基于极光谱图像的三维人脸识别方法技术

本发明专利技术涉及一种基于极光谱图像的三维人脸识别方法，其步骤如下：１）人脸特征区域截取：以鼻尖为中心，选取合适的半径长度作一个球，利用球面的空间对称特征对人脸进行截取，也就是将包含在球内部的三维人脸曲面区域作为人脸特征区域。２）将截取的三维人脸区域映射到二维的平面上，对三维人脸的平面参数化。３）把三维人脸在平面上进行展开以后，通过二维图像处理方法，生成的极光谱图像。针对不同姿态下的人脸，构造出一种姿态无关的平面图像用来表示三维人脸，我们称这种图像为极光谱图像。４）利用算法来进行人脸极光谱图像识别。本发明专利技术有益的效果是：主要解决的是不同三维姿态与表情下的人脸识别问题。

【技术实现步骤摘要】

本专利技术涉及一种三维人脸识别方法，主要是一种以参数化和光谱为基础的新思路来处理三维人脸识别的。
技术介绍
计算机人脸识别由于其广泛的应用前景而得到了广泛的研究，迄今为止已经取得许多科研成果。由于在人脸面部表情、拍摄角度或拍摄光照等条件的变化下，得到的人脸照片中的特征不同，因此二维的人脸识别受到很大的限制。为克服仅仅依赖于二维人脸照片的人脸识别方法在的不足，我们把目光转向三维人脸。随着三维扫描技术的发展，基于三维人脸的身份认证方法是目前的研究热点。虽然三维人脸比平面图像包含着更多的信息，但是对于三维人脸的处理并不是很成熟。一方面，对于姿态不同的人脸，在对齐上需要更多的计算时间；另一方面，由于人脸空间的不规则性，现有的空间统计和分析方法也很难直接应用到三维人脸上。
技术实现思路
本专利技术的目的在于克服上述不足而提供一种，主要解决的是不同三维姿态与表情下的人脸识别问题。本专利技术解决其技术问题所采用的技术方案。这种，其步骤如下1)、人脸特征区域截取以鼻尖为中心，选取合适的半径长度作一个球，利用球面的空间对称特征对人脸进行截取，也就是将包含在球内部的三维人脸曲面区域作为人脸特征区域。2)、将截取的三维人脸区域映射到二维的平面上，对三维人脸的平面参数化。3)、把三维人脸在平面上进行展开以后，通过二维图像处理方法，生成的极光谱图像。针对不同姿态下的人脸，构造出一种姿态无关的平面图像用来表示三维人脸，我们称这种图像为极光谱图像。4)、利用算法来进行人脸极光谱图像识别，极光谱图像可以很好的采用目前的二维识别算法进行人脸识别，实验结果表明FisherFaces对于人脸的极光谱图像具有理想的识别效果。本专利技术有益的效果是主要解决的是不同三维姿态与表情下的人脸识别问题。附图说明图1是本专利技术的三维人脸识别的流程图；图2是本专利技术的简单三维网格的平面二维化示意图；图3是本专利技术的采样示意图；图4是本专利技术的ROC曲线和CMC曲线示意图。具体实施例方式下面结合附图和实施例对本专利技术作进一步描述。一、本专利技术的整体思想三维人脸在空间分布中具有不规则性，现有表示方法无法很好的描述三维人脸。我们主要考虑以下三个方面将三维平面映射到二维平面上时，如何保持三维人脸的识别信息最小缺失；对映射后的二维平面进行处理，如何使之与初始姿态无关；使用哪一种二维人脸识别方法来识别姿态无关图像。二、本专利技术所述的这种，(如图1所示)其步骤如下1、人脸特征区域截取整个人脸的数据量很大，我们考虑去除一些包含的信息量比较少的点，从而达到信息和数据量的折衷。通过观察发现，人脸的特征主要分布在以鼻子为中心的部分。在这块区域中，包括了眼睛，嘴巴和鼻子等人脸的主要特征，他们对于人脸识别起着非常关键的作用。由于人脸在扫描时方向的不确定性，即使同一个人的扫描结果也存在方向上的差异性。这样使得空间截取时，需要考虑截取结果必须保证空间方向的无关性。这里提出以鼻尖为中心，选取半径的长度大约为鼻尖到嘴角左右作一个球，使与人脸曲面相交，利用球面的空间对称特征对人脸进行截取，也就是将包含在球内部的三维人脸曲面区域作为人脸特征区域。特征区域包含人脸的眼睛，鼻子和嘴巴等主要特征。