基于深度圖像的三維人臉特征提取.pdf

1、人臉識別是一種基于生物特征的身份認證技術(shù)，是模式識別和機器視覺領(lǐng)域中最為活躍和最具潛力的研究方向之一，具有十分廣闊的應用前景。三維人臉的研究是以人臉的三維數(shù)據(jù)為基礎(chǔ)，結(jié)合計算機視覺和計算機圖形學，充分利用三維人臉的深度信息，能夠解決和克服現(xiàn)有二維人臉識別研究中所面臨的光照、姿態(tài)、表情等問題。 三維人臉特征提取是三維人臉研究中的重要組成部分，有效地提取人臉特征是人臉識別的關(guān)鍵，其基本任務是研究如何從眾多數(shù)據(jù)特征中提取出對分類識別最

2、有效的特征，從而實現(xiàn)對特征空間維數(shù)的約減。因此，本文提出了一種基于深度圖像的三維人臉特征提取方法。本文的工作和主要創(chuàng)新成果如下： （1）本文提出了利用三維人臉深度圖像進行特征提取，根據(jù)中國科學院自動化研究所提供的CASIA三維人臉數(shù)據(jù)庫，獲得三維人臉點云數(shù)據(jù)，通過預處理，將三維人臉點云數(shù)據(jù)正交投影，按深度值重采樣為規(guī)整數(shù)據(jù)，轉(zhuǎn)化為三維人臉的深度圖像。預處理后的三維人臉深度圖像蘊含了與其對應的三維人臉點云數(shù)據(jù)之間的鄰接關(guān)系。

3、 （2）研究發(fā)現(xiàn)，人臉往往位于一個高維的非線性的流形結(jié)構(gòu)，因此本文采用了基于流形學習的局部保持投影（LPP）算法提取三維人臉深度圖像的特征，將流形學習運用到三維人臉深度圖像的特征提取。由于人臉圖像存在內(nèi)在較低的維數(shù)，而流形學習就是把一組高維空間的數(shù)據(jù)在低維空間中重新表示，所以本文采用流形學習在較低維數(shù)下進行人臉特征提取的研究，從而更能體現(xiàn)出人臉潛在的流形結(jié)構(gòu)特征。 （3）本文在Matlab環(huán)境下實現(xiàn)了基于深度圖像的三維人臉特征

4、提取和識別的系統(tǒng)。采用了局部保持投影（LPP）算法和經(jīng)典的主成分分析（PCA）算法對三維人臉深度圖像進行特征提取。由于特征提取結(jié)果的優(yōu)劣要由人臉識別率來衡量，那么為了充分體現(xiàn)所提取人臉特征的性能，在本文的實驗中采用的是較簡單的最近鄰分類器。實驗結(jié)果表明，與主成分分析算法相比，在相同的三維人臉深度圖像樣本集的基礎(chǔ)上，采用局部保持投影算法達到的識別率更高，同時需要的特征維數(shù)低，這就表明了LPP算法能夠有效地提取人臉特征。 本文對三維