论文部分内容阅读
基于二维人脸图像的识别算法通常对人脸表情、姿态以及光照等环境因素很敏感,由于三维人脸包含了更多的空间信息,并且作为人脸的本质特性不受光照等环境因素的影响。基于人脸三维模型的方法越来越受到重视,迄今为止,虽然三维人脸识别技术尚未在性能和应用上让人信服地全面超过二维人脸识别技术。但是随着处理性能的不断提升和立体视觉技术的不断发展,利用三维人脸数据作为二维人脸识别的一个补充可以进一步改善二维人脸的识别性能,在某些重要的场合意境得到实际应用。
本文在总结和深入研究当前三维人脸识别算法和三维人脸模型以及二维和三维多模态融合识别算法的基础上,探讨了基于三维特征的人脸识别相关技术,对基于三维点云数据的识别做了改进和优化。并针对二维人脸识别算法在某些特定情况的局限性,提出了将基于表象的人脸识别技术以及局部描述符相结合应用到三维深度图与二维强度图,并将二者最佳的识别方法进行得分归一化融合,提高了识别率。
本文的主要的研究内容如下:
(1)对质量不高的人脸三维点云数据的识别算法进行了研究。以鼻尖为中心提取感兴趣区域,并变换到姿态坐标系进行粗略配准。同时提出一种利用人脸对称性填补孔洞的新方法,提高了人脸数据的质量。再用D-ICP算法进行精细配准,采用Modified Hausdorff距离作为相似度量,最后采用最近邻分类器进行分类。实验结果表明该方法能够处理一定程度的人脸姿态变化,即便人脸数据的质量不高,仍能取得较好的识别效果。
(2)针对质量较高的人脸三维点云数据的特点,因其数据量大,在采用D-ICP算法进行匹配时,其计算复杂度较高且非常费时,本文提出了一种将人脸点云数据的深度图进行一阶和二阶梯度运算,然后设定阈值提取出人脸脸部特征的曲线,再将曲线所对应的三维点集作为研究对象,之后采用点匹配的运算进行识别。该方法在亚洲人脸数据库和欧洲人脸数据库中进行实验,结果表明,该方法所提取出的三维点云的子集(对应梯度曲线特征)能有效的表征人脸,并取得了预期较好的识别效果。
(3)对同时采集了二维RGB图像和三维点云数据(质量较高)的数据库进行了双模态融合识别研究。首先提取出二维人脸区域并转换到YGbCr空间,同时提取出三维人脸区域进行姿态校正并转换成深度图像;之后采用局部特征LBP、全局特征2DPCA和2DFLD以及LBP与2DPCA、2DFLD相结合的方法对二维Y图像和三维深度图像分别进行识别;最后将识别得分归一化,并将二维Y图像和三维深度图像的识别结果进行加权融合来改善识别效果。对比实验结果表明二维和三维人脸的融合识别提高了单一模态下得到的识别率,LBP对深度图有最佳的识别效果,IBP与2DFLD相结合对Y图像有最佳的识别结果,特别是这两者的识别得分进行加权融合在实验数据库中能达到最好的识别效果。