一种基于人脸全自动定位的三维人脸识别方法技术

本发明专利技术实施例公开了一种基于人脸全自动定位的三维人脸识别方法，属于计算机视觉和模式识别领域。所述人脸虚图像生成的方法包括：建立二维人脸形状模型和局部纹理模型，对二维人脸图像进行精确定位，根据定位结果，对所述二维人脸图像进行三维重建，得到三维人脸图像；对所述三维人脸图像进行光照模型处理，得到姿态、光照变化的虚图像。所述方法包括：从待识别的人脸图像中提取特征并压缩；根据压缩处理的特征对人脸进行识别。本发明专利技术实施例通过对二维人脸图像进行三维重建和光照模型处理生成虚图像，增加了图像的姿态和光照变化的样本空间，同时三维重建速度有很大的提高，使人脸图像的识别具有更高的效率和识别率。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和模式识别领域，特别涉及一种基于人脸全自动定位的三维人脸 识别方法。
技术介绍
人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领 域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合，使得人脸识 别系统具有广泛的应用。虽然对人脸识别的硏究持续了数十年，但时至今日，它依然是模式识别领域中一个极具 挑战性的问题。人脸识别方法还有一系列难以解决的问题，例如当人脸姿态、表情以及环境 光照(PIE, Pose Illumination Expression)发生较大变化的时候，识别率将急剧下降。如何解 决人脸在不同姿态、光照和表情条件下的识别问题，仍然是当甜研究的热点。对于姿态和光照变化的人脸识别问题，采用传统的方法，必须获得足够多的不同姿态和 光照条件下用于学习的人脸训练图像，然而在很多情况下，这些图像并不容易获得。为了实现不依赖姿态和环境光照的人脸识别，现有技术中提出下述方法第一类是姿态不变特征提取方法，这类方法通过提取能够克服姿态变化的特征来解决姿 态变化的识别问题；第二类是基于多视角人脸图像的解决方法，比如将传统子空间方法扩展 到多视角子空间；第三类是基于人脸三维模型的方法，在Blanz提出三维人脸建模方法之后， 基于人脸三维模型生成人脸各个姿态虚图像(Virtual Image)的方法在解决姿态问题中取得了 较好的成果。但是现有技术也存在很多的缺点，姿态不变特征提取方法的主要缺点是提取姿态不变的 特征比较困难；基于多视角人脸图像的解决方法，其主要缺点是很难将人脸的姿态绝对划分 开，并且错误的姿态估计会降低人脸识别性能；而基于人脸三维模型的方法，虽然能较好的 解决姿态问题，但还存在很多困难，比如计算量大、速度慢和恢复精度差，并且需要手工定 位特征点用于初始化。
技术实现思路
为了实现自动化和快速准确的人脸识别，并在识别过程中，克服图像姿态和光照变化的 影响，提高计算速度，本专利技术实施例提供了一种人脸虚图像生成的方法及一种基于人脸全自 动定位的三维人脸识别方法。所述技术方案如下一方面，本专利技术实施例提供了一种人脸虚图像生成的方法，包括对预设的数据库中的二维人脸图像进行多子空间的形状建模，得到二维人脸形状模型； 对所述二维人脸图像进行纹理建模，得到二维人脸局部纹理模型； 根据所述二维人脸形状模型和局部纹理模型，对二维人脸图像进行精确定位； 根据预设的三维人脸形状模型以及对所述二维人脸图像的精确定位结果，对所述二维人 脸图像进行三维重建，得到三维人脸图像；对所述三维人脸图像进行光照模型处理，得到姿态、光照变化的虚图像。 本专利技术实施例通过建立三维人脸形状模型和二维人脸形状模型，并进行优化处理，对二 维人脸图像进行精确定位，根据定位结果，对二维人脸图像进行三维重建，得到三维人脸图 像，然后对三维人脸图像进行光照模型处理，得到姿态、光照变化的虚图像，增加了图像的姿态和光照变化的样本空间，同时三维重建速度有很大的提高，使图像识别具有更高的效率 和识别率。另一方面，本专利技术实施例提供了，包括获取待识别的二维人脸图像；从所述二维人脸图像提取特征；对所述提取的特征进行压縮处理，得到经压縮处理的特征； 对所述经压縮处理的特征进行分类处理，得到分类结果；将所述分类结果与预设的分类结果进行匹配，根据匹配结果对所述待识别的人脸图像进 行识别。本专利技术实施例通过对二维人脸图像进行三维重建和光照模型处理，得到不同姿态的人脸 虚图像，从而在仅有一张标准人脸图像的情况下，使用变化模拟方法生成姿态和光照变化的 虚图像，增加了图像的姿态和光照变化的样本空间，通过对虚图像设计分类器，可以使人脸 图像的识别具有很高的识别率。