三维人脸识别

【摘要】：人脸识别是当前生物特征识别研究的热点之一,目前的人脸识别方法主要集中在二维图像方面,由于受到光照、姿势、表情变化的影响,其识别的准确度受到很大限制。迄今为止,建立一个鲁棒的人脸识别系统仍然是一个很困难的问题。三维人脸模型具有比二维人脸图像更丰富的信息,利用三维信息是完成人脸识别的另一有效途径。 本文主要研究基于三维数据模型的人脸识别问题,在对三维人脸模型进行必要预处理的基础上,提取有效且鲁棒的三维特征完成识别:同时针对三维数据模型本身的大数据量、高复杂度的特性,探讨如何通过预处理降低识别的运算负荷。 本文的主要研究内容和工作可总结如下: 1.在曲率分析和估计方面,通过理论和试验分析对各种曲率的性能进行定性和定量的比较。并且针对曲率估计中的边界问题,提出“内部扩张”的思路予以解决。为了改善模型的性能,对模型进行基于曲率的平滑,并且给出了平滑过程中科学确定权值阈值的方法。 2.在三维模型分割方面,对高斯-均值曲率向量、最大-最小曲率向量、RMS-绝对曲率向量等三种特征向量在分割中的性能,以及指定聚类数目对分割结果的影响通过试验进行了比较。针对三维人脸识别的要求,对分割结果进行后处理,合并了众多细碎小区域,得到的子区域与实际意义中的面上区域具有更加准确的对应关系。 3.在三维模型配准方面,结合面上五官区域之间的相对位置关系和分割子区域的面积约束,在模型的分割结果中提取出五官区域,利用五官区域的质心作为模型的关键点用于粗配准中。与原有的基于模板的方法不同,这种确定关键点的方法不会受到模型的模态和尺度大小的影响。 4.在三维人脸识别方面,提出了一种结合全局和局部信息的特征用于三维人脸识别,通过面上五官区域之间的相对位置关系来描述模型的全局特点:以每个五官区域内部所有顶点特征的均值作为这个区域的代表特征,并且将各个区域的特征按照特定的顺序连接起来,作为局部区域的特征。