專利名稱：基于幾何圖像中中頻信息的三維人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于幾何圖像中中頻信息的三維人臉識別方法，對任一預(yù)處理過的三維人臉模型進(jìn)行網(wǎng)格參數(shù)化和線性插值得到幾何圖像，用多尺度哈爾小波濾波器從幾何圖像中提取具有身份區(qū)分度的中頻信息圖像作為三維人臉模型的表情不變特征，用小波域結(jié)構(gòu)化相似度算法計算測試模型和庫集模型的中頻信息圖像的相似度以判定測試模型的身份。本發(fā)明提出的三維人臉模型的中頻信息圖像具有很好的身份表征性，有效地減小了表情變化對三維人臉識別造成的影響。小波域結(jié)構(gòu)化相似度算法精確地計算了測試模型和庫集模型的中頻信息圖像的結(jié)構(gòu)信息相似度，顯著地提高了三維人臉識別方法的識別率。
背景技術(shù)：
生物特征識別在安全領(lǐng)域有著重要的應(yīng)用，特別是與指紋、虹膜等特征識別技術(shù)相比，自動人臉識別技術(shù)以其無接觸性、可接受性高、隱蔽性好等優(yōu)點受到越來越多的關(guān)注，有著巨大的發(fā)展空間。傳統(tǒng)的基于照片的人臉識別技術(shù)受到光照、姿態(tài)、化妝等因素的限制，而三維人臉識別技術(shù)可以克服或減輕這些因素帶來的不利影響。三維人臉模型具有比二維圖像更豐富的信息，它是對人臉的空間真實形態(tài)更準(zhǔn)確的描述。但是，三維人臉模型數(shù)據(jù)量較大，干擾區(qū)域較多，計算量極大，且人臉表情帶來的非剛性形變影響了基于幾何信息的三維人臉識別方法的性能。因此，如何減小運算量、降低人臉表情影響成為三維人臉識別技術(shù)的瓶頸， 也是研究的關(guān)鍵問題。

發(fā)明內(nèi)容
本發(fā)明提供一種能夠提高識別率的基于幾何圖像中中頻信息的三維人臉識別方法。本發(fā)明采用如下技術(shù)方案一種基于幾何圖像中中頻信息的三維人臉識別方法，其特征在于，分別對測試模型及庫集模型的幾何圖像進(jìn)行多尺度哈爾小波濾波，得到測試模型和庫集模型的水平中頻信息圖像、垂直中頻信息圖像和對角線中頻信息圖像，用小波域結(jié)構(gòu)化相似度算法計算對應(yīng)中頻信息圖像的相似度并相加作為測試模型和庫集模型的總相似度，最后根據(jù)測試人臉和三維人臉庫集的各個庫集人臉的相似度，判定具有最大相似度的庫集模型為識別結(jié)果。 所述處理包括預(yù)處理步驟、中頻信息圖像提取步驟，小波域結(jié)構(gòu)化相似度計算步驟以及識別步驟。步驟I分別對測試模型和庫集模型進(jìn)行預(yù)處理，所述的預(yù)處理為步驟I. I人臉切割根據(jù)人臉點云的形狀指數(shù)Shape Index特征和幾何約束確定鼻尖點位置，以該點為球心，90_為半徑做球，舍棄落在球體以外的點，保留球體內(nèi)的點并作為后續(xù)處理的人臉區(qū)域；步驟I. 2人臉表面平滑處理對切割后的人臉點云用主成分分析法(Principal Component Analysis, PCA)進(jìn)行姿態(tài)校正，經(jīng)主成分分析得到3個互相垂直的主軸方向，以鼻尖點為原點，選取最大的特征值對應(yīng)的特征向量作為Y軸，最小特征值對應(yīng)的特征向量作為Z軸，建立右手坐標(biāo)系，并以所述右手坐標(biāo)系為空間三維坐標(biāo)系，人臉點云中每個點由坐標(biāo)系中X、I、z坐標(biāo)唯一表示；對空間三維坐標(biāo)系中的人臉點云三角化，得到空間三角網(wǎng)格，然后用基于網(wǎng)格的平滑算法對人臉區(qū)域進(jìn)行平滑去噪，經(jīng)過10次迭代處理，得到表面平滑的三維人臉網(wǎng)格；步驟I. 3上半張臉的切割舍棄三維人臉網(wǎng)格中位于y = -10平面以下的點，保留受表情影響較小的上半張人臉；步驟I. 4人臉點云稀釋人臉的點云按照空間距離進(jìn)行均勻采樣，采樣間隔為1mm，得到稀釋的點云，對稀釋的點云進(jìn)行三角網(wǎng)格化，計算并保存生成的三維人臉網(wǎng)格中每個空間三角面片的邊長 Y11^ Y12，Y13，l = l，2，…，η，其中Π是網(wǎng)格中三角面片的個數(shù)，所有三角面片邊長的平均值為f，如果三角面片中存在有長度大于的邊，則舍棄三角面片，保留三角面片的頂占.步驟2. I分別將測試模型和庫集模型人臉的點云坐標(biāo)信息映射到平面上，分別形成測試模型和庫集模型的幾何圖像，獲取幾何圖像的方法如下步驟2. I. I網(wǎng)格參數(shù)化將預(yù)處理后的三維人臉網(wǎng)格的邊界點映射到平面上大小為512X512像素的正四邊形的四條邊上，且將三維人臉網(wǎng)格除邊界點以外的其它點經(jīng)過網(wǎng)格參數(shù)化映射到正四邊形區(qū)域內(nèi)，得到平面網(wǎng)格Φ，以平面上正四邊形任一頂點為原點，以與原點相交的兩條邊所在方向為正方向，建立逆時針坐標(biāo)系Μ0Ν,平面上的任意點由m、n坐標(biāo)唯一表示,在正四邊形的四條邊上，按照逆時針方向從原點開始均勻采樣b個點,采樣點的坐標(biāo)為(WiK), t =
