专利名称：：一种基于局部描述符的三维人脸识别方法
技术领域：
：本发明涉及一种基于局部描述符的三维人脸识别方法，对任一个采样点自适应地选取3个邻域点集，将依次投影在XOY、YOZ和XOZ三个平面上的投影面积作为该点的局部特征，用这样一种局部描述符进行人脸识别，有很好的人脸表征效果，并减小了表情对识别造成的影响。
背景技术：
：生物特征识别在安全领域有着重要的应用，特别是与指纹、虹膜等特征相比，自动人脸识别技术以其无接触性、可接受性高、隐蔽性好等优点受到越来越多的关注，有着巨大的发展空间。传统的基于二维照片的人脸识别技术受到光照、姿态、化妆等因素的影响较大。三维人脸识别技术可以克服或减轻这些因素的影响。三维人脸模型具有比二维图像更丰富的信息，它是对人脸的空间真实形态更准确的描述。但是，三维人脸数据量较大，干扰区域较多，计算量较大，且由于表情产生的人脸曲面非刚性变形，影响了基于几何信息的三维人脸识别的性能。因此，如何减小识别运算量、降低表情影响成为三维人脸识别技术的瓶颈，也是研究的关键问题。
发明内容本发明提供一种能够提高表征准确性的基于局部描述符的三维人脸识别方法。本发明采用如下技术方案一种基于局部描述符的三维人脸识别方法，其特征在于，分别对测试人脸及库集人脸进行处理，分别得到测试人脸上的采样点与库集人脸的采样点，所述处理包括预处理步骤、轮廓线提取步骤、采样点局部特征提取步骤，最后，在测试人脸上的采样点与库集人脸的采样点之间建立点对应关系，并在对应的采样点之间进行局部特征比较，再以欧式距离作为相似度，将最近距离对应的人脸作为识别结果，所述的预处理步骤包括步骤1.1人脸切割根据人脸的形状指数(ShapeIndex)特征和几何约束确定鼻尖点粗略位置，以鼻尖点为中心，90mm为半径，舍弃落在球体以外的点，保留球体内的点作为后续处理的人脸区域；步骤1.2人脸姿态归一化将切割后的人脸通过主成分分析方法进行主轴变换，人脸左右方向作为坐标系的X轴方向，人脸上下方向作为坐标系的Y轴方向，人脸前后方向作为坐标系的Z轴方向，以Z坐标最大值作为鼻尖点，以鼻尖点作为坐标系的原点，将人脸平移后得到统一的人脸主轴坐标系，设为PCS;步骤1.3人脸稀释F·1pea，人脸的点云按照空间距离进行均勻采样，采样间隔为lmm，得到一系列的点云集合所述的轮廓线提取步骤包括步骤2.1等距轮廓线的提取计算人脸点云集合Fp。a内所有点到鼻尖点的距离之后，选择等距离的点组成16条曲线Φ(η)，η=1，2，...，16，曲线Φ(η)为等距轮廓线，η为轮廓线的序号，每条曲线Φ(η)中的点到鼻尖点的距离dis满足条件dise[5*η_δ，5*η+δ]其中阈值δ>0，这里取为1.4mm，这样得到与鼻尖点相距5mm至80mm共16条轮廓线；步骤2.2等距轮廓线的采样步骤2.2.1将等距轮廓线Φ(η)在人脸主轴坐标系PCS的XOY平面上投影，以鼻尖点为中心，投影的曲线在X轴方向的差值α为短轴，在Y轴方向的差值b为长轴，得到一个椭圆，方程可表示为权利要求一种基于局部描述符的三维人脸识别方法，其特征在于，分别对测试人脸及库集人脸进行处理，分别得到测试人脸上的采样点与库集人脸的采样点，所述处理包括预处理步骤、轮廓线提取步骤、采样点局部特征提取步骤，最后，在测试人脸上的采样点与库集人脸的采样点之间建立点对应关系，并在对应的采样点之间进行局部特征比较，再以欧式距离作为相似度，将最近距离对应的人脸作为识别结果，所述的预处理步骤包括步骤1.1人脸切割根据人脸的形状指数(ShapeIndex)特征和几何约束确定鼻尖点粗略位置，以鼻尖点为中心，90mm为半径，舍弃落在球体以外的点，保留球体内的点作为后续处理的人脸区域；步骤1.2人脸姿态归一化将切割后的人脸通过主成分分析方法进行主轴变换，人脸左右方向作为坐标系的X轴方向，人脸上下方向作为坐标系的Y轴方向，人脸前后方向作为坐标系的Z轴方向，以Z坐标最大值作为鼻尖点，以鼻尖点作为坐标系的原点，将人脸平移后得到统一的人脸主轴坐标系，设为PCS；步骤1.3人脸稀释人脸的点云按照空间距离进行均匀采样，采样间隔为1mm，得到一系列的点云集合Fpca；所述的轮廓线提取步骤包括步骤2.1等距轮廓线的提取计算人脸点云集合Fpca内所有点到鼻尖点的距离之后，选择等距离的点组成16条曲线φ(n)，n＝1，2，...，16，曲线φ(n)为等距轮廓线，n为轮廓线的序号，每条曲线φ(n)中的点到鼻尖点的距离dis满足条件dis∈[5*nδ，5*n+δ]其中阈值δ＞0，这里取为1.4mm，这样得到与鼻尖点相距5mm至80mm共16条轮廓线；步骤2.2等距轮廓线的采样步骤2.2.1将等距轮廓线φ(n)在人脸主轴坐标系PCS的XOY平面上投影，以鼻尖点为中心，投影的曲线在X轴方向的差值α为短轴，在Y轴方向的差值b为长轴，得到一个椭圆，方程可表示为<mfencedopen='{'close=''><mtable><mtr><mtd><mi>x</mi><mo>=</mo><mfrac><mi>a</mi><mn>2</mn></mfrac><mi>cos</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mi>y</mi><mo>=</mo><mfrac><mi>b</mi><mn>2</mn></mfrac><mi>sin</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced>其中t＝，x为椭圆的横坐标，y为椭圆的纵坐标，步骤2.2.2将人脸粗略分为3个区域第110条轮廓线所覆盖的区域为内区域、第1114条轮廓线所覆盖的区域为中区域、第1516条轮廓线所覆盖的区域为外区域，对内外区域内的轮廓线进