多尺度特征区域曲率相融合的三维人脸识别方法技术

本发明专利技术属于模式识别领域，具体为一种多尺度特征区域曲率相融合的三维人脸识别方法。依据人眼对不规则特征的感知原理，在多尺度空间理论分析的基础上，通过分析人脸深度信息图中眼睛、鼻子、以及嘴唇等有显著特征区域的曲率变化在不同尺度系数的相关性和相邻角度的系数的相关性，提出多尺度特征区域曲率相融合的三维人脸识别方法，建立显著特征区域的曲率在多个尺度的不同位置、不同方向、多个相邻尺度的同位置、同方向的不同维数的系数模型，克服噪音的影响，提取了可以用来描述人脸深度特征的左右眼、鼻子以及嘴唇等有效低维特征。最后用模糊聚类法进行识别。本发明专利技术可应用于人脸识别和掌纹识别等其它模式识别领域。

【技术实现步骤摘要】

本专利技术属于基于机器视觉的检测
，涉及一种三维人脸识别的方法，特别 涉及一种采用多尺度特征区域曲率相融合的方法提取人脸局部特征，实现三维人脸的检测 以及识别。
技术介绍
在人脸识别领域，由于容易受到光照条件、化妆、人脸姿势等的因素影响，二维人 脸识别的发展已经陷入了瓶颈时期。但是，应时而来的三维人脸识别则比二维人脸识别有 更多的优势。一方面，三维人脸识别采用的数据包含了更多人脸的几何信息，二维人脸只是 三维人脸在平面上进行投影得到的，会丢失一些重要的信息，如人脸深度信息等。其次，三 维人脸数据描绘了人脸的真实形状，不易受外界条件的影响，如姿势、光照等的变化。光照 不会影响原始三维数据点云的获取，而且从三维人脸上提取的形状特征和光照变化无关， 所以光照不再是影响三维数据处理的因素。因此，三维人脸图像的深度信息能够准确的描 述人脸的形状，能更好的表示出人脸重要的区域特征，在识别时有比二维人脸识别更好的 识别效果。但是，到目前为止无论是从三维信息来源、数据的存储和处理、数据的预处理还 是最后的识别过程相关技术都还不是很成熟，因此，研究出一种高效的准确的三维人脸识 别方法是非常有必要的。 曲线波变换理论主要模拟人类视觉系统的特点，在多个尺度和多个方向上寻求各 自有效的基函数，从而实现对信号的最优逼近。在视觉检测领域中展现了良好的发展潜力 和广阔的市场应用前景。 因此，提出多尺度特征区域曲率相融合的技术，设计一种多尺度特征区域曲率相 融合的三维人脸识别方法，能够提高三维人脸识别的准确性以及识别速率，并对其他应用 领域的特征检测和识别有很好的指导借鉴意义，具有一定的应用价值。
技术实现思路
本专利技术所要解决的技术问题是，设计一种多尺度特征区域曲率相融合的三维人脸 识别方法，适用于三维人脸识别准确度和高效性的要求。 本专利技术所采用的技术方案是：依据人眼对缺陷局部不规则特征的感知原理，在多 尺度空间理论分析的基础上，通过分析人脸的局部特征区域，眼睛、鼻子、嘴巴四个区域分 别在不同尺度系数的相关性和相邻角度的系数的相关性，提出一种多尺度特征区域曲率相 融合的三维人脸识别方法，建立显著特征区域的曲率在多个尺度的不同位置、不同方向、多 个相邻尺度的同位置、同方向的不同维数的系数模型，克服噪音的影响，提取了用来描述人 脸特征的四个区域的有效低维特征。最后用模糊聚类法进行识别。本专利技术可应用于各种人 脸识别场合。 本专利技术的目的在于采用多尺度特征区域曲率相融合的技术检测人脸特征区域的 特征，能准确的描述出人脸4个特征区域的曲率特征，并且能够高效、准确的实现三维人脸 的识别。 【附图说明】 附图1是：人脸深度图左眼区域曲线波分解图 附图2是：人脸深度图右眼区域曲线波分解图 附图3是：人脸深度图鼻子区域曲线波分解图 附图4是：人脸深度图嘴唇区域曲线波分解图 附图5是：左眼区域图像对应Curvelet系数图 附图6是：右眼区域图像和对应Curvelet系数图 附图7是：鼻子区域图像和对应Curvelet系数图 附图8是：鼻子区域图像和对应Curvelet系数图 【具体实施方式】 下面结合附图对本专利技术作进一步详细说明。 具体过程如下： 1.分割人脸的特征区域 根据人体测量学特征，在三维人脸深度图中分割出左眼、右眼、鼻子以及嘴唇四个 特征区域。 鼻子区域的分割： 1)设A(x，y，z(x，y))表示深度图像上的某个点，定位鼻尖点可利用高斯曲率和平 均曲率来实现。