基于kinect的人臉識(shí)別技術(shù)研究.pdf

1、使用常規(guī)相機(jī)獲得的人臉圖像可能具有固定的限制，阻礙臉部圖像中一些特定信息表達(dá)。為了實(shí)現(xiàn)更好的性能，通過專門的采集方法捕獲的3D面部已經(jīng)用于改進(jìn)的方法。雖然由于諸如成本和可訪問性的若干問題，這些3D圖像仍然難以獲得，但是低成本的深度傳感器如Kinect允許直接獲取3D信息以及RGB彩色圖像。這為計(jì)算機(jī)視覺和人臉識(shí)別研究提供了新的機(jī)會(huì)。
　　本文的主要工作如下:
　　1.調(diào)研了一系列基于RGB-D數(shù)據(jù)的人臉識(shí)別方法。探討了低成本

2、深度傳感器Kinect在人臉識(shí)別過程中獲取深度的有效性并獲得一系列結(jié)論。僅僅使用深度圖像進(jìn)行人臉識(shí)別的分類結(jié)果超出了人類期望的知覺，將RGB和深度圖像結(jié)合確實(shí)提高了識(shí)別性能，并且Kinect深度圖像的性能高度依賴預(yù)處理步驟。以上結(jié)論證明了研究RGB-D人臉識(shí)別的意義。
　　2.提出了一種緊密的二值描述子用于解決RGB-D人臉識(shí)別過程中的特征表達(dá)問題。首先，該方法不同于傳統(tǒng)的使用手工設(shè)計(jì)的特征，其使用無監(jiān)督學(xué)習(xí)的方法從訓(xùn)練數(shù)據(jù)學(xué)習(xí)緊

3、密的二值特征，自動(dòng)的在可區(qū)分性和不變性之間達(dá)到了很好的折中;其次，為了有效的利用空間上下文信息，該方法并非采用原始的像素作為訓(xùn)練數(shù)據(jù)，而使用像素與周圍像素的差異信息作為輸入;最后，考慮到Depth圖像相較于RGB圖像的平滑性特點(diǎn)，對分塊的Depth圖像和RGB圖像提取不同半徑范圍的像素差異信息。實(shí)驗(yàn)結(jié)果表明，所提出的方法具有較強(qiáng)的人臉描述能力和可鑒別性。且對光照和面部的遮擋變化具有一定的魯棒性，并在三個(gè)公開的數(shù)據(jù)集上獲得了較好的識(shí)別率。

4、
　　3.提出了針對Kinect v2的深度增強(qiáng)方法和基于深度圖像序列的人臉檢測方法用于實(shí)時(shí)的Kinect的人臉識(shí)別。訓(xùn)練隨機(jī)森林進(jìn)行基于深度圖像序列的人臉檢測和姿勢估計(jì)，由于獲得的人臉的大小和人臉中心點(diǎn)的距離具有2次關(guān)系，因此可以裁剪出人臉;然后，對7個(gè)姿態(tài)的人臉訓(xùn)練獲得7種相應(yīng)的AAM模型，將檢測到的頭部姿勢進(jìn)行多姿勢AAM的初始化和模型的選擇，快速準(zhǔn)確的定位人臉的特征點(diǎn);最后進(jìn)行人臉跟蹤并且提取上面設(shè)計(jì)的特征描述子。本文設(shè)計(jì)