表情變化條件下的三維人臉識(shí)別.pdf

1、人臉識(shí)別技術(shù)是以人臉作為特征進(jìn)行身份認(rèn)證和識(shí)別的技術(shù)，它在多個(gè)領(lǐng)域有巨大的市場(chǎng)需求，如門禁系統(tǒng)、視頻監(jiān)控、機(jī)場(chǎng)安檢、智能空間、自然人機(jī)交互等。二維人臉識(shí)別難以解決光照和姿態(tài)問(wèn)題，而三維人臉具有光照、姿勢(shì)不變性，且包含有更多的信息量，因此三維人臉識(shí)別已成為學(xué)術(shù)界的研究熱點(diǎn)。然而表情會(huì)導(dǎo)致三維人臉曲面形狀改變，降低了算法性能；同時(shí)三維人臉中的海量數(shù)據(jù)，也導(dǎo)致了算法的實(shí)時(shí)性難以滿足實(shí)際要求。因此，克服表情影響和提高實(shí)時(shí)性是三維人臉識(shí)別迫切需要

2、解決的問(wèn)題。本文工作主要針對(duì)這兩個(gè)問(wèn)題，提出相應(yīng)解決方案，所做工作總結(jié)如下：
　　 (1)三維人臉識(shí)別技術(shù)研究現(xiàn)狀總結(jié)。首先介紹了人臉識(shí)別背景，然后詳細(xì)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)目前較為廣泛使用的三維人臉數(shù)據(jù)庫(kù)進(jìn)行了總結(jié)，最后對(duì)三維人臉識(shí)別的研究現(xiàn)狀進(jìn)行了分析。
　　 (2)人臉識(shí)別過(guò)程是一個(gè)“暴力搜索”過(guò)程，即每一個(gè)測(cè)試模型都需要同所有的庫(kù)集模型比較，然后選擇相似度最高的庫(kù)

3、集對(duì)象作為識(shí)別結(jié)果?；邳c(diǎn)云直接配準(zhǔn)的人臉識(shí)別方法對(duì)三維人臉數(shù)據(jù)不做特征提取，直接根據(jù)點(diǎn)云的三維坐標(biāo)進(jìn)行精確匹配，最后以配準(zhǔn)后的對(duì)應(yīng)點(diǎn)對(duì)平均距離作為相似性度量。在該類方法中，每一個(gè)測(cè)試模型都需要同所有的庫(kù)集模型進(jìn)行精確匹配，嚴(yán)重影響了識(shí)別效率。針對(duì)該問(wèn)題，提出了一種基于排除算法的快速三維人臉識(shí)別方法。首先應(yīng)用人臉穩(wěn)定區(qū)域的有價(jià)值側(cè)面輪廓線建立排除算法，在識(shí)別初期，通過(guò)簡(jiǎn)單的排除器將庫(kù)集中不相似人臉排除，最后只在相似度較高的剩余庫(kù)集模型中

4、進(jìn)行精確匹配。利用本文所提排除算法，約2/3的庫(kù)集人臉在識(shí)別初期被排除，測(cè)試模型只需在剩余1/3的庫(kù)集人臉中尋找識(shí)別結(jié)果，極大地提高了識(shí)別算法實(shí)時(shí)性。
　　 (3)表情會(huì)導(dǎo)致三維人臉曲面產(chǎn)生非剛性形變，常用的一種處理方法是在人臉中選取受表情影響較小的近似剛性區(qū)域進(jìn)行匹配識(shí)別，然而受所有表情影響都很小的區(qū)域是很小的，僅利用該部分區(qū)域進(jìn)行識(shí)別將影響識(shí)別精度。為了解決該問(wèn)題，提出了一種自適應(yīng)區(qū)域選擇的三維人臉識(shí)別方法。該方法將人臉分為

5、多個(gè)子區(qū)域，并分別建立人臉形變映射，最后根據(jù)該形變映射，自適應(yīng)地選取形變較小的子區(qū)域用于識(shí)別。該方法在避免表情影響的同時(shí)，又利用了盡可能多的人臉區(qū)域用于識(shí)別。將該方法與僅利用人臉近似剛性區(qū)域的方法比較，識(shí)別和認(rèn)證效果有明顯提高。
　　 (4)傳統(tǒng)三維人臉識(shí)別算法難以區(qū)分兩個(gè)人臉形狀的差異是由不同人引起的還是由表情引起的，使得算法對(duì)表情很敏感。針對(duì)該問(wèn)題，提出了一種基于表情分離的三維人臉識(shí)別方法。首先利用訓(xùn)練集和模板人臉建立人臉形

6、變模型和表情形變模型，然后通過(guò)將帶有表情的人臉分別向這兩個(gè)模型空間映射來(lái)分離人臉形狀特征和表情特征，最后提取去除表情成分的人臉形狀特征用于識(shí)別。該方法通過(guò)將人臉形狀特征和表情特征分離，先將有表情人臉變換為無(wú)表情人臉，然后用于識(shí)別，提高了算法的表情魯棒性。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)表情變化下的人臉識(shí)別具有很好的效果。
　　 (5)局部特征一般受表情、姿勢(shì)和遮擋影響較小，但易受噪聲點(diǎn)影響；而整體特征具有相反的特性。為了有效利用人臉特征進(jìn)