表情變化條件下的三維人臉識別.pdf

1、人臉識別技術(shù)是以人臉作為特征進(jìn)行身份認(rèn)證和識別的技術(shù)，它在多個領(lǐng)域有巨大的市場需求，如門禁系統(tǒng)、視頻監(jiān)控、機(jī)場安檢、智能空間、自然人機(jī)交互等。二維人臉識別難以解決光照和姿態(tài)問題，而三維人臉具有光照、姿勢不變性，且包含有更多的信息量，因此三維人臉識別已成為學(xué)術(shù)界的研究熱點。然而表情會導(dǎo)致三維人臉曲面形狀改變，降低了算法性能；同時三維人臉中的海量數(shù)據(jù)，也導(dǎo)致了算法的實時性難以滿足實際要求。因此，克服表情影響和提高實時性是三維人臉識別迫切需要

2、解決的問題。本文工作主要針對這兩個問題，提出相應(yīng)解決方案，所做工作總結(jié)如下：
　　 (1)三維人臉識別技術(shù)研究現(xiàn)狀總結(jié)。首先介紹了人臉識別背景，然后詳細(xì)介紹了三維人臉識別的流程、數(shù)據(jù)表示以及三維人臉識別的優(yōu)勢和存在的問題，對目前較為廣泛使用的三維人臉數(shù)據(jù)庫進(jìn)行了總結(jié)，最后對三維人臉識別的研究現(xiàn)狀進(jìn)行了分析。
　　 (2)人臉識別過程是一個“暴力搜索”過程，即每一個測試模型都需要同所有的庫集模型比較，然后選擇相似度最高的庫

3、集對象作為識別結(jié)果?；邳c云直接配準(zhǔn)的人臉識別方法對三維人臉數(shù)據(jù)不做特征提取，直接根據(jù)點云的三維坐標(biāo)進(jìn)行精確匹配，最后以配準(zhǔn)后的對應(yīng)點對平均距離作為相似性度量。在該類方法中，每一個測試模型都需要同所有的庫集模型進(jìn)行精確匹配，嚴(yán)重影響了識別效率。針對該問題，提出了一種基于排除算法的快速三維人臉識別方法。首先應(yīng)用人臉穩(wěn)定區(qū)域的有價值側(cè)面輪廓線建立排除算法，在識別初期，通過簡單的排除器將庫集中不相似人臉排除，最后只在相似度較高的剩余庫集模型中

4、進(jìn)行精確匹配。利用本文所提排除算法，約2/3的庫集人臉在識別初期被排除，測試模型只需在剩余1/3的庫集人臉中尋找識別結(jié)果，極大地提高了識別算法實時性。
　　 (3)表情會導(dǎo)致三維人臉曲面產(chǎn)生非剛性形變，常用的一種處理方法是在人臉中選取受表情影響較小的近似剛性區(qū)域進(jìn)行匹配識別，然而受所有表情影響都很小的區(qū)域是很小的，僅利用該部分區(qū)域進(jìn)行識別將影響識別精度。為了解決該問題，提出了一種自適應(yīng)區(qū)域選擇的三維人臉識別方法。該方法將人臉分為

5、多個子區(qū)域，并分別建立人臉形變映射，最后根據(jù)該形變映射，自適應(yīng)地選取形變較小的子區(qū)域用于識別。該方法在避免表情影響的同時，又利用了盡可能多的人臉區(qū)域用于識別。將該方法與僅利用人臉近似剛性區(qū)域的方法比較，識別和認(rèn)證效果有明顯提高。
　　 (4)傳統(tǒng)三維人臉識別算法難以區(qū)分兩個人臉形狀的差異是由不同人引起的還是由表情引起的，使得算法對表情很敏感。針對該問題，提出了一種基于表情分離的三維人臉識別方法。首先利用訓(xùn)練集和模板人臉建立人臉形

6、變模型和表情形變模型，然后通過將帶有表情的人臉分別向這兩個模型空間映射來分離人臉形狀特征和表情特征，最后提取去除表情成分的人臉形狀特征用于識別。該方法通過將人臉形狀特征和表情特征分離，先將有表情人臉變換為無表情人臉，然后用于識別，提高了算法的表情魯棒性。實驗結(jié)果表明，該算法對表情變化下的人臉識別具有很好的效果。
　　 (5)局部特征一般受表情、姿勢和遮擋影響較小，但易受噪聲點影響；而整體特征具有相反的特性。為了有效利用人臉特征進(jìn)