论文部分内容阅读
人脸识别技术作为生物特征识别领域的重要分支,在门禁系统、身份认证、公共安全领域具有广泛的应用前景。相比二维人脸识别,三维人脸识别具有姿态和光照不变性,受到越来越多的关注,成为当前人脸识别领域的研究热点。三维人脸模型数据量大,获取困难,如何选取有效的识别信息是三维人脸识别的一个关键问题；同时如何克服表情变化的影响是三维人脸识别的一个重要研究方向。针对以上提出的问题,本文的主要工作总结如下：1)提出了一种基于区域改进LBP的三维人脸识别方法。首先对库集和测试集人脸做预处理,包括人脸区域的切割、点云的平滑去噪和姿态归一化。然后将人脸数据转化成深度图并进行归一化,根据二值掩膜提取人脸的刚性、半刚性和非刚性区域；对每个局部区域,计算其改进LBP特征,并用等价模式表征；最后对刚性区域和半刚性区域使用带权重的稀疏表示分类器(weighted-sparse representation classifier, W-SRC)进行决策级融合。在FRGC v2.0数据库上的实验结果表明,基于区域改进LBP的三维人脸识别算法具有很好的识别性能,并且对表情变化具有较好的鲁棒性。2)提出一种基于改进网格LBP的三维人脸识别算法。首先定位人脸刚性区域的关键点,并提取了关键点附近的局部区域。接着为了更有效地利用人脸模型的三维信息,根据网格LBP定义中的有序环提取局部区域的改进网格LBP特征,并进行特征融合来表征整张人脸。最后使用最小距离分类器进行人脸识别,实验结果证明本算法很好地减小了表情变化带来的影响,对表情具有较好的鲁棒性。3)实现了三维人脸识别系统。在上述三维人脸识别技术研究的基础之上,结合本实验室开发的三维测量系统,开发了一套三维测量与识别一体化系统。三维人脸识别算法流程包括预处理、数字特征提取、侧面轮廓线特征提取、精确匹配等。通过结合快速排除的匹配算法与精确匹配算法,本系统在具有较高识别率的同时具有较快的速度。