论文部分内容阅读
人脸识别是目前最受关注的生物识别技术之一,也是近期研究的热点课题之一。随着信息化的发展,计算机视觉领域研究的进步,二维人脸识别技术已经在社会的各个领域中得到应用,如在海关、飞机场、金融、安防等场景下逐渐采用二维人脸技术来进行身份识别,然而二维人脸识别技术在不理想环境下依然受到制约,其实际应用时识别精确度受外界影响较大,尤其在表情变化、光照、化妆等情况下,二维人脸识别技术的识别率显著下降。商界和学界也纷纷加大研究三维人脸识别技术,并取得了较好的成果,三维人脸识别技术跟二维人脸对比,可获取更多更全面的人脸信息。在非理想环境下,如光照不均匀、化妆、姿态变化等情况下依然具有较高的识别率。针对如何快速在视频中精确识别出行人目标,本文开展了如下研究工作:(1)通过搭建采集环境,研究多台摄像机协同采集三维人脸的架构模型,使用LMM(局部形变模型)和SFS(明暗恢复形状)相结合的方法实现三维人脸建模。本文融合LMM和SFS方法更有效地恢复三维信息,解决LMM对人脸器官(眼睛、鼻子、耳朵等)部位效果较好,但对人脸额头、面颊部分恢复效果不是很好的问题,构造出精确度较高的三维人脸模型。(2)针对SIFT算法特征描述子维数较高,计算量大的问题,提出了一种基于PCA的改进SIFT特征提取算法。对于人脸图像中存在的大量的特征点而言,128维意味着一个庞大的计算量,本文算法通过降维方法对特征点描述子做了改进,将描述子的维数降低到48维,相比对原SIFT算法,改进算法的计算量有了大幅度减少,能够更有效地提高人脸识别的速度。(3)通过本文改进的特征提取算法基于三维人脸模型数据库实现视频目标检测识别,并与基于二维人脸图像的视频目标识别结果进行分析比较。同时,模拟人脸有遮挡的情况进行基于三维人脸模型的视频目标识别实验及结果分析。目前人脸识别方法研究及应用主要在非复杂环境下进行,当遇到遮挡物、非正脸的时候,相比于二维人脸识别,三维人脸识别在识别率、时间复杂度上具有更好的效果。