当κ>0且Η<0，Κ和H取最大值时，所对应的位置为鼻尖点位置prn。 2)定搜索鼻子两侧点区域：一般男性鼻子宽度为（μ = 35mm，〇 = 2.5mm)， 高度为（μ = 53mm，σ =3. 4mm)，比女性略高、略宽一些。因此，搜索鼻尖两侧点的宽 度区域al-al定义为μ+6 〇，类似的搜索鼻子两侧点高度区域定义为0. 6(μ+6 〇 )。用 Gaussian-Laplacian算子检测搜索区域的边缘，其中σ =7像素。 3)用所检测出的鼻尖以及鼻子区域分割出150X100的鼻子区域。 左右眼区域分割： 1) -对于成年人来说，内眼角点和鼻尖点垂直距离是头的顶部和鼻尖距离 的0. 3803倍。设搜索区域的最上部公式为prny+0. 3803Χ I. 5Χ Iprny-VyI，最下部公式 为prny+0. 3803X0. 33X Iprny-VyI。其中其中prny是鼻尖垂直坐标，vy是3D模型最高 点坐标。考虑到左右两内眼角点距离和鼻子宽度比值统一，眼角的左右边界分别为al x, ieft+0. 5X |alx,left-alx,right|，al x,right+0. 5X |alx,left-alx,Hght|。取搜索区域内高斯曲率的最 大值作为内眼角点en。 2)考虑到眼睛内眼角和外眼角距离与两只眼睛内眼角之间距离近似相等，故左 右眼外眼角的位置定义分别为（en x, left+1 enx, left-enx, right I， (eny, left+eny, right) /2)，（enx, right left right I ? left~^?^y, right^ /2) 〇 3)根据左右眼的内外眼角的位置分割出180X100的左眼区域和右眼区域。 嘴唇区域分割： 1)根据人特比例，嘴角的左侧和右侧区域分别为alx,left+0. 7X |alx,left_alx,Hght|， aIx, Hght-O. 7 X I aIx, Ieft-aIx, right I，根据下方区域的上嘴唇和下嘴唇椭圆高斯曲率最大来确 定上下搜索边界。 2)平均曲率H取最大值且为正的位置为嘴角位置。 3)根据左右嘴角的位置以及搜索到上下嘴唇边界分割出240X100的嘴唇区域。 2.曲线波分解 根据所分割出的四个人脸特征区域，将四个区域的最小维数归一化为100,左眼、 右眼、鼻子和嘴唇区域分别为180X100、180X100、150X100、240X100大小的图像。然后 利用FDCT_WARPING方法，对这四个区域分别进行分解，分解层数为4。 曲线波分解过程如下： 第1步：对原始图像f(ti，t2)进行二维傅立叶变换，得到信号/[η,,? 2】。 第2步：获取第4尺度的系数C4,lt) 1)沿着水平方向构造右窗口向量Wg和左窗口向量 2)沿着垂直方向构造右窗口向量1_2和左窗口向量Wp2。 3)构造2个一维低通滤波器 f Iowpasssubl 矛口 flowpasssub2 ? 4)构造1个二维低通滤波器4 )[2xy7oo/*(2x^/, )+l]x[2xfloor(2xM7)+\] ° 5)构造 I个二维高通滤波器fhipass 4。 6)用fhipass 4对/[心《2]进行高通滤波，产生第3尺度滤波后的高通信号。 7)对第4尺度滤波后的高通信号f' hipass 4进行二维反傅立叶变换，获取第4尺 度离散曲线波系数C4,lt) 8)用flOTpas本文档来自技高网...

【技术保护点】
一种多尺度特征区域曲率相融合的三维人脸识别方法，其特征在于，建立眼睛、鼻子、以及嘴唇等4个显著特征区域的曲率在多个尺度的不同位置、不同方向、多个相邻尺度的同位置、同方向的不同维数的系数模型，克服噪音的影响，实现了描述人脸深度特征的左右眼、鼻子以及嘴唇等有效低维特征的提取；所述整个识别方法的实现。

【技术特征摘要】
1. 一种多尺度特征区域曲率相融合的H维人脸识别方法，其特征在于，建立眼睛、鼻 子、W及嘴唇等4个显著特征区域的曲率在多个尺度的不同位置、不同方向、多个相...

【专利技术属性】
技术研发人员：罗菁，宋丹，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12