基于关联程度的三维人脸识别技术的制作方法

文档序号:9226032阅读:474来源:国知局
基于关联程度的三维人脸识别技术的制作方法
【技术领域】
[0001] 本发明属于人脸识别技术领域,设及基于关联程度的=维人脸识别技术。
【背景技术】
[0002] 近年来,随着科技的逐渐发展,人们对信息安全的要求日益严格,人体身份识别技 术也随之不断发展。因为人脸的唯一及独特性,成为人体身份识别的关键。二维人脸识别 技术被广泛应用,然而其容易受到光照、拍摄角度和人脸表情变化等因素的影响,识别精度 相对较低。当前,随着计算机立体视觉技术的深入发展,人脸=维建模技术也得到了很大的 改善,=维人脸模型的能够有效避免二维图片中外界因素对识别准确性造成的干扰,大大 增强识别准确度。
[0003] =维人脸识别是相关学者研究的重点课题。当前常用的人脸识别技术主要可划分 成一下几种类型;基于几何特征的方法、基于模板的方法、基于模型的方法。其中,基于几何 特征的方法最为常用。然而该方法需与其它算法结合才可达到令人满意的效果;基于模板 的方法又可被划分成基于相关匹配的方法、线性判别分析方法、神经网络方法、动态连接匹 配方法等;而基于模型的方法则主要由基于隐马尔可夫模型、基于主动形状模型和基于主 动外观模型的方法等组成。
[0004] 现在,对S维人脸识别的研究也取得了一定的成绩。例如,Gordon通过人脸的深 度数据能够求出人脸表面的曲线分布示意图,通过获取的人脸曲率分布求出人脸每个部位 的几何特征;Beumier对人脸进行光投影,从而得到人脸的S维数据,将人脸的轮廓曲线和 人脸其他部位的灰度分布图进行汇总,看作是后期的一个识别特征。再通过该特征和库中 的S维人脸模型进行匹配完成识别。
[0005] 分析=维人脸几何特征识别算法发现,将获取的=维人脸模型上的=维几何特征 和库中模型进行匹配时,存在精度误差。所W,通常采用相似度比较的方法进行特征匹配。 然而该方法也有一定的弊端,其无法体现出人脸局部特征变化的关键程度及人脸表情改变 的偶然性。针对上述弊端,本文提出一种基于关联程度计算的=维人脸识别算法。其引入 概率决策,通过概率对局部变化的关联程度进行描述,从而增强识别的准确度。

【发明内容】

[0006] 本发明的目的在于提供基于关联程度的=维人脸识别技术,解决了现有的=维人 脸识别方法存在精度误差问题。
[0007] 本发明所采用的技术方案是按照W下步骤进行:
[0008] 步骤1 维人脸几何特征的提取;
[0009] 将两眼之间的距离看作是测量的基准,其他特征依据其和眼睛之间距离的比例获 取:
[0010] (1)假设两眼之间的距离是F1 ;内贴点和外贴点之间的欧式几何距离;
[0011] (2)人眼内部之间的距离F2 ;两个内贴点之间的欧式几何距离;
[0012] (3)人眼外部之间的距离F3 ;两个外贴点之间的欧式几何距离;
[0013] (4)鼻子的高度F4 ;鼻子尖到鼻子根部的欧式几何距离;
[0014] 人脸重要部位形成角度的特征
[00巧](1)左鼻翼、鼻尖、右鼻翼;者之间所形成的角度巧;
[0016] 似左眼的内眼点、鼻尖、右眼内眼点之间所成的角度F6 ;
[0017] 做左眼外眼点、鼻尖、右眼外眼点之间所成的角度巧;
[0018] (4)鼻尖与嘴角左右边点所成的角度F8 ;
[0019] 步骤2 维几何特征的测量
[0020] 1、计算欧式几何距离
[002。 任意两个S维特征点的坐标描述成Pi(X。y。Zi),口2咕,72,Z2),则二者的直线距离 即为两点之间的欧式几何距离,公式描述如下:
[0022]
; (1)
[002引通过上式即获取F1~F3的特征值;假设鼻尖的坐标是(X。y。Zi),鼻子根部的坐 标是(X2, 72,Z2),鼻子下根部的坐标是咕,73,Z3),则鼻子根部与鼻子下根部两点构成的空 间直线方程描述成:
[0024]Ay+Bz+C= 0 ;
[00巧]式中,A = Z2-Z3, B = y广ygC = y2(Z3-Z2) -Z2(y3_y2);
[o02引则鼻子高度:
[0027]
; (2)
[0028] 步骤3 ;求出角度几何特征
[0029] 将左鼻翼、鼻尖、右鼻翼=者之间产生的角度看作是识别的=维几何特征:
[0030]
(3)
[003。 式中,L用于描述d与a之间的距离;L2用于描述e与a之间的距离;S用于描述 上述S角形的面积,d表示鼻左侧翼,a表示鼻尖,e表示鼻右侧翼,b表示鼻根,C表示鼻子 下根部;
[0032] 左鼻翼、鼻尖、右鼻翼S者之间所形成的角度巧;
[0033]
(4)
[0034] 式中,Ls用于描述左鼻翼与鼻尖之间的距离;L4用于描述鼻尖与右鼻翼之间的距 离;S2用于描述上述S角形的面积;
[00巧]左眼的内眼点、鼻尖、右眼内眼点之间所成的角度F6 ;
[0036]
(5)
[0037] 式中,Lg用于描述左眼的内眼点与鼻尖之间的距离;Le用于描述鼻尖与右眼内眼 点之间的距离;S3用于描述上述S角形的面积;
[003引左眼外眼点、鼻尖、右眼外眼点之间所成的角度巧;
[0039]

