【摘要】：人臉識(shí)別是基于生物特征的身份認(rèn)證技術(shù)中最受關(guān)注和最具挑戰(zhàn)性的領(lǐng)域之一,它是一種最自然且最友好的身份認(rèn)證方式,也是本世紀(jì)最具發(fā)展?jié)摿Φ募夹g(shù)之一。隨著圖像處理、模式識(shí)別、機(jī)器學(xué)習(xí),計(jì)算機(jī)視覺等眾多相關(guān)學(xué)科領(lǐng)域研究發(fā)展地不斷加深,人臉識(shí)別技術(shù)將成為可以廣泛應(yīng)用于公共安全和國家安全的一個(gè)重要技術(shù)手段。盡管基于二維人臉圖像的人臉識(shí)別技術(shù)已有十余年的研究歷史,但是仍存在許多懸而未決的問題,制約了人臉識(shí)別技術(shù)真正走向公共安全領(lǐng)域的道路。尤其是在用戶不配合的情況下出現(xiàn)的化妝、姿態(tài)和表情變化,以及自然條件導(dǎo)致的光照變化情況下,二維人臉識(shí)別算法的準(zhǔn)確率顯著下降。隨著三維數(shù)據(jù)獲取設(shè)備的不斷發(fā)展與更新,越來越多的研究者致力于使用三維人臉特征進(jìn)行入臉識(shí)別,并且取得了較好識(shí)別效果,從而推動(dòng)了人臉識(shí)別的發(fā)展。然而,表情變化仍是影響三維人臉識(shí)別準(zhǔn)確率的主要因素之一。本文圍繞三維人臉表情變化,提出表情不敏感的三維人臉特征,目的為提取同一個(gè)人不同表情的相似特征,同時(shí)又能夠提取不同人的具有辨別性的特征,為實(shí)現(xiàn)準(zhǔn)確高效的人臉識(shí)別打下堅(jiān)實(shí)基礎(chǔ)。本文在對(duì)三維人臉數(shù)據(jù)進(jìn)行細(xì)致深入分析的基礎(chǔ)上,對(duì)制約三維人臉識(shí)別效果的關(guān)鍵問題進(jìn)行深入研究和探討,提出了一套包含三維人臉預(yù)處理、表情不敏感特征的提取以及三維人臉識(shí)別的算法,取得了較好的效果。本文的主要?jiǎng)?chuàng)新性和特色體現(xiàn)如下：(1)提出了一種基于人臉自對(duì)稱性的迭代尋找鼻尖點(diǎn)算法本文提出了一種基于人臉自對(duì)稱性的迭代尋找鼻尖點(diǎn)算法(Iterative nose tip detection method)。算法采用逐步縮小檢測(cè)范圍的策略,首先利用人臉自對(duì)稱性確定人臉對(duì)稱平面,然后將對(duì)稱平面與人臉的交線作為中心線,使用標(biāo)準(zhǔn)人臉中心線與之對(duì)齊,在標(biāo)準(zhǔn)人臉鼻尖點(diǎn)附近區(qū)域內(nèi)尋找測(cè)試人臉上所有點(diǎn)中z坐標(biāo)最大值點(diǎn)作為鼻尖點(diǎn)。最后調(diào)整鼻尖點(diǎn)位置,將以鼻尖點(diǎn)為中心的球型區(qū)域內(nèi)的點(diǎn)作為人臉區(qū)域與標(biāo)準(zhǔn)人臉對(duì)齊,然后將在上一步檢測(cè)的鼻尖點(diǎn)附近區(qū)域內(nèi)的所有點(diǎn)中z坐標(biāo)最大值點(diǎn)作為新的鼻尖點(diǎn)位置,迭代這一調(diào)整過程,直至相鄰兩次鼻尖點(diǎn)的距離小于一定閾值。該算法對(duì)含有表情,包含頭發(fā)區(qū)域以及具有較小姿態(tài)的人臉具有魯棒性。為了統(tǒng)一感興趣區(qū)域,本文將以最后一步迭代確定的鼻尖點(diǎn)為中心的球體內(nèi)的人臉區(qū)域用于后續(xù)特征提取與識(shí)別算法。(2)提出了一種基于形變模型的中性人臉估計(jì)圖建立方法為了降低表情對(duì)三維人臉識(shí)別算法的影響,本文提出一種L1范數(shù)約束表情空間系數(shù)的最小二乘回歸算法.