【技术实现步骤摘要】
本专利技术涉及一种人脸本征属性描述方法，特别是一种。
技术介绍
三维人脸特征描述是三维人脸配准及识别的关键技术，有效简洁的特征是准确快 速识别的前提。特征提取的基本任务是研究如何从众多特征中求出那些对分类识别最有效 的特征，从而实现特征空间维数的压缩。特征的有用性与特征提取、配准，以及人脸识别的 具体算法密切相关。文 献 “S. Berretti, D. B. Alberto, P. Pietro. Analysis and retrieval of 3D facial modelsusing iso-geodesic stripes.International workshop on Content-based multimedia indexing, June 18—20，2008. pp :257_264. ”公开了一种三维 人脸本征属性描述方法。该方法通过提取三维人脸形状模型中的等测地距条纹组来对人脸 的本征属性进行分析与描述。首先，对人脸形状模型中不同的等测地距区域进行划分；然 后，通过建模技术对等测地距条纹进行数学表达，同时，对不同等测地距条纹间的距...
【技术保护点】
一种三维人脸本征属性描述方法，其特征在于包括下述步骤：（ａ）对高精度三维人脸模型Ｓ进行简化，即对三维人脸模型中的每个顶点，根据特征保持的模型顶点误差度量算法计算其收缩代价：Δ′Ｖ＝ΔＶ＊ｗｅｉｇｈｔ式中，ΔＶ是ＱＥＭ算法的误差测度；ｗｅｉｇｈｔ是收缩代价加权值；若Ｓ＝＝φ或简化到指定结束条件，算法结束；取出顶点ｖ↓［ｍｉｎｃｏｓｔ］，ｃｏｌｌａｐｓｅ（ｖ↓［ｆｒｏｍ］，ｖ↓［ｔｏ］）；如果边折叠后ｖ↓［ｔｏ］的相邻三角面存在重叠，对于重叠三角形上的每一个顶点，若其相邻面全部都↓［１］，Ｓ↓［２］］／１－Ｍ↓［Ｓ↓［１］，Ｓ↓［２］］）↑［２］－１／２Ｎ式中，Ｎ是三维表面Ｓ↓...
【技术特征摘要】
一种三维人脸本征属性描述方法，其特征在于包括下述步骤(a)对高精度三维人脸模型S进行简化，即对三维人脸模型中的每个顶点，根据特征保持的模型顶点误差度量算法计算其收缩代价Δ′V＝ΔV*weight式中，ΔV是QEM算法的误差测度；weight是收缩代价加权值；若S＝＝φ或简化到指定结束条件，算法结束；取出顶点vmincost，collapse(vfrom，vto)；如果边折叠后vto的相邻三角面存在重叠，对于重叠三角形上的每一个顶点，若其相邻面全部都是重叠三角形，那么将其作为一个候选删除点；在所有的候选删除点中，选择邻接面数最少的一个顶点，作为当前边折叠的vfrom，选择vfrom的任意一个相邻顶点作为vto，collapse(vfrom，vto)；其中，vfrom及vto分别表示半边收缩操作中被删除和被保留的顶点；collapse(v1，v2)表示对v1、v2顶点进行半边收缩操作；vmincost表示当前模型中半边收缩代价最小的顶点；S表示三角网格模型；φ表示没有任何顶点和面片的空模型；(b)假设S′为由三维空间中的1 ring邻域构成的简单网格，D′为S′的二维保形结构；如果映射边界固定，二维1 ring形变仅与中心节点ni相关；Dirichlet能量函数为 <mrow><msub> <mi>E</mi> <mi>A</mi></msub><mo>=</mo><munder> <mi>Σ</mi> <mrow><mi>j</mi><mo>∈</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow> </mrow></munder><mi>cot</mi><msub> <mi>α</mi> <mi>ij</mi></msub><msup> <mrow><mo>|</mo><msub> <mi>n</mi> <mi>i</mi></msub><mo>-</mo><msub> <mi>n</mi> <mi>j</mi></msub><mo>|</mo> </mrow> <mn>2</mn></msup> </mrow>式中，|ni nj|表示D′中边(i，j)的边长，N(i)为节点i的1 ring邻接点，αij为夹角；令则有 <mrow><mfrac> <mrow><mo>∂</mo><mi>E</mi> </mrow> <msub><mrow> <mo>∂</mo> <mi>n</mi></mrow><mi>i</mi> </msub></mfrac><mo>=</mo><munder> <mi>Σ</mi> <mrow><mi>j</mi><mo>∈</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow> </mrow></munder><mrow> <mo>(</mo> <mi>cot</mi> <msub><mi>α</mi><mi>ij</mi> </msub> <mo>+</mo> <mi>cot</mi> <msub><mi>β</mi><mi>ij</mi> </msub> <mo>)</mo></mrow><mrow> <mo>(</mo> <msub><mi>n</mi><mi>i</mi> </msub> <mo>-</mo> <msub><mi>n</mi><mi>j</mi> </msub> <mo>)</mo></mrow><mo>=</mo><mn>0</mn> </mrow>对于整个人脸表面，由上式推导出BD＝0式中，D是平面域的二维坐标向量，B是一个稀疏矩阵，表示为 <mrow><msub> <mi>B</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow></msub><mo>=</mo><mfenced open='{' close=''> <mtable><mtr> <mtd><mi>cot</mi><mrow> <mo>(</mo> <msub><mi>α</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow> </msub> <mo>)</mo></mrow><mo>+</mo><mi>cot</mi><mrow> <mo>(</mo> <msub><mi>β</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow> </msub> <mo>)</mo></mrow> </mtd> <mtd><mi>ifj</mi><mo>∈</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow> </mtd></mtr><mtr> <mtd><mo>-</mo><msub> <mi>Σ</mi> <mrow><mi>k</mi><mo>∈</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow> </mrow></msub><msub> <mi>B</mi> <mrow><mi>i</mi><mo>,</mo><mi>k</mi> </mrow></msub> </mtd> <mtd><mi>ifi</mi><mo>=</mo><mi>j</mi> </mtd></mtr><mtr> <mtd><mn>0</mn> </mtd> <mtd><mi>otherwise</mi> </mtd></mtr> </mtable></mfenced> </mrow>给定映射边界和相应的特征约束点，得到对应的二维平面展开 <mrow><mover> <mi>B</mi> <mo>~</mo></mover><mi>D</mi><mo>=</mo><mfenced open='[' close=']'> <mtable><mtr> <mtd><mi>B</mi> </mtd></mtr><mtr> <mtd><mfenced open='' close=''> <mtable><mtr> <mtd><mn>0</mn> </mtd> <mtd><mi>I</mi> </mtd></mtr> </mtable></mfenced> </mtd></mtr> </mtable></mfenced><mfenced open='[' close=']'> ...
【专利技术属性】
技术研发人员：张艳宁，郭哲，林增刚，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[中国|西安]
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。