本文選題：三維人臉識(shí)別　切入點(diǎn)：三維人臉定位　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著社會(huì)的不斷進(jìn)步,生物識(shí)別技術(shù)逐漸受到各界研究學(xué)者的青睞.而人臉識(shí)別因其自然性和不易被被測(cè)個(gè)體察覺的特點(diǎn)以及在個(gè)人信息安全、自助服務(wù)、電子商務(wù)、安全防務(wù)等領(lǐng)域的巨大應(yīng)用前景日益受到重視.在研究人員幾十年的鉆研下,二維人臉識(shí)別算法取得了顯著地進(jìn)展.然而不同于傳統(tǒng)的二維人臉識(shí)別容易受到光線、化妝等外界因素的影響,三維人臉識(shí)別因其處理對(duì)象是三維人臉空間模型而更加安全、魯棒.人臉定位作為人臉識(shí)別中的關(guān)鍵基礎(chǔ)步驟,其結(jié)果的準(zhǔn)確性對(duì)于之后的表情提取與分析、矯正人臉等處理舉足輕重.因此,快速準(zhǔn)確地定位人臉成為重中之重.本文針對(duì)三維動(dòng)態(tài)人臉的空間模型,深入探討了三維人臉識(shí)別中的數(shù)據(jù)處理部分:人臉的定位.主要分為人臉模型的讀入、特征點(diǎn)標(biāo)記和人臉區(qū)域獲取三個(gè)階段.針對(duì)采集到的三維動(dòng)態(tài)人臉模型數(shù)據(jù),首先要借助環(huán)境VS2010,將數(shù)據(jù)讀入并且顯示人臉模型.文中先簡(jiǎn)要說明了數(shù)據(jù)獲取的三維設(shè)備:三維照相機(jī).然后針對(duì)三維照相機(jī)采集到的人臉模型數(shù)據(jù),簡(jiǎn)要描述了將其讀入電腦顯示的方式.因?yàn)閽呙鑳x采集的數(shù)據(jù)范圍較大,采集到的人臉模型數(shù)據(jù)存在耳朵、脖子、肩膀等無效部分,因此首先需要去除無用部分,將感興趣的用于人臉識(shí)別的有效部分進(jìn)行切割和定位.為了能夠準(zhǔn)確提取人臉特征并且減少冗余信息的干擾,文中選取球體對(duì)人臉進(jìn)行定位.本文先在三維人臉模型上尋找到特征點(diǎn).由于提取特征的鑒別力決定了識(shí)別性能,所以特征提取在三維人臉識(shí)別中占據(jù)舉足輕重的地位.基于特征提取策略,根據(jù)需要由簡(jiǎn)到繁的給出手工定位特征點(diǎn)、根據(jù)深度信息定義特征點(diǎn)以及經(jīng)典的ASM算法三種獲取方法.然后簡(jiǎn)要地比較了三種方法的優(yōu)劣性,以及各種方法所適應(yīng)的場(chǎng)景.最后,以定位的鼻尖點(diǎn)為球心構(gòu)造一個(gè)球體對(duì)三維模型進(jìn)行切割,得到的球體內(nèi)區(qū)域即為切割的人臉區(qū)域,從而實(shí)現(xiàn)人臉區(qū)域的定位.人臉獲取部分的關(guān)鍵之處在于計(jì)算球體的半徑,這里主要給出了測(cè)地距離的方法.通過將其與最為常用的歐氏距離進(jìn)行比較,能夠突出測(cè)地距離的優(yōu)勢(shì).上機(jī)實(shí)驗(yàn)結(jié)果可以看出,本文提出三維人臉的定位方法具有較好的實(shí)用性.
[Abstract]:With the development of society, biometric recognition technology has been favored by researchers from all walks of life, and face recognition, because of its naturalness and characteristics that are not easy to be detected by tested individuals, can be used in personal information security, self-service, electronic commerce, etc. Great application prospects in the field of security and defense have been paid more and more attention. After decades of research by researchers, two-dimensional face recognition algorithms have made remarkable progress. However, unlike traditional two-dimensional face recognition, two-dimensional face recognition is vulnerable to light. Due to the influence of external factors, such as makeup, 3D face recognition is more secure and robust because its object is 3D face space model. Face location is a key step in face recognition. The accuracy of the result is very important for facial expression extraction and analysis and face correction. Therefore, it is very important to locate the face quickly and accurately. This paper focuses on the spatial model of 3D dynamic face. In this paper, the data processing in 3D face recognition is deeply discussed, which is divided into three stages: face model reading, feature point marking and face region acquisition. First of all, we should read the data into and display the face model with the help of the environment VS2010. Firstly, this paper briefly describes the 3D device for data acquisition: 3D camera, and then aims at the face model data collected by 3D camera. This paper briefly describes the way to read it into the computer display. Because the data collected by the scanner has a large range of data, the collected face model data has invalid parts, such as ears, neck, shoulders, etc., so it is necessary to remove the useless parts first. In order to extract face features accurately and reduce the interference of redundant information, the valid parts of face recognition of interest are cut and located. In this paper, the ball is selected to locate the face. Firstly, the feature points are found on the 3D face model. The ability of extracting features determines the recognition performance. Therefore, feature extraction plays an important role in 3D face recognition. Based on feature extraction strategy, handmade feature points are given from simple to complex according to the need of feature extraction. According to the depth information, the feature points and the classical ASM algorithm are defined. Then, the advantages and disadvantages of the three methods are briefly compared, as well as the scenarios adapted by the various methods. Finally, A sphere is constructed to cut the 3D model with the nasal tip as the center. The region inside the sphere is the area of the cut face, so the location of the face region is realized. The key point of the face acquisition part is to calculate the radius of the sphere. This paper mainly gives the method of geodesic distance. By comparing it with the most commonly used Euclidean distance, the advantage of geodesic distance can be highlighted. In this paper, a 3D face localization method is presented, which has good practicability.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 倪健;董強(qiáng);管國棟;;基于幾何特征的人臉定位算法的改進(jìn)[J];微計(jì)算機(jī)信息;2006年13期

