)果表明，結(jié)合了幾何形狀分解和非剛性點(diǎn)集配準(zhǔn)的新方法降低了重構(gòu)誤差，提高了識(shí)別的精度。
　　 (4)通過(guò)深入研究人臉的空域形變模型，提出了描述人臉形變的頻域模型，并且基于該頻域模型

5、利用形狀濾波器解決表情變化下三維人臉特征提取問(wèn)題。該模型將人臉形狀按照?qǐng)D譜頻率分成三個(gè)部分:代表輪廓的低頻部分，代表形狀細(xì)節(jié)的中頻部分，以及代表系統(tǒng)噪聲的高頻部分。表情導(dǎo)致的形狀改變集中在形狀的低頻部分，對(duì)中頻部分的細(xì)節(jié)信息影響小。利用流形諧波構(gòu)建了理想階躍濾波器，實(shí)現(xiàn)中頻信息的提取，并利用網(wǎng)格平面參數(shù)化將人臉網(wǎng)格映射到邊界為正四邊形的平面區(qū)域內(nèi)，經(jīng)過(guò)線性插值采樣得到三維形狀的二維幾何圖像。在FRGCv2人臉庫(kù)上的實(shí)驗(yàn)結(jié)果表明了中頻形狀

6、信息具有身份表征性和表情魯棒性，仿真結(jié)果也指出人臉不同的頻率分量對(duì)識(shí)別身份都有一定作用。
　　 (5)提出了基于平面幾何圖像的卷積濾波器設(shè)計(jì)方法。雖然流形諧波實(shí)現(xiàn)了Fourier變換在非線性空間的推廣，但采用頻域?yàn)V波會(huì)涉及高維稀疏矩陣的特征值分解。對(duì)于包含n個(gè)點(diǎn)的人臉點(diǎn)云來(lái)說(shuō)，Laplace矩陣的維數(shù)為n×n。為了設(shè)計(jì)有效的形狀濾波器，需要對(duì)上述高維稀疏矩陣進(jìn)行全部的特征值分解，巨大的計(jì)算復(fù)雜度影響了濾波器的設(shè)計(jì)效率。因此本章對(duì)

7、形狀濾波過(guò)程進(jìn)行推廣，提出了基于空域卷積的濾波器設(shè)計(jì)方法。首先利用諧波映射實(shí)現(xiàn)了流形曲面到平面幾何圖像的映射，在映射過(guò)程中通過(guò)人臉對(duì)稱面檢測(cè)實(shí)現(xiàn)凸邊界形狀標(biāo)定中的畸變。離線訓(xùn)練階段利用差分進(jìn)化算法得到有利于分類的空域卷積核，在線識(shí)別時(shí)用此卷積核提取特征用于人臉身份的識(shí)別與認(rèn)證。并將基于整體形狀差異的濾波過(guò)程推廣到基于局部子區(qū)域的形狀濾波，提高了算法的識(shí)別率。
　　 關(guān)健詞:三維人臉識(shí)別;表情變化;形變模型;非剛性配準(zhǔn);流形諧波;