基于MEGI模型三维人脸识别方法.docVIP

基于MEGI模型三维人脸识别方法 　　（西北大学 信息科学与技术学院， 西安 710069） 　　?? 　　 摘 要： 　　三维人脸识别是未来人脸识别的方向，有望解决二维人脸识别的瓶颈问题。基于MEGI模型，扩展了球面相关性系数，将其用于三维人脸识别。实验证明，基于MEGI模型的方法可以用于三维人脸识别。 　　?? 关键词：三维人脸识别； 扩展高斯图； 球面相关性系数 　　?? 中图分类号：TP391 文献标志码： A 　　 文章编号：1001?菠B3695(2008)12?菠B3674?菠B02 　　 ?? 　　3D face recognition based on MEGI model 　　LIU Xiao??ning, GENG Guo??hua, WANG Xiao??feng, GAO yuan 　　?? 　　(School of Information Science Technology, Northwest University, Xi’an 710069, China) 　　 ?? 　　 Abstract: 　　3D face recognition is the tendency of face recognition, it will settle the bottleneck problem of 2D face recognition. This paper proposed MEGI model with the position information of each surface. Extended spherical correlation coefficient to recognize the 3D face with MEGI model. Experimental results show that the method performs well. 　　?? Key words：3D face recognition; MEGI model; spherical correlation coefficient 　　?お? 　　 　　 以2D图像作为输入的人脸识别方法的最大不足是方法较为脆弱。各种二维人脸识别方法在面临姿态、光照条件不同、表情变化以及脸部化妆等方面表现出来的脆弱性使得识别的准确度和适用场合受到很大限制，而这些都是人脸在自然状态下会随时表现出来的。?? 　　近些年，国内外有一批学者致力于解决这些问题[1]。这些方法使得二维人脸的识别率有不同程度的提高，但由于图像本身是二维的，其携带的信息量相对有限，建立一个鲁棒的人脸识别系统仍然是一个很困难的问题。同时，当前影响最大的人脸识别系统评测FVRT的最近一次评测结果表明，当前基于视频的人脸识别算法对系统性能的提高非常有限。而人脸3D数据则能直接给出人脸曲面的真实三维形状，不仅包括几何信息，甚至还可包括色彩信息。利用三维数据进行人脸识别，可以避免姿态、光照、表情等因素的影响，有望突破二维人脸识别的瓶颈。学术界最著名的人脸识别测试评估计划FERET的首席科学家P.J.Phillips在国际生物认证联盟大会上也重点指出：三维人脸识别是未来人脸识别的方向。到目前为止，关于3D 人脸识别的文献仍然较少[2,3]，且以外文居多。?? 　　人脸面部是一个极其复杂的曲面，若将其作为一个整体进行配准识别，问题将变得非常复杂，同时各种获取设备也造成了人脸数据的不完整性。本文根据人脸的生理特点，将整个人脸分块，取特征集中的块构建扩展高斯图，并将只适用于凸区域的扩展高斯图扩展到了适合凸凹区域。?? 　　 1 扩展高斯图?? 　　 1??1 三维物体的高斯图像?? 　　三维物体的高斯图像(Gaussian image，GI)是将物体表面上的一点映射至单位球面(即高斯球)上的一点，且满足对应点具有相同的法线方向，如图1所示。对于一个凸物体，高斯球是一个单位球，将球面分成等面积的小片，每一片赋予初值??n??k=0(k=1,…,N)，N为高斯球上曲面片个数。对于深度图像上每一点，求出其单位法向量，若该法向量落在高斯球的第k个曲面片上，则n??k=n??k+1。??最后，高斯球曲面片上的数值为三维物体上对应于该法线方向的点的个数。因此，GI可以惟一地表示一个凸物体。如果物体中包含一个平面，则平面上所有点均被映射至高斯球上的同一点。?? 　　 1??2 扩展高斯图?? 　　扩展高斯图(extended Gaussian image,EGI)是Horn于1984年首次提出来的[4]，建立在高斯图像基础之上，主要用于表征三维物体的几何特征。基本思路是将三维模型的每一个面片映射到一个高斯球上，向量的方向与网格