论文部分内容阅读
人脸识别凭借其友好、便捷、隐蔽性等优势成为生物识别领域的热点研究课题之一。经过近50年的发展,基于二维图像的人脸识别技术日趋成熟,但受限于二维图像的数据形式,二维人脸识别技术无法解决姿态、光照问题,三维人脸识别的提出有望解决二维人脸识别的瓶颈问题。课题组在前期对基于双目立体视觉的人脸点云数据获取技术以及几何特征的提取进行了研究,取得了较好的成果。为了使获得的三维人脸模型更加光顺以提高最终的识别率,本文进一步研究了点云去噪算法,并提取更多的几何特征进行融合识别。本文主要工作如下：(1)三维人脸数据获取以及点云去噪。针对获取的点云数据存在的噪声问题,本文提出利用点云双边滤波技术对采集的三维人脸数据库XMU-3DFED去噪,实验表明了双边滤波算法对小尺度噪声具有很好的去除效果,并且滤除噪声的同时能较好的保持人脸的表面特征。(2)三维人脸模型预处理。针对三维人脸点云数据存在无用数据、姿态等问题,本文分别进行人脸区域裁切,人脸姿态校正以及三维曲面重建。另外,本文针对三维点云配准算法ICP存在的低效耗时问题,提出用KD-tree和Delaunay剖分两种方法来进行改进,实验表明了两种方法在很大程度上提高了ICP的效率。(3)提取三种新的几何特征。本文主要提取两大类几何特征,第一类是由鼻子等刚性区域提取的曲率、体积、距离、角度共13维的几何特征G；第二类是在等距测地轮廓线上的点与鼻尖点组成的三角面片上提取距离特征D、面积特征S、角度特征A三种特征。实验表明了新提取的三种特征进一步提高了人脸的区分能力。(4)给出几何特征融合的实验系统。在上述工作的基础上,本文对提取的两大类特征进行了决策级融合以用于人脸识别,在XMU-3DFED和ZJU-3DFED上进行了测试。实验表明了用决策级融合后的识别率优于单一特征的识别率,在ZJU-3DFED上,几何特征G与距离特征D融合后的识别率最高,在Rank1上比单特征最佳识别率提升了5个百分点,Rank3识别率达到了97.14%。