表情不敏感的三维人脸识别研究
发布时间：2019-11-15 05:28
【摘要】：人脸识别是基于生物特征的身份认证技术中最受关注和最具挑战性的领域之一,它是一种最自然且最友好的身份认证方式,也是本世纪最具发展潜力的技术之一。随着图像处理、模式识别、机器学习,计算机视觉等众多相关学科领域研究发展地不断加深,人脸识别技术将成为可以广泛应用于公共安全和国家安全的一个重要技术手段。尽管基于二维人脸图像的人脸识别技术已有十余年的研究历史,但是仍存在许多悬而未决的问题,制约了人脸识别技术真正走向公共安全领域的道路。尤其是在用户不配合的情况下出现的化妆、姿态和表情变化,以及自然条件导致的光照变化情况下,二维人脸识别算法的准确率显著下降。随着三维数据获取设备的不断发展与更新,越来越多的研究者致力于使用三维人脸特征进行入脸识别,并且取得了较好识别效果,从而推动了人脸识别的发展。然而,表情变化仍是影响三维人脸识别准确率的主要因素之一。本文围绕三维人脸表情变化,提出表情不敏感的三维人脸特征,目的为提取同一个人不同表情的相似特征,同时又能够提取不同人的具有辨别性的特征,为实现准确高效的人脸识别打下坚实基础。本文在对三维人脸数据进行细致深入分析的基础上,对制约三维人脸识别效果的关键问题进行深入研究和探讨,提出了一套包含三维人脸预处理、表情不敏感特征的提取以及三维人脸识别的算法,取得了较好的效果。本文的主要创新性和特色体现如下：(1)提出了一种基于人脸自对称性的迭代寻找鼻尖点算法本文提出了一种基于人脸自对称性的迭代寻找鼻尖点算法(Iterative nose tip detection method)。算法采用逐步缩小检测范围的策略,首先利用人脸自对称性确定人脸对称平面,然后将对称平面与人脸的交线作为中心线,使用标准人脸中心线与之对齐,在标准人脸鼻尖点附近区域内寻找测试人脸上所有点中z坐标最大值点作为鼻尖点。最后调整鼻尖点位置,将以鼻尖点为中心的球型区域内的点作为人脸区域与标准人脸对齐,然后将在上一步检测的鼻尖点附近区域内的所有点中z坐标最大值点作为新的鼻尖点位置,迭代这一调整过程,直至相邻两次鼻尖点的距离小于一定阈值。该算法对含有表情,包含头发区域以及具有较小姿态的人脸具有鲁棒性。为了统一感兴趣区域,本文将以最后一步迭代确定的鼻尖点为中心的球体内的人脸区域用于后续特征提取与识别算法。(2)提出了一种基于形变模型的中性人脸估计图建立方法为了降低表情对三维人脸识别算法的影响,本文提出一种L1范数约束表情空间系数的最小二乘回归算法.对于一个三维人脸,首先建立中性空间和表情空间,然后使用形变模型逼近其三维表面形状。由于人在一个特定时间只能做出一种表情,因此利用L1范数约束形变模型中表情空间的系数,并采用L1范数约束表情空间系数的最小二乘回归算法估计模型系数。然后利用估计出的中性空间和表情空间的系数建立测试人脸的中性分量和表情分量。最后为了保持原始人脸上的细节特征,使用中性分量与标准人脸之和与原始人脸建立点与点间的对应关系,生成中性人脸估计图。实验表明使用中性人脸估计图进行特征提取可以提高含有表情的三维人脸与同类中性人脸之间的相似度,从而降低类内离散度,减小表情对人脸识别算法的影响,提高识别率。(3)提出了一种基于点的法向量的球面向量模投影图建立方法为了有效地反映人脸表面形状信息并增强类间可辨别性,本文提出了一种球面向量模投影图(Spherical Vector Norms Map, SVNs Map)建立方法。SVNs Map反映了三维人脸在一个球面上的特征,将三维人脸上各点延其法向量方向到球面的向量的模值代替各点的z坐标值,目的为增大三维人脸上局部区域内各点的差异性。对于嘴部区域,本算法使用一个标准人脸对测试人脸嘴部球面向量模值进行调整,使其具有表情不敏感性。因此使用球面向量模投影图作为三维人脸特征既可以提高含有表情的三维人脸与同类中性人脸之间的相似度,又可以降低具有相同表情的不同类的人脸间的相似度,从而降低了类内离散度并增大了类间离散度,最终提高三维人脸识别的识别率。(4)提出一种基于新的分块策略的梯度方向直方图特征为了提取人脸局部特征并保持人脸上特征区域的完整性,本文采用一种新的分块策略提取中性人脸估计图与球面向量模投影图的梯度方向直方图特征(NewPartitioning Histograms of Oriented Gradients, NP-HOG)。将投影图按照特征区域分成大小不等的八个块,分别建立每一块的梯度方向直方图特征,将所有块的特征连接成一个向量作为人脸整体特征。本文利用NP-HOG特征提出一套三维人脸识别融合算法,首先提取中性人脸估计图与球面向量模投影图的NP-HOG特征,将两种图的NP-HOG特征投影到各自的LDA可鉴别子空间中,最后融合余弦距离建立的相似度矩阵完成识别。本算法在提取表情不敏感投影图之后提取NP-HOG特征,既减小了表情对识别结果的影响,又增大了类间的可辨别性,从而提高了三维人脸识别率。实验结果也表明NP-HOG特征比常用人脸特征更适用于三维人脸识别,融合算法也可以进一步提高识别率。
【图文】：
图１－１文章姐织结构困逡逑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
．逦在平面上产生一个投影点，将各点到这个固定平面的距离转化为投影点的灰度值，，逡逑最后使用线性插值将各点灰度值规整到二维网格中。图２－３第二行为第一行中四个逡逑Ｈ维人脸对应的深度图。逡逑S鯓ㄥ义希纾茫裕欤拢戾义贤迹玻忱嘉肆成疃热﹀义希疲椋纾酰颍邋澹玻冲澹裕瑁邋澹洌澹鸹澹椋恚幔纾澹箦澹铮驽澹常腻澹妫幔悖澹箦义希桑劐义
本文编号：2561165
【图文】：
图１－１文章姐织结构困逡逑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
．逦在平面上产生一个投影点，将各点到这个固定平面的距离转化为投影点的灰度值，，逡逑最后使用线性插值将各点灰度值规整到二维网格中。图２－３第二行为第一行中四个逡逑Ｈ维人脸对应的深度图。逡逑S鯓ㄥ义希纾茫裕欤拢戾义贤迹玻忱嘉肆成疃热﹀义希疲椋纾酰颍邋澹玻冲澹裕瑁邋澹洌澹鸹澹椋恚幔纾澹箦澹铮驽澹常腻澹妫幔悖澹箦义希桑劐义
本文编号：2561165
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/2561165.html
