三維人臉形體匹配與屬性分類研究.pdf

1、人臉是人類最重要最直觀的生物特性之一，在人臉上包含了豐富、重要的生物信息，例如：身份、性別、表情、年齡、種族等。與其它生物特征識別相比，人臉具有非接觸性、直接性和方便性等優(yōu)勢。基于二維圖像的人臉識別技術(shù)已經(jīng)成為模式識別、計算機視覺和人工智能領(lǐng)域的研究熱點。但是在光照、姿態(tài)變化的情況下，二維人臉識別性能將急劇下降。三維獲取設(shè)備的發(fā)展使得三維人臉識別成為可能。在已獲得數(shù)據(jù)的前提下，三維人臉幾乎不受光線影響，而且三維數(shù)據(jù)具有的幾何形體使三維人

2、臉可以更好地克服姿態(tài)變化的影響。由于三維數(shù)據(jù)在應對光照、姿態(tài)變化方面比二維圖像具有特定的優(yōu)勢，因此目前三維人臉匹配與屬性分類受到越來越多的關(guān)注。
　　本文針對三維人臉形體匹配與屬性分類問題展開了研究。論文的主要工作與貢獻如下：
　　1.三維人臉特征點定位。三維人臉特征點定位是三維人臉識別的一個必要環(huán)節(jié)。在二維圖像上可以較為容易地找到分界線，但三維數(shù)據(jù)是一個連續(xù)光滑的曲面，比較難定義分界線，所以三維人臉上的特征點定位要比二維人

3、臉特征點定位更具挑戰(zhàn)性。針對傳統(tǒng)的三維曲率分析法無法應用于有洞、噪聲數(shù)據(jù)和無法獲得唯一的定位區(qū)域的問題，本文提出了基于遞階多層單位劃分隱函數(shù)（Multi-level Partition of UnityImplicits, MPUImplicits）重建和曲率分析的三維人臉特征點定位方法。該方法可以應用于有洞、噪聲、夸張表情、姿態(tài)變化的模型，并且可以得到唯一的定位區(qū)域。它具有準確的定位效果，又克服了傳統(tǒng)方法的不足。
　　2.基于弱

4、表情區(qū)域的多姿態(tài)三維人臉形體匹配。在預處理階段，用提取的三個特征點做粗校準，準確的特征點定位可以較好的初始對準人臉，有利于之后的迭代算法的速度和收斂。表情變化是三維人臉匹配的難點，本文提取了弱表情區(qū)
　　域用于配準，消弱表情對識別的影響。另外，針對三維人臉迭代最近點法（Iterative Closest Point, ICP）配準耗時較長的問題，本文提出了基于法線迭代最近點法，該方法可以用于點云模型與MPU隱函數(shù)模型的配準，減弱了

5、ICP算法計算量大、耗時較多的缺點。
　　3.三維人臉性別差異分析與識別。人類可以毫不費力地識別出性別，但是對于機器自動識別性別卻是一個具有挑戰(zhàn)性的難題。目前已有的研究工作主要集中在二維人臉性別識別中，對于三維的性別識別研究成果較少。本文圍擾著三維人臉模型，針對三個問題展開了研究：1）三維人臉形體本身是否存在性別差異？2）哪些特征具有更明顯的性別區(qū)分能力？3）如何基于人臉的三維形體進行性別識別？基于以上問題，首先從三維人臉上提取了

6、四類幾何特征（坐標位置、歐式距離、比值和夾角），采用統(tǒng)計分析方法驗證了三維人臉存在著性別差異，并通過G值分析研究得出了具有明顯性別差異的特征。根據(jù)性別差異分析的結(jié)果進行特征選擇，采用支持向量機方法實現(xiàn)了三維人臉的性別識別。進一步，將人臉分成若干子區(qū)域，分析了基于人臉子區(qū)域的性別識別率，并融合各個子區(qū)域的分類結(jié)果提高了性別識別率。
　　4.三維人臉表情識別。本文提出了基于脊谷圖的三維人臉表情識別。首先根據(jù)曲率特征，在三維人臉上提取了