【技术实现步骤摘要】
一种与纹理和表情无关的人脸识别方法
本专利技术属于图像处理及模式识别
，更具体的是涉及一种与纹理和表情无关的人脸识别方法。
技术介绍
近年来，二维人脸识别一直存在的一些问题,光照影响大,图像、视频和高仿面具破解人脸识别事件时有发生。另一方面，随着三维人脸采集技术的发展，三维人脸识别成为研究热点，能够很好地解决二维人脸识别中存在的一些问题。同样三维人脸识别也存在一些问题，不同的表情变化对整个面部的三维识别带来很大的影响，因此如何解决不同表情的识别是一大难点。三维人脸点云数据量巨大，三维识别存在运算量大，识别速度慢的特点，难以满足市场要求，如何进行快速点云处理和人脸识别也是一大难点。
技术实现思路
专利技术目的：本专利技术的主要目的在于解决现有技术中存在的问题，提供一种与纹理和表情无关的人脸识别方法，通过对三维点云的处理，能够利用基于等测地线的刚性区域特征，实现对不同纹理和表情下人脸的快速识别。一种与纹理和表情无关的人脸识别方法，方法应用于三维点云处理，其特征在于，所述方法包括步骤：步骤...
【技术保护点】
1.一种与纹理和表情无关的人脸识别方法，其特征在于，包括如下步骤：/n步骤1：对双目相机采集重建后的人脸点云数据进行预处理，动态截取出待识别的人脸点云数据；/n步骤2：将待测点云缩放到标准尺度，计算鼻尖点到其他点云的测地线距离，保留等测地线轮廓上的点云数据，提取刚性区域的特征点云；/n步骤3：将特征点云与数据库点云采用迭代最近点算法进行匹配，得到最终的匹配误差；/n步骤4：计算出人脸数据库所有点云的匹配误差，选择误差最小的人脸，完成识别。/n
【技术特征摘要】
1.一种与纹理和表情无关的人脸识别方法，其特征在于，包括如下步骤：
步骤1：对双目相机采集重建后的人脸点云数据进行预处理，动态截取出待识别的人脸点云数据；
步骤2：将待测点云缩放到标准尺度，计算鼻尖点到其他点云的测地线距离，保留等测地线轮廓上的点云数据，提取刚性区域的特征点云；
步骤3：将特征点云与数据库点云采用迭代最近点算法进行匹配，得到最终的匹配误差；
步骤4：计算出人脸数据库所有点云的匹配误差，选择误差最小的人脸，完成识别。
2.根据权利要求1所述的方法，其特征在于，步骤1包含如下步骤：
步骤1.1：使用双目相机采集人脸图像，利用采集到的左右目图像计算出视差值，利用视差值计算出深度值并且生成N个原始点云；
步骤1.2：使用体素化网格方法对原始点云进行处理，通过设定立方体的大小参数s，选取立方体的重心代替点云其他的点，对原始点云进行下采样，获得压缩后的N′个点云同时维持点云的形状和大小；
步骤1.3：点云以双目相机的左相机中心为原点，建立xyz世界坐标系，人脸朝向z轴负方向，遍历点云获得z轴方向数值最小的坐标zmin，选取阈值l，令z轴最大值为zmax＝zmin+l，保留z轴坐标在zmin到zmax之间的点云，删除坐标值高于zmax的点云，过滤掉背景点云；
步骤1.4：采用线性插值的方法对点云进行网格化处理，将点云网格化成m行n列，从上到下遍历每行格点，针对每行格点，从左到右依次遍历，具体的，设定当前遍历第i行第j个格点为α(xα，yα，zα)，以每个格点为圆心画圆，圆的半径为r，计算出圆与当前行相交的两个格点β(xβ，yβ，zβ)和γ(xγ，yγ，zγ)，满足如下关系：
计算α到直线的距离di，j，di，j满足如下关系：
令第i行最大的距离为di＝max{di，j|1＜j＜n}，此时的点为αi(xi，yi，zi)，其中αi∈D，从点集D中选择距离最大的前n0个点云，进行直线拟合，滤除到直线距离小于1的点云，在剩下的点云中选择出z轴坐标值最小的点云α0(x0，y0，z0)作为鼻尖点；
步骤1.5：根据鼻尖点α0(x0，y0，z0)的z轴坐标计算出人脸截取半径R和缩放比例ε，遍历剩余所有点云，当点云中任意一点(x，y，z)满足如下条件时：
(x-x0)2+(y-y0)2+(z-z0)2＜R2(3)
保留所述点云作为面部区域的N0个点云；
以鼻尖点α0(x0，y0，z0)为球心进行缩放，令所有点云(x，y，z)满足如下关系：
使得不同距离采集的点云人脸面部区域能...
【专利技术属性】
技术研发人员：袁杰，齐梦娅，代家印，戴恬，马小莉，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32
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。