【技术实现步骤摘要】
一种3D
‑
2D人脸识别方法
[0001]本专利技术属于图像处理及模式识别的
,特别是涉及一种3D
‑
2D人脸识别方法。
技术介绍
[0002]人脸识别一直是计算机视觉,模式识别和机器学习研究中的一个关键主题,它扩展了感知、行为和社会原则。人脸识别技术在传感器、算法、数据库和评估框架方面一直在不断发展,这种日益增长的兴趣一部分由困难的任务和挑战驱动,该挑战为复杂的及类内对象识别问题,一部分由涉及身份管理的各种应用驱动。研究的挑战包括:(i)将内在与外在的外观变化分开;(
ⅱ
)发展判别表示和相似性度量;(iii)发现跨异构数据和条件的性能不变量。面向应用程序,面部正在成为一种强大的生物识别技术,一种用于基于内容的索引和检索的高级语义,以及一种用于人机交互的自然而丰富的通信模式。现有的用于面部识别的框架根据一些方法或面部数据域变化,方法包括数据驱动、基于模型、感知;面部数据域包括图像、点云、深度图。
[0003]现有的2D
‑
2D人脸识别技术存在着精确度、识别通过率、识别速度等方面的缺陷,它会受到诸如光照,角度,清晰度等客观条件的影响,从而给判定的结果带来影响,目前已经提供了一些方法来提高对比的准确性,但是在这些现有技术的方法中存在诸多限制。
[0004]本专利技术提出的3D
‑
2D识别框架,该框架利用3D数据进行登记,同时仅需要2D数据进行识别,并且也可以容易地应用于2D
‑
3D的情况,基于 ...
【技术保护点】
【技术特征摘要】
1.一种3D
‑
2D人脸识别方法,其特征在于:包括以下步骤:S1、3D模型纹理图像的构建:人脸面部数据图案和记录框架是由AFM构建模型所提供,模型的表面参数(或UV参数)是一个内射函数:其中,一个波浪强调表示向量R3,M表示图像,没有强调表示向量R2,U表示2D网格;S2、3D
‑
2D识别和相对姿态估计:3D数据被映射到规范模型姿势为上,拟合后,变形模型顶点通过映射到原始空间:其中,是齐次坐标中点的列排列矩阵,A是4
×
4矩阵;透视投影估计:在全透视投影模型下给出了3D到2D的线性映射P∈R3×4:对于点它们映射到点均在齐次坐标中;其中,K是内部参数的3
×
3矩阵,E是外部参数的3
×
4矩阵,相对于平移矢量旋转矩阵R和尺度s进一步写入;求解P量通过线性变换将一组3D点映射到2D图像位置X的3
×
4投影矩阵的条目:其中,X=(x1,
…
,x
l
)和是齐次坐标中的点的列排列矩阵;地标重投影误差最小化:使用平方差,通过求解所有参考点上的最小二乘近似来估计:目标函数是相对于投影矩阵P(即,变量集{(P)
j
},j=1,...,12)进行参数化,而不是单独的姿势参数;最小化P是对应于匹配任意3D和2D数据的未知基础设置的姿势和相机参数的耦合估计;S3、纹理提升:模型点的投影是从两个变换的级联中获得的;方程式中的三维变换将变形模型映射到3D数据坐标系,并将透视投影P最小化:其中,X和分别是图像和3D空间中模型顶点的矩阵;在对应于某个模型点的UV坐标处,使用x∈X中的图像I值获得T的值:用h:M
→
U方程中的模型参数化;通过来自投影模型三角测量的插值来指定对于u不对应于某些的T的值,可见性图
为指标函数:S4、双向重光照:纹理照明模型:结果是UV空间中的纹理图像应用于未知面部反照率B(u)的照明:T(u)=L
s
(u)+(L
d
(u)+L
a
(u))B(u)
ꢀꢀꢀꢀ
(9)其中,L
s
(u)、L
d
(u)...
【专利技术属性】
技术研发人员:陈广辉,唐亮,王天成,喻恺,吴传洁,皮旭东,王新官,
申请(专利权)人:江西方兴科技股份有限公司,
类型:发明
国别省市:
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。