隨著身份信息驗(yàn)證重要性的提升,人臉識別技術(shù)的發(fā)展也日漸成熟。由于二維人臉識別技術(shù)的發(fā)展局限性,近年來,三維人臉識別技術(shù)受到了研究者們的青睞。但是三維人臉識別算法性能受數(shù)據(jù)庫質(zhì)量、人臉姿態(tài)、表情影響較大,算法的發(fā)展面臨較大挑戰(zhàn)。本文對三維人臉識別做出了如下幾方面改進(jìn):1、在三維人臉模型數(shù)據(jù)庫預(yù)處理中,本文采用了由中科院自動化所拍攝的CASIA 3D數(shù)據(jù)庫,由于該數(shù)據(jù)庫原始數(shù)據(jù)格式無法直接用于算法,因此在數(shù)據(jù)庫預(yù)處理模塊中,不同與其它算法中的預(yù)處理過程,本文中使用了集成軟件進(jìn)行分割、降噪等處理,簡化了預(yù)處理流程,并將模型退化為原始點(diǎn)云模型用于實(shí)驗(yàn)。2、在特征提取模塊中,為提高特征點(diǎn)提取的準(zhǔn)確率,從而更好的進(jìn)行后續(xù)識別步驟,本文中將曲率信息和輪廓信息融合用于特征點(diǎn)定位,最大程度定位較多特征點(diǎn)的同時,提高了特征點(diǎn)定位的精度,避免了其它算法中因?yàn)樾畔⑷笔г斐傻奶卣鼽c(diǎn)定位不準(zhǔn)確的現(xiàn)象。在對比實(shí)驗(yàn)中,實(shí)驗(yàn)結(jié)果表明本文的特征點(diǎn)定位算法在特征點(diǎn)數(shù)量和定位時間兩方面具有一定的優(yōu)越性。3、在人臉匹配模塊中,做了兩方面改進(jìn):第一,在特征點(diǎn)描述符構(gòu)建中,本文將具有優(yōu)越性的2D_DAISY描述... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

生物識別方式

圖 2.1 三維人臉識別流程 三維人臉數(shù)據(jù)庫模塊成熟的人臉數(shù)據(jù)庫的構(gòu)建過程通常分為數(shù)據(jù)采集和數(shù)據(jù)處理兩部分。本節(jié)中紹數(shù)據(jù)的采集以及預(yù)處理流程。2.2.1 三維人臉數(shù)據(jù)采集一、采集設(shè)備的選擇采集設(shè)備多利用光學(xué)傳感原理，攝像機(jī)將一系列光束透射到被采集對象，再集對象返回的反射光，通過一定算法形成點(diǎn)云數(shù)據(jù)[24]。所以點(diǎn)云模型是采集采集的，未經(jīng)修飾的模型，包含人臉最原始的信息。很多數(shù)據(jù)庫構(gòu)建基于手三維掃描儀[26]，這種掃描儀特點(diǎn)表現(xiàn)在：(a)精度高，甚至可以達(dá)到微米程度夠采集到采集對象的臉部細(xì)節(jié)特征，甚至毛孔、皺紋、毛發(fā)等等；(b)手持設(shè)由，因此對于人臉曲面結(jié)構(gòu)復(fù)雜的區(qū)域，可以多角度，分?jǐn)嗯臄z，使數(shù)據(jù)更

二、采集方式基于以上采集設(shè)備的選擇，通常情況下，三維人臉模型采集分為被動式采集和式采集兩類[27]。1）被動式采集被動式采集過程中，采集設(shè)備不會向采集對象發(fā)出任何光束，只是接受采集物射的光，然后通過后期處理（如立體匹配技術(shù)）重構(gòu)對象的三維立體結(jié)構(gòu)。這種方法對采集設(shè)備硬件要求低，通常只需攝像頭便可完成采集。但是對后期處理精賴程度較大。2）主動式采集與被動式采集不同的是，主動式采集會向采集對象發(fā)射如激光、紅外、自然光的光，通過采集對象對發(fā)射光的反射光而形成采集對象的深度值，基于激光雷達(dá)的采集目前比較流行，但是激光采集對人體造成一定程度傷害且價格昂貴，所以展受到限制。表 2.1 中展示了被動式采集和主動式采集的技術(shù)分類。表 2.1 三維數(shù)據(jù)獲取方式技術(shù)分類采集方法分類 被動式采集 主動式采集

【參考文獻(xiàn)】：
期刊論文
[1]基于Kinect的拉普拉斯網(wǎng)格形變?nèi)S人臉建模[J]. 侯守明,杜成菲,王陽,張玉珍.  圖學(xué)學(xué)報. 2018(05)
[2]人臉識別在安防領(lǐng)域中的應(yīng)用[J]. 陳煒.  中國新通信. 2018(19)
[3]基于生物特征識別的身份認(rèn)證及相關(guān)安全問題研究[J]. 周小軍,王凌強(qiáng),郭玉霞,高皚瓊,譚薇.  工業(yè)儀表與自動化裝置. 2018(04)
[4]切比雪夫距離下系統(tǒng)置換碼的編譯碼算法[J]. 韓輝,慕建君,焦曉鵬.  西安電子科技大學(xué)學(xué)報. 2018(06)
[5]基于字典學(xué)習(xí)和局部約束的稀疏表示人臉識別[J]. 王威,朱宗玖,陸俊.  電腦知識與技術(shù). 2018(05)
[6]具有普適性的改進(jìn)非負(fù)矩陣分解圖像特征提取方法[J]. 賈旭,孫福明,李豪杰,曹玉東.  計算機(jī)應(yīng)用. 2018(01)
[7]基于HOG特征和DSPP降維的人臉識別算法[J]. 田亞娜,童瑩,曹雪虹.  計算機(jī)技術(shù)與發(fā)展. 2018(01)
[8]基于人臉側(cè)影線角點(diǎn)檢測的鼻尖點(diǎn)定位方法[J]. 潘臘青,徐海黎,韋勇,沈標(biāo).  計算機(jī)工程與應(yīng)用. 2018(13)
[9]基于物體特征有效提取和離散點(diǎn)三維重建的3D掃描系統(tǒng)原型研究[J]. 牛晰,袁曉東.  計算機(jī)測量與控制. 2017(05)
[10]PCL庫點(diǎn)云統(tǒng)計去噪算法的應(yīng)用研究[J]. 羅方燕.  現(xiàn)代計算機(jī)(專業(yè)版). 2016(26)

博士論文
[1]生物特征識別若干關(guān)鍵問題研究[D]. 李徐周.山東大學(xué) 2018

碩士論文
[1]激光雷達(dá)點(diǎn)云采集和三維重建軟件系統(tǒng)實(shí)現(xiàn)[D]. 白鑫鵬.西安電子科技大學(xué) 2014
[2]基于輪廓線的三維人臉特征提取與識別[D]. 宋曉冰.廈門大學(xué) 2009



本文編號：3050873