一种基于稀疏表示与多特征点的三维人脸识别方法技术

本发明专利技术公开了一种基于稀疏表示与多特征点的三维人脸识别方法，步骤(一)在尺度空间中提取三维人脸扫描数据中的特征点并对其进行描述；步骤(二)根据步骤(一)中确定的待测人脸的三维数据特征构建三维人脸数据库；步骤(三)运用步骤(一)提取得到待测人脸的特征描述算子集合，在步骤(二)中所确定的三维人脸数据库比较以确定待测人脸身份的方法。本发明专利技术所示的三维人脸识别方法选取固定列数的特征描述算子构建子字典，并进行稀疏滤波，从而提高识别效率与精确度，可用于对身份识别有严格要求的场合，解决了三维人脸扫描数据中存在的人脸部分缺失、表情变化大、面部被遮挡等问题。

【技术实现步骤摘要】

本专利技术涉及一种基于稀疏表示与多特征点的三维人脸识别方法，属于模式识别领域，可应用于对身份识别要严格要求的场合。
技术介绍
人脸识别(Face Recognition)，作为计算机生物特征(Biometric)识别技术中的典范一直受到社会各界及各个科学领域的广泛关注，其已经不再仅仅作为计算机视觉研究性的课题。随着社会硬件技术和视频监控技术的发展，许多监控及鉴别领域需要精准及快速的身份确认技术：在国外人脸识别技术应用于国家重要部门及军事区国防区等安防部门，在国内这一项技术也被广泛地应用于公安，交通，金融以及物业管理等领域，随着近年来新媒体技术带动的人机交互热潮以及简易计算机摄像头在社会民众间的逐渐普及，人们逐渐将人脸识别看成是一种人机交互的方式，将其运用于网络或新媒体交互产品也是今后一个发展新媒体技术的切入点。 目前已经有能够获取目标三维信息的深度摄像机，随着各种三维摄像机和打印机在工程界的热议和发展，带有深度信息的三维摄像机已经成为了未来摄像相机硬件发展的趋势，现在生物特征界已经有一批学者在进行三维人脸识别研究。和通过普通摄像头获取人脸数据不同，三维人脸数据获取的是目标信息的三维形状，而不再是目标信息的色彩图，所以和普通的二维人脸识别相比，三维人脸识别相对于光照以及遮挡等问题并不敏感，在不同的光照和遮挡下也做到较高的识别率，故应用范围及效果更佳。 专利技术内容 本专利技术的目的在于提供一种基于稀疏表示与多特征点的三维人脸识别方法，其针对三维人脸扫描数据中存在的人脸部分缺失、表情变化大、面部被遮挡等问题，通过三维人脸数据上局部特征描述算子的确定以及多特征点稀疏表示(3DMKDSRC)，从而建立了一种精确、快速的三维人脸识别方法。 为达到上述目的，本专利技术的解决方案是： 一种基于稀疏表示与多特征点的三维人脸识别方法： (一)确定待测人脸的三维数据特征： (1)定义人脸网状结构M包含顶点数据{V本文档来自技高网...

【技术保护点】
一种基于稀疏表示与多特征点的三维人脸识别方法，其特征在于：(一)确定待测人脸的三维数据特征：(1)定义人脸网状结构M包含顶点数据{V}与边缘数据{E}，V为各顶点在三维空间中的具体坐标，E为包含所有两两相连的顶点对，对人脸网状结构M构建平滑尺度空间：在建立k个尺度空间的过程中，选取k个不同大小的σ值，对顶点数据{V}进行平滑操作，得到k组顶点数据集，所述k个不同大小的σ值通过得到，其中，表示所选取的第s个σ的估计值，σ0表示用于创建k个尺度空间的基准值，表示边缘数据的平均值；(2)提取特征点：(2‑1)分别计算输入的k组顶点数据集中各顶点的平均曲率其中，与分别代表该第i个顶点在平滑尺度s中的最大和最小曲率；(2‑2)分别计算输入的人脸网状结构中所有顶点在相邻平滑尺度下的曲率差dHis=His+1-His;]]>(2‑3)选取满足顶点在相邻平滑尺度下的曲率差的值同时大于或者同时小于其所有邻居顶点的曲率差的值的顶点为特征点；(3)创建特征点描述算子，用于描述特征点周围的信息：(3‑1)选取每个特征点的邻居顶点，对于每一个特征点P，选取以该点为球心、r为半径的球形区域内的所有顶点为其邻居顶点，并确定该点的正则方向；(3‑2)将所有的邻居顶点的法线投影到过P点的切平面上，同时将投影后的法线向量归纳到含h项的带权重的直方图中；(3‑3)划分若干个子区域，确定每个子区域的形状索引信息直方图与倾斜角信息直方图：将球形区域划分为q个子区域，每个子区域使用两个直方图ps和pθ用于构造描述算子，其中，ps的值通过公式Si＝2/πtan‑1((ci，1+ci，2)/(ci，1‑ci，2))得到，ci，1与ci，2分别表示最大、最小曲率，pθ定义为投影后的法线向量与正则方向间的倾斜角；(3‑4)将所有子区域的两个直方图值连接在一起得到特征点的描述算子f：将q个区域的直方图连接成向量，得到f＝[ps，1pθ，1…ps，qpθ，q]T作为特征点的描述算子；其中，r,h,q根据实际构建特征点的描述算子维度的大小来调整选取；(二)根据步骤(1)中确定的待测人脸的三维数据特征构建三维人脸数据库D：对于每一个对象，建立其对应的特征池Si＝[F1，F2，···，Fj]所述特征池中包含所有该对象历次注册后经计算而得的特征点的描述算子集，则三维人脸数据库D中，将所有对象的特征池根据其对应的身份序号依次排序而构成，即D＝[S1，S2，…，Sc]，其中C为三维人脸数据库D中注册成功的对象个数；(三)比较待测人脸与数据库中数据信息以确定待测人脸的身份：(I)多特征点稀疏表示：将待识别人脸的特征点的描述算子集Fprobe，使用多特征点稀疏表示方法求解方程式Fprobe＝DX中与D对应的系数矩阵X，由于D的列数太大，对于每一个f通过提取D中与f最相似的前L个特征描述算子构建D的子字典A，矩阵X通过n次并行计算满足f＝Ax来确定；(Ⅱ)稀疏滤波，筛选待测人脸的特征点的描述算子集对应的系数向量：若待检测人脸中的一个特征描述算子f与子字典A中的一个特征描述算子对应的系数x的各个数值分布的非常离散，则此特征描述算子f视为噪音向量，将其排除出进一步的人脸身份识别参考范围；(Ⅲ)误差重构，确定待识别人脸身份：分别计算筛选得到的待测人脸特征描述算子集与子字典中各类的关联程度，选取最大的关联度的对象作为待测人脸的身份，关联度通过确定重构误差而得到，重构误差越小，关联度越高。...

【技术特征摘要】
1.一种基于稀疏表示与多特征点的三维人脸识别方法，其特征在于：
(一)...

【专利技术属性】
技术研发人员：张林，丁志轩，李力达，李宏宇，沈莹，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31