[0040] 式中,^用于描述左眼的内眼点与鼻尖之间的距离;Ls用于描述鼻尖与右眼外眼 点之间的距离;S4用于描述上述S角形的面积;
[0041] 鼻尖与嘴角左右边点所成的角度F8 ;
[004引
(7)
[004引式中,Lg用于描述左嘴角与鼻尖之间的距离;Li。用于描述鼻尖与右嘴角之间的距 离;Sg用于描述上述S角形的面积;
[0044] 采集鼻子的体积几何特征
[004引求出鼻子的体积:
[0046]
巧)
[0047] 式中,S用于描述底面四边形的底面积,F4用于描述鼻子的高度;测出 bd, dc, ce, be的距离,之后,W be为对角线,分成两个立角形bdc及ceb,通过正弦定理和余 弦定理,分别求出两个=角形的面积,它们的和即为所求底面四边形的底面积S ;
[004引步骤4;通过上述获取的立维几何特征求出相似度
[0049] 选取样本,测出样本的=维几何特征,并进行归一化处理,生成特征向量,之后,与 标准样本库中的归一化特征向量进行比较,计算相似度,经过分析,得出相似度计算公式如 下:
[0050]
(9)
[0051] 式中,分别用Ii与I 2描述脸形图像特征量,P(Q E)用于描述某种工作条件;通 过计算空间的特征差异A属于或属于Q E的概率,完成S维人脸识别的判断,如果 P(Qil A)〉P(〇eIA)或S(Ii,l2)〉l/2,则认为识别成功。
[0052] 本发明的有益效果是识别的相似度更高,本发明方法应用于人脸S维模型的识别 上效果好。
【附图说明】
[0053] 图1是眼睛测量点示意图;
[0054] 图2是鼻子测量点不意图;
[00巧]图3是嘴测量点示意图;
[0056]图4是鼻子测量点实物示意图。
【具体实施方式】
[0057] 下面结合【具体实施方式】对本发明进行详细说明。
[0058] 人脸S维数据采集;本发明可通过美能达公司生产的VIVI910激光扫描仪进行扫 描,对人脸的=维几何信息和纹理信息进行记录。其中,=维几何信息W柱体坐标的形式进 行记录,纹理信息W典型的RGB信息方式进行记录。人脸数据的预处理与分割:在进行数据 采集时,由于受到角度等因素的干扰,将导致=维模型出现漏洞,所W需对经扫描仪获取的 原始=维人脸几何模型进行预处理。除此之外最关键的步骤是需对其进行分割,从而获取 完整的=维人脸区域。由于无法有效实现=维人脸的边界检测,所W,为了完成=维人脸头 像的完整分割,需利用二维人脸图片上的完整的纹理数据。在二维人脸图像上对轮廓进行 采集,获取人脸轮廓边界及耳朵边界。其余信息可在S维数据上确定,则肩膀之后的S维图 像被删除。完成边界采集后,即可有效实现对=维人脸区域的分割。
[0059] 本发明具体的=维人脸识别技术方法步骤如下:
[0060] 步骤1 维人脸几何特征的提取
[0061] 1、将两眼之间的距离看作是测量的基准,其他特征可依据其和眼睛之间距离的比 例获取。
[0062] (1)假设两眼之间的距离是F1 ;内贴点和外贴点之间的欧式几何距离。
[0063] (2)人眼内部之间的距离F2 ;两个内贴点之间的欧式几何距离。
[0064] (3)人眼外部之间的距离F3 ;两个外贴点之间的欧式几何距离。
[0065] (4)鼻子的高度F4 ;鼻子尖到鼻子根部的欧式几何距离。
[0066] 2、人脸重要部位形成角度的特征
[0067] (1)左鼻翼、鼻尖、右鼻翼S者之间所形成的角度巧。
[0068] (2)左眼的内眼点、鼻尖、右眼内眼点之间所成的角度F6。
[006引 做左眼外眼点、鼻尖、右眼外眼点之间所成的角度巧。
[0070] (4)鼻尖与嘴角左右边点所成的角度F8。
[0071] 3、相关部位体积的特征
[0072] 重点对人脸鼻子的体积F9进行计算。
[0073] 所有特征点的具体位置如图1至图3所示。
[0074] 步骤2 维几何特征的测量
[0075] 确定上述=维人脸几何特征后,其完成对其的准确测量,从而对其用于几何特征 识别的准确性进行评价。
[0076] 1、计算欧式几何距离
[0077] 任意两个S维特征点的坐标可描述成Pi(X。y。Zi),P2咕,72,Z2),则二者的直线距 离即为两点之间的欧式几何距离,公式描述如下:
[0078]
(1)
[0079] 通过上式即可获取F1~F3的特征值。其中,对F4的几何特征计算有所不同。假设 鼻尖的坐标是(X。y。Zi),鼻子根部的坐标是(X2, 72,Z2),鼻子下
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1