【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 ...
【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。