一种应对残缺人脸图像的3D人脸识别方法.docVIP

一种应对残缺人脸图像的3D人脸识别方法 　　【摘 要】3D人脸在采样不完整时，很难对其标定特征点，进而直接影响识别正确率。本文针对这个问题提出了一种基于局部曲线特征的人脸识别方法。该方法首先计算了3D人脸在深度空间，曲率空间，和测地空间下的表示，采用SURF算法自动提取特征点，通过神经网络的方法分析特征点之间的连接线上的深度，曲率和测地信息来达到识别的目的。实验结果表明，这种自动识别特征点的方法相对于基于标定的识别方法具有更强的鲁棒性和更高的正确率。 中国论文网 /8/view-7211706.htm 　　【关键词】3D人脸识别；局部曲线特征；SURF 　　【Abstract】Its difficult to find feature points in 3D facial meshes when there are missing parts on these face scans. This work proposes a new recognition method based on local feature curve. Firstly， we calculate the projections of 3D faces in depth， curvature and geodesic coordinate system， then apply SURF on these projections to find out feature points， finally， we use artificial neural network to analyze the curve between feature points and thus face scans are recognized. The result shows that the robustness and accuracy of our method is higher than the method based on landmark. 　　【Key words】3D face recognition； Local curve characteristics； SURF 　　近年来，3D人脸识别问题一直是模式识别领域的研究热点。在实际应用中，如果过分强调人脸采样的完整性，那么相应的，这种采样方法对采样者的侵犯性也就越大，应用的范围也更加局限。因此研究基于局部特征的3D人脸识别方法是非常有必要的。针对这个问题，徐等通过对到鼻尖点的等距线提取特征，来得到局部的特征描述符，对人脸的遮挡、噪声和表情变化有较好的鲁棒性[1]。王等使用Gabor变换直接抽取人脸的特征，把得出的人脸子模式进行特征融合，提高了人脸识别的正确率和性能[2]。基于局部曲线特征的人脸识别算法普遍是通过在人脸上标定特定点，进而获得人脸特征曲线，本文提出一种不依赖标定的特征曲线方法，引用仿射无关的SURF方法和多模式下的人脸数据，来提高基于局部曲线特征的人脸识别算法的鲁棒性。 　　1 人脸的预处理 　　3D人脸数据是以三维网格的形式存储的，在对人脸进一步的处理之前，先通过预处理保证人脸网格的质量是非常有必要的。类似处理二维图像的椒盐噪点，本文将中值滤波应用到三维网格，清理到采样过程中存在的噪点；由于网格的结点一般远远多与实际需要，而过于繁多的边和结点直接影响处理的复杂度，因此本文采用了顶点聚类方法，对网格进行删减。要计算3D人脸的投影，3D人脸的姿态直接关系到投影的正确性。因此本文使用鼻子区域作为参考点，计算鼻尖的法向量和鼻梁的向量，从而进行姿态校正[3]。预处理部分的结果如图1所示。 　　2 计算多模式人脸投影 　　本文提出的基于多模式局部曲线特征的人脸识别算法是通过分析人脸的深度、曲率和测地三种模式下人脸的信息得到的识别方法，因此在提取特征曲线之前，首先要计算这三种模式下的3D人脸投影。约定鼻尖点向人脸外侧的法向量为Z轴正方向；由鼻尖沿鼻梁的方向为Y轴正方向；然后通过Y、Z轴确定X轴正方向。深度投影可以通过求3D人脸在Z轴上的投影得出；人脸的测地投影由人脸上的各个点到鼻尖点的在人脸表面上的最短路径得出[4]；在人脸的曲率投影中，每一点的值为该点的高斯曲率值，我们可以由下式近似得出[5]。 　　K=（1） 　　其中m为该点的邻接点个数；α为以该点为顶点和其相邻两邻接点所成的角；A为这三个点所构成的三角形的面积。对于四边形网格可以依次连接该点的邻接点来获得三角形的面积，如图2。 　　3 特征向量的计算 　　3.1 获得特征曲线 　　多模式局部曲线特征向量由三个元素组成，分别为人脸在深度，曲率，测地三种模式下的特征曲线加权距离值，分别用Dd，Dc和Dg来表示。 　　深