行采样时，选取采样点为<mfencedopen='{'close=''><mtable><mtr><mtd><mi>x</mi><mo>=</mo><mi>a</mi><mo>/</mo><mn>2</mn><mo>*</mo><mi>cos</mi><mrow><mo>(</mo><mrow><mo>(</mo><mn>360</mn><mo>/</mo><mrow><mo>(</mo><mn>8</mn><mo>+</mo><mn>8</mn><mo>*</mo><mi>j</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>*</mo><mi>i</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mi>y</mi><mo>=</mo><mi>b</mi><mo>/</mo><mn>2</mn><mo>*</mo><mi>sin</mi><mrow><mo>(</mo><mrow><mo>(</mo><mn>360</mn><mo>/</mo><mrow><mo>(</mo><mn>8</mn><mo>+</mo><mn>8</mn><mo>*</mo><mi>j</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>*</mo><mi>i</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced>其中j＝1，2，...，10，15，16，i＝1，2，...，8+8*j，式中x和y分别表示在第j条轮廓线上的第i个采样点的横坐标和纵坐标，同理对中区域内的轮廓线进行采样时，选取采样点为<mfencedopen='{'close=''><mtable><mtr><mtd><mi>x</mi><mo>=</mo><mi>a</mi><mo>/</mo><mn>2</mn><mo>*</mo><mi>cos</mi><mrow><mo>(</mo><mrow><mo>(</mo><mn>360</mn><mo>/</mo><mrow><mo>(</mo><mn>8</mn><mo>+</mo><mn>4</mn><mo>*</mo><mi>j</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>*</mo><mi>i</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mi>y</mi><mo>=</mo><mi>b</mi><mo>/</mo><mn>2</mn><mo>*</mo><mi>sin</mi><mrow><mo>(</mo><mrow><mo>(</mo><mn>360</mn><mo>/</mo><mrow><mo>(</mo><mn>8</mn><mo>+</mo><mn>4</mn><mo>*</mo><mi>j</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>*</mo><mi>i</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced>其中j＝11，12，...，14，i＝1，2，...，8+4*j，式中x和y分别表示在第j条轮廓线上的第i个采样点的横坐标和纵坐标；所述的采样点局部特征提取步骤包括步骤3.1划分栅格设每个正方体栅格的边长为CubeLength，作过人脸在PCS下的X坐标最小值点的且与YOZ平面平行的YOZ′平面、过人脸在PCS下的Y坐标最小值点的且与XOZ平面平行的XOZ′平面和过人脸在PCS下的Z坐标最小值点的且与XOY平面平行的XOY′平面，从这三个平面的交点开始，沿三个坐标轴的正方向用边长为CubeLength的栅格堆叠，直到覆盖整个人脸，步骤3.2提取局部特征步骤3.2.1计算邻域大小计算每个采样点的法向量n，计算法向量与X轴、Y轴和Z轴的夹角，分别为α、β和γ，根据夹角的大小选取3个邻域Ω1、Ω2和Ω3，3个邻域内的点的数目分别为number1＝round((1cos(|α|))*50)number2＝round((2cos(|β|))*50)number3＝round((2cos(|γ|))*50)步骤3.2.2计算投影面积分别将邻域Ω1内的点在XOY平面上进行投影，将邻域Ω2内的点在XOZ平面上进行投影，将邻域Ω3内的点在YOZ平面上进行投影，求投影下来的散乱二维点云的最外围点，用直线连接成不规则的多边形，计算所包围的区域面积，得到的3个投影面积作为该采样点的局部特征。全文摘要一种基于局部描述符的三维人脸识别方法，步骤如下(1)对库集人脸模型和测试人脸模型进行预处理，包括人脸切割、姿态归一化和稀释，最后以鼻尖为中心建立人脸主轴坐标系；(2)对库集人脸模型和测试人脸模型提取等距轮廓线，以鼻尖点为中心提取与鼻尖点等距离的16条轮廓线，并进行重采样，得到相同数目的采样点；(3)对库集人脸模型和测试人脸模型人脸进行栅格划分，在步骤(3)所述出的采样点上提取局部投影面积作为局部特征；(4)对库集人脸模型和测试人脸模型上相同顺序的采样点建立一一对应的关系，并比较对应点局部特征；(5)以对应点间局部特征的欧氏距离作为相似度，在库集人脸中选取与测试人脸最相似的作为识别结果。文档编号G06K9/00GK101986328SQ20101057436公开日2011年3月16日申请日期2010年12月6日优先权日2010年12月6日发明者徐俊,达飞鹏申请人:东南大学