隨著科技的發(fā)展,人臉識(shí)別在社會(huì)生活中正逐漸發(fā)揮越來(lái)越大的作用。二維人臉識(shí)別技術(shù)已趨于成熟,但二維信息對(duì)光照、姿態(tài)、表情等因素魯棒性較低,這種局限性使人臉識(shí)別技術(shù)的發(fā)展進(jìn)入瓶頸期,三維人臉識(shí)別作為突破口,隨之成為當(dāng)下人臉識(shí)別領(lǐng)域的研究熱點(diǎn)。然而專業(yè)的三維掃描設(shè)備一般較為昂貴且操作復(fù)雜,三維人臉特征提取算法也普遍較為耗時(shí)。為解決這個(gè)問(wèn)題,本文借助低成本的Kinect深度傳感器對(duì)三維人臉識(shí)別系統(tǒng)進(jìn)行了研究,為其低成本化發(fā)展方向做了探索。本文的主要工作如下:1.針對(duì)由Kinect傳感器獲取的深度圖像噪聲較大導(dǎo)致基于特征點(diǎn)的人臉定位方法魯棒性較低的問(wèn)題,利用Kinect能同時(shí)獲取場(chǎng)景的RGB圖像和深度圖像的優(yōu)勢(shì),結(jié)合RGB信息和深度信息進(jìn)行人臉檢測(cè)。首先利用加入膚色判據(jù)的Adaboost人臉檢測(cè)算法,在RGB圖像上檢測(cè)到人臉,并將其位置坐標(biāo)映射到對(duì)應(yīng)的深度圖上,結(jié)合深度信息濾除在Kinect有效測(cè)量范圍外的圖像,從而提取出完整的人臉深度圖。2.針對(duì)3DLBP算子特征長(zhǎng)度過(guò)大導(dǎo)致特征提取耗時(shí)且對(duì)噪聲敏感的問(wèn)題,在3DLBP算法基礎(chǔ)上進(jìn)行改進(jìn),提出一種基于中心對(duì)稱3DLBP算子融合等價(jià)模式LBP算子... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

常見(jiàn)的生物識(shí)別技術(shù)Fig.1.1Commonbiometricrecognitiontechnology

胺擲喙?套齪悶痰妗?2.1Kinect介紹2.1.1Kinect相關(guān)背景知識(shí)Microsoft公司的Kinect傳感器是MicrosoftXbox360游戲機(jī)的外圍體感設(shè)備。Kinect有兩代，第一代Kinect誕生于2010年[39]，是最早針對(duì)消費(fèi)者設(shè)計(jì)的深度攝像機(jī)，借助紅外發(fā)射器和紅外感應(yīng)器，利用結(jié)構(gòu)光測(cè)量法獲取深度圖，可捕獲0.5-4.5米之間的320*240分辨率的深度圖像和640*480分辨率的彩色圖像。2013年，微軟公司發(fā)布了新一代Kinect，即Kinectv2，它采用飛行時(shí)間法測(cè)量深度值，具有比Kinectv1更高的色彩和深度分辨率。圖2.1展示了Kinectv2傳感器的外觀。圖2.1Kinectv2傳感器Fig.2.1Kinectv2sensor在測(cè)量精度方面，Kinectv2的精度在2mm-4mm左右，不同于Kinectv1誤差隨距離的增大呈指數(shù)增加趨勢(shì)，Kinectv2精度幾乎不受距離變化的影響，可以更

重慶大學(xué)碩士學(xué)位論文2基于Kinect的人臉檢測(cè)及預(yù)處理方法研究13(b)Depth圖圖2.3Kinect在同一時(shí)刻獲得的RGB圖和深度圖Fig.2.3RGBimageandDepthimageobtainedbyKinectatthesametime由圖2.3(b)可以看出，Kinect獲取的深度圖上有大量像素值為零的“黑洞點(diǎn)”，其形成的根本原因是Kinect無(wú)法對(duì)目標(biāo)進(jìn)行有效測(cè)距，主要分為兩種情況[42]，其一是因?yàn)镵inect發(fā)射的光脈沖被前方物體的邊緣遮擋，以致光脈沖不能到達(dá)目標(biāo)點(diǎn)的位置，如圖中在受測(cè)者的身體邊緣有大量的“黑洞區(qū)域”；其二是受物體表面材質(zhì)的影響，當(dāng)光脈沖照射到光滑平整的物體（如玻璃等）表面時(shí)，發(fā)生了鏡面反射，以致位于傳感器上的電荷耦合器件無(wú)法接收到來(lái)自該表面上目標(biāo)點(diǎn)的反射光線，當(dāng)物體表面是吸光材料的時(shí)候，發(fā)射光信號(hào)會(huì)被吸收，同樣會(huì)使電荷耦合器件接收不到反射光而無(wú)法計(jì)算深度信息。在圖2.3(b)中，受測(cè)者眼鏡周?chē)秃蠓诫娔X顯示屏上都出現(xiàn)了大量的“黑洞區(qū)域”。眼鏡周?chē)a(chǎn)生的“黑洞區(qū)域”將會(huì)對(duì)人臉識(shí)別的準(zhǔn)確性能造成直接影響，本文將在2.4節(jié)對(duì)其預(yù)處理進(jìn)行研究。2.1.3Kinect深度圖校準(zhǔn)Kinectv2獲取的彩色圖和深度圖分別由位于設(shè)備上的不同傳感器成像得到，這將導(dǎo)致兩個(gè)傳感器的成像區(qū)域并不完全相同，而且同一物體在不同的成像視場(chǎng)中位置不同，所以在深度圖和彩色圖中對(duì)應(yīng)的像素坐標(biāo)并不相同，首先需要將深度圖與彩色圖對(duì)齊，即根據(jù)RGB信息對(duì)深度圖像校準(zhǔn)。對(duì)于一般攝像頭來(lái)說(shuō)，常用的校準(zhǔn)方法主要是將相機(jī)的內(nèi)參數(shù)矩陣、畸變系數(shù)矩陣、本征矩陣、旋轉(zhuǎn)矩陣及平移矩陣等參數(shù)進(jìn)行標(biāo)定。而對(duì)于Kinectv2傳感器，由于其不必安裝且其應(yīng)用場(chǎng)景可能隨時(shí)變化的特點(diǎn)，KinectforWindowsSDK

【參考文獻(xiàn)】：
期刊論文
[1]三維人臉識(shí)別算法研究[J]. 胡敏,文永富.  影像科學(xué)與光化學(xué). 2017(02)

博士論文
[1]表情變化下三維人臉識(shí)別中特征提取與分類(lèi)研究[D]. 鄧星.東南大學(xué) 2017

碩士論文
[1]面向迎賓機(jī)器人的人臉識(shí)別技術(shù)及軟件系統(tǒng)設(shè)計(jì)[D]. 袁佳成.重慶大學(xué) 2018
[2]Kinect深度圖像修復(fù)技術(shù)研究[D]. 趙旭.大連理工大學(xué) 2013
[3]基于深度數(shù)據(jù)的人臉旋轉(zhuǎn)角度估計(jì)及三維人臉識(shí)別的研究[D]. 胡珍珍.合肥工業(yè)大學(xué) 2011



本文編號(hào)：3525801