對(duì)于一個(gè)三維人臉,首先建立中性空間和表情空間,然后使用形變模型逼近其三維表面形狀。由于人在一個(gè)特定時(shí)間只能做出一種表情,因此利用L1范數(shù)約束形變模型中表情空間的系數(shù),并采用L1范數(shù)約束表情空間系數(shù)的最小二乘回歸算法估計(jì)模型系數(shù)。然后利用估計(jì)出的中性空間和表情空間的系數(shù)建立測(cè)試人臉的中性分量和表情分量。最后為了保持原始人臉上的細(xì)節(jié)特征,使用中性分量與標(biāo)準(zhǔn)人臉之和與原始人臉建立點(diǎn)與點(diǎn)間的對(duì)應(yīng)關(guān)系,生成中性人臉估計(jì)圖。實(shí)驗(yàn)表明使用中性人臉估計(jì)圖進(jìn)行特征提取可以提高含有表情的三維人臉與同類中性人臉之間的相似度,從而降低類內(nèi)離散度,減小表情對(duì)人臉識(shí)別算法的影響,提高識(shí)別率。(3)提出了一種基于點(diǎn)的法向量的球面向量模投影圖建立方法為了有效地反映人臉表面形狀信息并增強(qiáng)類間可辨別性,本文提出了一種球面向量模投影圖(Spherical Vector Norms Map, SVNs Map)建立方法。SVNs Map反映了三維人臉在一個(gè)球面上的特征,將三維人臉上各點(diǎn)延其法向量方向到球面的向量的模值代替各點(diǎn)的z坐標(biāo)值,目的為增大三維人臉上局部區(qū)域內(nèi)各點(diǎn)的差異性。對(duì)于嘴部區(qū)域,本算法使用一個(gè)標(biāo)準(zhǔn)人臉對(duì)測(cè)試人臉嘴部球面向量模值進(jìn)行調(diào)整,使其具有表情不敏感性。因此使用球面向量模投影圖作為三維人臉特征既可以提高含有表情的三維人臉與同類中性人臉之間的相似度,又可以降低具有相同表情的不同類的人臉間的相似度,從而降低了類內(nèi)離散度并增大了類間離散度,最終提高三維人臉識(shí)別的識(shí)別率。(4)提出一種基于新的分塊策略的梯度方向直方圖特征為了提取人臉局部特征并保持人臉上特征區(qū)域的完整性,本文采用一種新的分塊策略提取中性人臉估計(jì)圖與球面向量模投影圖的梯度方向直方圖特征(NewPartitioning Histograms of Oriented Gradients, NP-HOG)。將投影圖按照特征區(qū)域分成大小不等的八個(gè)塊,分別建立每一塊的梯度方向直方圖特征,將所有塊的特征連接成一個(gè)向量作為人臉整體特征。本文利用NP-HOG特征提出一套三維人臉識(shí)別融合算法,首先提取中性人臉估計(jì)圖與球面向量模投影圖的NP-HOG特征,將兩種圖的NP-HOG特征投影到各自的LDA可鑒別子空間中,最后融合余弦距離建立的相似度矩陣完成識(shí)別。本算法在提取表情不敏感投影圖之后提取NP-HOG特征,既減小了表情對(duì)識(shí)別結(jié)果的影響,又增大了類間的可辨別性,從而提高了三維人臉識(shí)別率。實(shí)驗(yàn)結(jié)果也表明NP-HOG特征比常用人臉特征更適用于三維人臉識(shí)別,融合算法也可以進(jìn)一步提高識(shí)別率。
【圖文】：

圖１－１文章姐織結(jié)構(gòu)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

．邐在平面上產(chǎn)生一個(gè)投影點(diǎn)，將各點(diǎn)到這個(gè)固定平面的距離轉(zhuǎn)化為投影點(diǎn)的灰度值，，逡逑最后使用線性插值將各點(diǎn)灰度值規(guī)整到二維網(wǎng)格中。圖２－３第二行為第一行中四個(gè)逡逑Ｈ維人臉對(duì)應(yīng)的深度圖。逡逑S鯓ㄥ義希紓茫裕歟攏戾義賢跡玻忱嘉肆成疃熱﹀義希疲椋紓酰潁邋澹玻沖澹裕瑁邋澹洌澹鴰澹椋恚幔紓澹簀澹錚駑澹常膩澹媯幔悖澹簀義希桑劐義

本文編號(hào)：2561165