由于球体的空间对称性，所以不论人脸在空间的方向上如何变化，只要确定了球心，球与人脸曲面的相交区域就永远不变。这样就在截取特征区域的同时，保证了原始人脸的方向无关性。2、将三维人脸映射到二维的平面上，对三维人脸的平面参数化；目前对于三维物体还没有很好的一种分析和处理方法，但是对于二维图像的处理已经非常成熟。因此将三维人脸映射到二维的平面上，再用现有的二维图像处理方法进行分析，不但可以大大减少三维处理的复杂度，并且能够在对映射后的人脸进行比较复杂的图形分析和变换，从而得到比较好的识别结果。在映射时，由于维数的减少，信息的损失是必然的，因此在映射时，需要考虑识别信息的损失最小。对于三维人脸网格来说，其主要信息可以归结为角度信息和面积信息两种。我们用这两种信息的损失来估量人脸二维化中的信息损失度。为了更好的说明问题，我们首先考虑如图2所示的简单三维网格在映射中的信息损失。其角度和面积的信息损失可以由方程(1)(2)来计算。1)角度信息损失EA=Σneighbour edges(i,j)cotαij|ui-uj|2---(1)]]>2)面积信息损失EX=Σj∈N(i)(cotγij+cotδij)|xi-xj|2(ui-uj)2---(2)]]>平面化的关键问题就是如何使的得到的平面人脸损失的信息量最少。这里，我们考虑当EA和EX分别达到最小时，这两种情况对映射的结果的影响。从图2我们可以看出在边界点固定的情况下，唯一的变量就是映射平面U’的中心点ui，因此EA和EX的变化是随着ui而变化的。当EA和EX取到最小值时，必然有∂EA∂ui=Σj∈N(i)(cotαij+cotβij)(ui-uj)=0---(3)]]> ∂EX∂ui=Σj∈N(i)(cotγij+cotδij)|xi-xj|2(ui-uj)=0---(4)]]>推广整个三维人脸，可以得到MAUinetrnalUboundary=0]]>MijA=cot(αij)+cot(βij)if j∈N(i)-Σk∈N(i)MikAif i=j0Otherwise---(5)]]>MXUinetrnalUboundary=0]]>MijX=(cot(γij)+cot(βij))/|xi-xj|2if j∈N(i)-Σk∈N(i)MikXif i=j0otherwise---(6)]]>当EA或EX分别达到最小时，映射到平面上的点集Uinetrnal和Uboundary需要满足方程5或方程6，其中Uinetrnal和Uboundary为人脸二维化后的内部点集合和外部点集合。然而实际上，方程5和6很难同时满足，因此使用平衡参数α用来调节EA和EX在二维化结果中所占的比重是十分必要的。这就意味着我们可以根据实际的需要来调节角度信息损失和面积信息损失。如方程7所示MUinetrnalUboundary=0Uboundary=0M=αMA+(1-α)MX---(7)]]>方程7是建立在边界点固定的条件上，因此，将原来三维人脸的边界点，分布在半径为600的圆上，即为Uboundary，解线性方程即得到内部点的映射。3、把三维人脸在平面上进行展开以后，通过二维图像处理方法，生成的极光谱图像；对于任意方向本文档来自技高网...

【技术保护点】
一种基于极光谱图像的三维人脸识别方法，其特征是，其步骤如下：１）、人脸特征区域截取：以鼻尖为中心，选取合适的半径长度作一个球，利用球面的空间对称特征对人脸进行截取，也就是将包含在球内部的三维人脸曲面区域作为人脸特征区域；２）、将截取的三维人脸区域映射到二维的平面上，对三维人脸的平面参数化；３）、把三维人脸在平面上进行展开以后，通过二维图像处理方法，生成的极光谱图像；４）、利用算法来进行人脸极光谱图像识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：潘纲，吴朝晖，郑磊，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]