附图说明图1为本专利技术实施例1提供的一种人脸虚图像生成的方法的流程图；图2为本专利技术实施例1提供的姿态向左的二维人脸形状模型； 图3为本专利技术实施例1提供的正面的二维人脸形状模型；图4为本专利技术实施例2提供的的流程图； 图5为本专利技术实施例2提供的一种分类器设计方法的流程图。具体实施例方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进 一步地详细描述。 实施例1本专利技术实施例提供了一种人脸虚图像生成的方法，该方法对数据库中的二维人脸图像进 行多子空间的形状建模，得到二维人脸形状模型；对二维人脸图像进行局部纹理建模，得到 二维人脸局部纹理模型；根据二维人脸形状模型和局部纹理模型，对二维人脸图像进行精确 定位；根据预设的三维人脸形状模型以及对二维人脸图像的精确定位结果，对二维人脸图像 进行三维重建，得到三维人脸图像；对三维人脸图像进行光照模型处理，得到姿态、光照变 化的虚图像，从而增加了图像的姿态和光照变化的样本空间，能够克服图像识别过程中姿态 和光照变化的影响。同时三维重建速度有很大的提高。如图1所示，本实施例包括101:根据三维人脸数据库建立三维人脸形状模型。本实施例中的三维人脸数据库取自200个欧洲人的三维人脸数据，每个三维人脸数据包 含十万左右个顶点，每个顶点的坐标数据(x， y， z)和纹理颜色数据(R， G， B)已知。建立三 维人脸形状模型包括101a:从三维人脸数据库中，获取所有三维人脸的顶点坐标(x， y， z)和纹理(R， G， B) 等原始数据，并对原始数据进行量化处理。具体的，获取原始数据可以利用多种方法，例如采用三维扫描仪采集或采用二维图像重 构，本实施例中采用三维扫描仪扫描得到原始数据，得到原始数据后，将其中的模拟量进行 量化处理转化为数字量。101b:对三维人脸数据进行预处理，去除人脸以外的部分，分离出三维人脸图像数据。具体的，可以釆取三维人脸图像数据分离的方法，将人脸图像区域从整个头部扫描数据 中分离出来，即去除头发、肩部等部位。分离人脸图像区域先要确定分割边界，然后根据分 割边界将人脸图像区域数据从原始数据中分离出来。IOIC:根据分离出来的三维人脸图像数据，建立人脸图像的对应关系。对所有的三维人脸图像进行点对点的配准，建立高密度的顶点对应关系，即同一个下标的顶点表示的语意相同，比如第iooo号顶点对于所有的三维人脸图像都是鼻尖。lOld:建立三维人脸形状模型。具体如下1) 将预处理后三维人脸图像数据的所有顶点的坐标值依次排列，作为形状向量。得到的 形状向量如下^(x/，"、…,x,k)7 (i)其中i表示第i个人脸数据，n表示模型的顶点数。2) 对获得的形状向量进行主分量分析(PCA， Principal component analysis),得到形状向 量均值和特征向量。主分量分析是一种常用的无监督的线性降维方法，它寻找一个线性子空间，以使得样本 在该子空间投影的协方差尽可能地大。进行主分量分析分析是为了得到一个更为紧凑的参数 表示，假设数据库中共有N个三维人脸数据，主分量分析的具体方法如下(2)计算三维人脸图像数据的形状向量均值y=^i;s,1以及协方差矩阵C, -丄Z(S, - /"(3)从而可以得到=义A= 1，2,...，^分解(3)式即得到特征向量Sj。3)根据形状向量均值和特征向量构建三维人脸形状模型^。d^7+;ga,j(4)其中，^为第j个形状系数，Ms为截取的形状主元个数，通过变化系数^.本文档来自技高网...

【技术保护点】
一种人脸虚图像生成的方法，其特征在于，包括：对预设的数据库中的二维人脸图像进行多子空间的形状建模，得到二维人脸形状模型；对所述二维人脸图像进行局部纹理建模，得到二维人脸局部纹理模型；根据所述二维人脸形状模型和局部纹理模型，对所述二维人脸 图像进行精确定位；根据预设的三维人脸形状模型以及对所述二维人脸图像的精确定位结果，对所述二维人脸图像进行三维重建，得到三维人脸图像；对所述三维人脸图像进行光照模型处理，得到姿态、光照变化的虚图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：丁晓青，方驰，王丽婷，丁镠，刘长松，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]