融合几何特征向量的三维人脸识别.pdfVIP

2009年第 12期 福 建 电 脑 93 融合几何特征向量的三维人脸识别 肖庆云 ，李晓雯 ，欧阳江帆 (1、厦 门大学计算机系 福建 厦门 361005 2、龙岩学院计算机系 福建 龙岩 364000) 摘【 要】：针对现有识别方法在特征选择的局限性，借鉴人脸的特征，提 出一种融合几何特征向量的三维人脸识别方 法 该方法提取 了人脸面部具有相 当代表性 的特征 点，从而得到一个相对完整的几何特征 向量组用于识别 匹配工作。实验结 果表明．该方法改进 了识 别算法，从而较好得提 高了识别率。 关【键词】：三维人脸：识别；几何特征向量 1．引言 的分析 ，我们在基于鼻尖点是最外侧 (Z值最大)点的假设的情 人脸识别作为生物特征识别的一个重要方面．在安全验证、 况下．能够很容易的提取出过鼻尖 的中分轮廓线和过鼻尖点的 信用卡验证、身份识别、银行和海关的监控、档案管理、人机交互 横向轮廓线 。此时若直接进行面部特征点的定位和提取 ．难免会 等领域具有广 阔的应用前景．与指纹识别、虹膜识别 、DNA识别 遇到数据噪声 的干扰 ．所 以很有必要首先进行轮廓线点集的预 等技术相 比．人脸图像来源广泛．并且使用非接触式 的采集方 处理工作 以消除大的波动噪声。这个过程主要包括曲线平滑和 式，整个识别过程具有更加 隐蔽 、友好和便捷的特点，更易为用 曲线拟合两个步骤 户所接受 l1『． 4、关键特征点的定位与计算 然而．目前 的人脸识别主要还是针对二维图像或二维动态 有了上面平滑和拟合后 的轮廓线信息．我们可以基于人脸 视频序列进行研究．二维 图像识别技术在其他领域已有很多的 的面部特征，定位和提取 出实验 中所需要 的特征点 (11个)如图 应用．但是 由于人脸是个塑变体．使得通过二维图像识别技术对 4所示 ，定义来源于面部美学分析报告 。 人脸识别存在 困难．另外．基于二维图像的人脸识别 ，不可避 免 受到环境光线、背景、视角等和人脸的姿态、表情、遮挡等不利影 响．因而其识别精度很难有进一步的提高1-21． 为 了克服基于二维 图像人脸识别技术 的不足．有研究者 已 经开始对三维人脸识别技术进行研究 ．其中 e提 出了基 于人 脸 8个特征点的 曲率值 的 3D人脸识别方法 3『1，但是该人脸识 别方法在特征 的融合方面 ．没有考虑众多几何特征 向量的融合 ． ◆◆◆ 也就是在特征 的选择上存在一定的局限性 ．因此本文在探讨融 合几何特征 向量组的基础上 ．提取人脸面部有代表性的 l1个特 图2面部关键特征点标识 征点 ．从而改进识别算法 ，提高识别率 。 5、关键特征向量 的选取与计算 2．模型构架 基于上述选取的特征点，结合几何器官特征的考虑 ，本文进 本文提出融合几何特征 向量的三维人脸识别 ．建立了三维 一 步选取了以下的特征 向量 ．并将最终得到一个统一 的几何特 人脸识别系统 。主要由三维数据点集的预处理、关键特征点的定 征 向量组 位与计算、关键特征 向量的选取与计算、识别的度量组成。在预 5．1距离特征 处理阶段 ．我们读入原始 的数据点集 ，提取 出有代表性的轮廓 5．1．1直线距离特征 线 。然后进行简单 的平滑和拟合处理 。在特征提取阶段 ，我们主 欧 氏距离 uelideanDislance)是一个通常采用的距离定义， 要是基于 曲线的曲率特征 ．提取出人脸面部有代表性的 11个特 它是在m 维空 间中两个点之间的真实距离 。在二维和三维空问 征点．之后我们计算了6大类特征向量，并计算面部相似性用于 中的欧式距离的就是两点之间的距离 ．设平面两点的坐标分别 后面的识别工作 ，从而实现人脸识别。 为 ，)，JJ，坼 y,9，则两点之问的距离 D为， D= √(1