1,2,…b，其中b是三維人臉網(wǎng)格的邊界點個數(shù)；記fq為三維人臉網(wǎng)格的頂點，q = 1,2, ···, τ , τ為頂點個數(shù)，映射到正四邊形區(qū)域內(nèi)的對應(yīng)點的坐標(biāo)為Ov nq)，mq, nq是以下線性方程的解
權(quán)利要求
1.一種基于幾何圖像中中頻信息的三維人臉識別方法，包括以下步驟步驟I分別對測試模型和庫集模型進(jìn)行預(yù)處理，所述的預(yù)處理為步驟1.1人臉切割根據(jù)人臉點云的形狀指數(shù)Shape Index特征和幾何約束確定鼻尖點位置，以該點為球心，90mm為半徑做球，舍棄落在球體以外的點，保留球體內(nèi)的點并作為后續(xù)處理的人臉區(qū)域；步驟I. 2人臉表面平滑處理對切割后的人臉點云用主成分分析法(Principal Component Analysis, PCA)進(jìn)行姿態(tài)校正，經(jīng)主成分分析得到3個互相垂直的主軸方向，以鼻尖點為原點，選取最大的特征值對應(yīng)的特征向量作為Y軸，最小特征值對應(yīng)的特征向量作為Z軸，建立右手坐標(biāo)系，并以所述右手坐標(biāo)系為空間三維坐標(biāo)系，人臉點云中每個點由坐標(biāo)系中X、I、z坐標(biāo)唯一表示； 對空間三維坐標(biāo)系中的人臉點云三角化，得到空間三角網(wǎng)格，然后用基于網(wǎng)格的平滑算法對人臉區(qū)域進(jìn)行平滑去噪，經(jīng)過10次迭代處理，得到表面平滑的三維人臉網(wǎng)格；步驟I. 3上半張臉的切割舍棄三維人臉網(wǎng)格中位于y = -10平面以下的點，保留受表情影響較小的上半張人臉;步驟I. 4人臉點云稀釋人臉的點云按照空間距離進(jìn)行均勻采樣，采樣間隔為1mm，得到稀釋的點云，對稀釋的點云進(jìn)行三角網(wǎng)格化，計算并保存生成的三維人臉網(wǎng)格中每個空間三角面片的邊長Y11, Y12, Y13, I = 1,2,…，η，其中η是網(wǎng)格中三角面片的個數(shù)，所有三角面片邊長的平均值為f，如果三角面片中存在有長度大于4F的邊，則舍棄三角面片，保留三角面片的頂點； 步驟2. I分別將測試模型和庫集模型人臉的點云坐標(biāo)信息映射到平面上，分別形成測試模型和庫集模型的幾何圖像，獲取幾何圖像的方法如下步驟2. I. I網(wǎng)格參數(shù)化將預(yù)處理后的三維人臉網(wǎng)格的邊界點映射到平面上大小為512X512像素的正四邊形的四條邊上，且將三維人臉網(wǎng)格除邊界點以外的其它點經(jīng)過網(wǎng)格參數(shù)化映射到正四邊形區(qū)域內(nèi)，得到平面網(wǎng)格Φ，以平面上正四邊形任一頂點為原點，以與原點相交的兩條邊所在方向為正方向，建立逆時針坐標(biāo)系Μ0Ν,平面上的任意點由m、η坐標(biāo)唯一表示,在正四邊形的四條邊上，按照逆時針方向從原點開始均勻采樣b個點，采樣點的坐標(biāo)為(<,<)，t = 1， 2，…b，其中b是三維人臉網(wǎng)格的邊界點個數(shù)；記為三維人臉網(wǎng)格的頂點，q = I，2, ···, τ , τ為頂點個數(shù)，映射到正四邊形區(qū)域內(nèi)的對應(yīng)點的坐標(biāo)為Ov nq)，mq, nq是以下線性方程的解
全文摘要
一種基于幾何圖像中中頻信息的三維人臉識別方法，步驟如下(1)對三維人臉的庫集模型和測試模型進(jìn)行預(yù)處理，包括三維人臉區(qū)域切割、平滑處理和點云稀釋，最后切除嘴部附近點集，保留上半張人臉；(2)通過網(wǎng)格參數(shù)化將上半張人臉映射至二維網(wǎng)格，對網(wǎng)格頂點的三維坐標(biāo)線性插值獲取各像素點的三維坐標(biāo)屬性，生成三維人臉模型的幾何圖像；(3)用多尺度哈爾小波濾波器對幾何圖像進(jìn)行多尺度濾波，提取水平中頻信息圖像、垂直中頻信息圖像以及對角線中頻信息圖像作為人臉的表情不變特征；(4)用小波域結(jié)構(gòu)化相似度算法計算測試模型和庫集模型的相似度；(5)根據(jù)測試模型和三維人臉庫集的各個庫集模型的相似度，判定具有最大相似度的庫集模型與測試模型屬于同一個體。
文檔編號G06T7/00GK102592136SQ20111043107
公開日2012年7月18日 申請日期2011年12月21日 優(yōu)先權(quán)日2011年12月21日
發(fā)明者王朝陽, 達(dá)飛鵬 申請人:東南大學(xué)