2 韓昱;辛宇;文露;;人臉定位系統(tǒng)的研究[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2006年16期

3 洪弘;王元慶;;基于主動(dòng)照射式的人臉定位[J];光電工程;2007年01期

4 張朝陽;潘保昌;鄭勝林;彭紹湖;;基于消除背景的人臉定位方法[J];廣東工業(yè)大學(xué)學(xué)報(bào);2007年02期

5 馬飛;褚龍現(xiàn);王丙軒;程榮花;;基于膚色區(qū)域相關(guān)過濾的人臉定位[J];平頂山學(xué)院學(xué)報(bào);2012年05期

6 劉文卿,朱俊青,王林泉;基于積分投影的快速人臉定位[J];計(jì)算機(jī)輔助工程;2003年02期

7 侯榆青;彭進(jìn)業(yè);李楠;;一種快速實(shí)現(xiàn)人臉定位與幾何校正的方法[J];光子學(xué)報(bào);2005年12期

8 王文寧;王匯源;常新華;;一種新的基于對(duì)稱特征的彩色人臉定位方法[J];計(jì)算機(jī)工程與科學(xué);2006年10期

9 王峰;;在人臉定位中有關(guān)分割算法的研究[J];科技信息(學(xué)術(shù)研究);2007年08期

10 徐艷敏;;一種基于特征的人臉定位方法的研究[J];機(jī)電工程技術(shù);2008年11期

相關(guān)會(huì)議論文 前4條

1 莫華毅;李衛(wèi)軍;王守覺;;一種直觀魯棒的人臉定位方法[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

2 潘榕;魏慧琴;;基于特征提取的人臉定位研究與實(shí)現(xiàn)[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

3 賈旭芬;;基于礦工人臉輪廓特征的人臉定位方法[A];第22屆全國煤礦自動(dòng)化與信息化學(xué)術(shù)會(huì)議暨第4屆中國煤礦信息化與自動(dòng)化高層論壇論文集[C];2012年

4 李臨生;張永亮;田啟川;;基于膚色檢測(cè)和區(qū)域標(biāo)記的多人臉定位[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

相關(guān)碩士學(xué)位論文 前10條

1 謝建鋒;基于改進(jìn)輪廓模型的疲勞駕駛檢測(cè)方法研究[D];電子科技大學(xué);2014年

2 張苗;基于GPU的人臉定位算法研發(fā)與優(yōu)化[D];浙江大學(xué);2016年

3 喬瑋瑋;三維動(dòng)態(tài)人臉定位研究[D];吉林大學(xué);2017年

4 徐健;人臉定位研究與應(yīng)用[D];西安電子科技大學(xué);2006年

5 劉璇;人臉定位與跟蹤技術(shù)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2010年

6 孫睿;基于人臉定位技術(shù)的疲勞駕駛檢測(cè)方法[D];電子科技大學(xué);2010年

7 邱海楓;基于人臉定位的疲勞駕駛檢測(cè)方法的研究[D];廣東工業(yè)大學(xué);2008年

8 韓春霞;人臉定位方法研究[D];沈陽工業(yè)大學(xué);2009年

9 汪曉妍;基于ASM的人臉定位研究[D];南京信息工程大學(xué);2006年

10 鄒盛瑜;人臉定位算法在視頻監(jiān)控中的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2011年

，

本文編號(hào)：1626052