【摘要】：人臉識別是基于生物特征的身份認證技術(shù)中最受關(guān)注和最具挑戰(zhàn)性的領(lǐng)域之一,它是一種最自然且最友好的身份認證方式,也是本世紀(jì)最具發(fā)展?jié)摿Φ募夹g(shù)之一。隨著圖像處理、模式識別、機器學(xué)習(xí),計算機視覺等眾多相關(guān)學(xué)科領(lǐng)域研究發(fā)展地不斷加深,人臉識別技術(shù)將成為可以廣泛應(yīng)用于公共安全和國家安全的一個重要技術(shù)手段。盡管基于二維人臉圖像的人臉識別技術(shù)已有十余年的研究歷史,但是仍存在許多懸而未決的問題,制約了人臉識別技術(shù)真正走向公共安全領(lǐng)域的道路。尤其是在用戶不配合的情況下出現(xiàn)的化妝、姿態(tài)和表情變化,以及自然條件導(dǎo)致的光照變化情況下,二維人臉識別算法的準(zhǔn)確率顯著下降。隨著三維數(shù)據(jù)獲取設(shè)備的不斷發(fā)展與更新,越來越多的研究者致力于使用三維人臉特征進行入臉識別,并且取得了較好識別效果,從而推動了人臉識別的發(fā)展。然而,表情變化仍是影響三維人臉識別準(zhǔn)確率的主要因素之一。本文圍繞三維人臉表情變化,提出表情不敏感的三維人臉特征,目的為提取同一個人不同表情的相似特征,同時又能夠提取不同人的具有辨別性的特征,為實現(xiàn)準(zhǔn)確高效的人臉識別打下堅實基礎(chǔ)。本文在對三維人臉數(shù)據(jù)進行細致深入分析的基礎(chǔ)上,對制約三維人臉識別效果的關(guān)鍵問題進行深入研究和探討,提出了一套包含三維人臉預(yù)處理、表情不敏感特征的提取以及三維人臉識別的算法,取得了較好的效果。本文的主要創(chuàng)新性和特色體現(xiàn)如下：(1)提出了一種基于人臉自對稱性的迭代尋找鼻尖點算法本文提出了一種基于人臉自對稱性的迭代尋找鼻尖點算法(Iterative nose tip detection method)。算法采用逐步縮小檢測范圍的策略,首先利用人臉自對稱性確定人臉對稱平面,然后將對稱平面與人臉的交線作為中心線,使用標(biāo)準(zhǔn)人臉中心線與之對齊,在標(biāo)準(zhǔn)人臉鼻尖點附近區(qū)域內(nèi)尋找測試人臉上所有點中z坐標(biāo)最大值點作為鼻尖點。最后調(diào)整鼻尖點位置,將以鼻尖點為中心的球型區(qū)域內(nèi)的點作為人臉區(qū)域與標(biāo)準(zhǔn)人臉對齊,然后將在上一步檢測的鼻尖點附近區(qū)域內(nèi)的所有點中z坐標(biāo)最大值點作為新的鼻尖點位置,迭代這一調(diào)整過程,直至相鄰兩次鼻尖點的距離小于一定閾值。該算法對含有表情,包含頭發(fā)區(qū)域以及具有較小姿態(tài)的人臉具有魯棒性。為了統(tǒng)一感興趣區(qū)域,本文將以最后一步迭代確定的鼻尖點為中心的球體內(nèi)的人臉區(qū)域用于后續(xù)特征提取與識別算法。(2)提出了一種基于形變模型的中性人臉估計圖建立方法為了降低表情對三維人臉識別算法的影響,本文提出一種L1范數(shù)約束表情空間系數(shù)的最小二乘回歸算法.對于一個三維人臉,首先建立中性空間和表情空間,然后使用形變模型逼近其三維表面形狀。由于人在一個特定時間只能做出一種表情,因此利用L1范數(shù)約束形變模型中表情空間的系數(shù),并采用L1范數(shù)約束表情空間系數(shù)的最小二乘回歸算法估計模型系數(shù)。然后利用估計出的中性空間和表情空間的系數(shù)建立測試人臉的中性分量和表情分量。最后為了保持原始人臉上的細節(jié)特征,使用中性分量與標(biāo)準(zhǔn)人臉之和與原始人臉建立點與點間的對應(yīng)關(guān)系,生成中性人臉估計圖。實驗表明使用中性人臉估計圖進行特征提取可以提高含有表情的三維人臉與同類中性人臉之間的相似度,從而降低類內(nèi)離散度,減小表情對人臉識別算法的影響,提高識別率。(3)提出了一種基于點的法向量的球面向量模投影圖建立方法為了有效地反映人臉表面形狀信息并增強類間可辨別性,本文提出了一種球面向量模投影圖(Spherical Vector Norms Map, SVNs Map)建立方法。SVNs Map反映了三維人臉在一個球面上的特征,將三維人臉上各點延其法向量方向到球面的向量的模值代替各點的z坐標(biāo)值,目的為增大三維人臉上局部區(qū)域內(nèi)各點的差異性。對于嘴部區(qū)域,本算法使用一個標(biāo)準(zhǔn)人臉對測試人臉嘴部球面向量模值進行調(diào)整,使其具有表情不敏感性。因此使用球面向量模投影圖作為三維人臉特征既可以提高含有表情的三維人臉與同類中性人臉之間的相似度,又可以降低具有相同表情的不同類的人臉間的相似度,從而降低了類內(nèi)離散度并增大了類間離散度,最終提高三維人臉識別的識別率。(4)提出一種基于新的分塊策略的梯度方向直方圖特征為了提取人臉局部特征并保持人臉上特征區(qū)域的完整性,本文采用一種新的分塊策略提取中性人臉估計圖與球面向量模投影圖的梯度方向直方圖特征(NewPartitioning Histograms of Oriented Gradients, NP-HOG)。將投影圖按照特征區(qū)域分成大小不等的八個塊,分別建立每一塊的梯度方向直方圖特征,將所有塊的特征連接成一個向量作為人臉整體特征。本文利用NP-HOG特征提出一套三維人臉識別融合算法,首先提取中性人臉估計圖與球面向量模投影圖的NP-HOG特征,將兩種圖的NP-HOG特征投影到各自的LDA可鑒別子空間中,最后融合余弦距離建立的相似度矩陣完成識別。本算法在提取表情不敏感投影圖之后提取NP-HOG特征,既減小了表情對識別結(jié)果的影響,又增大了類間的可辨別性,從而提高了三維人臉識別率。實驗結(jié)果也表明NP-HOG特征比常用人臉特征更適用于三維人臉識別,融合算法也可以進一步提高識別率。
【圖文】：

圖１－１文章姐織結(jié)構(gòu)困逡逑Ｆｉｇｕｒｅ邋１－１邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋化ｅ邋ｏｒｇａｎｉｚａｔｉｏｎａｌ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋化ｉｓ邋化ｅｓｉｓ逡逑？逡逑

．邐在平面上產(chǎn)生一個投影點，將各點到這個固定平面的距離轉(zhuǎn)化為投影點的灰度值，，逡逑最后使用線性插值將各點灰度值規(guī)整到二維網(wǎng)格中。圖２－３第二行為第一行中四個逡逑Ｈ維人臉對應(yīng)的深度圖。逡逑S鯓ㄥ義希紓茫裕歟攏戾義賢跡玻忱嘉肆成疃熱﹀義希疲椋紓酰潁邋澹玻沖澹裕瑁邋澹洌澹鴰澹椋恚幔紓澹簀澹錚駑澹常膩澹媯幔悖澹簀義希桑劐義

本文編號：2561165