一种用于监狱出入口管理系统的三维人脸识别方法与流程

本发明涉及人脸识别方法领域，具体是一种用于监狱出入口管理系统的三维人脸识别方法。

背景技术：

监狱是国家的刑罚执行机关，也是关押罪犯的主要场所。由于其本身的特殊性，对安全管理有着特殊的要求。监狱ab门是进出监狱监管区的必经之地，必须进行严格监管。传统的ab门进出都是采用ic卡和值班干警肉眼识别相结合的方法，这种方法存在一定的弊端，值班人员夜间疲劳、值班人员责任心等各种因素均很大程度上影响着监狱安全。并且，监狱人员外来人员繁多、成分复杂，传统的人工管控方式已经无法适应监狱的高安全性要求。

近年来，生物识别技术得到了越来越多人的认同。因为每个人的生物特征与他人相比，具有在一定时期内不变的稳定性和唯一性，不易进行伪造和假冒，所以生物识别技术更加安全，可靠，准确。特别是人脸特征，是生物特征中最重要的一种，反映了很多人类个体的重要的信息，是人们区分不同个体的最直接的辨别对象。因此本发明关注与人脸识别技术在监狱出入口管理系统的应用。

目前，基于图像的二维人脸识别技术日趋成熟,在一定约束条件下已取得较好的识别结果。然而,由于光照、姿态、化妆、表情、年龄的变化，这些因素显著地降低了二维人脸识别算法的性能。相比之下,三维人脸识别是指将采集获得的待识别对象的脸部三维形状数据作为识别一句，与苦衷已知身份的脸部三维形状数据进行匹配，然后得出待识别对象身份的过程。三维人脸识别所采用的是三维人脸数据，而三维人脸数据的优点就在于保持了人脸的原始几何信息，不受光照和表情等因素的影响，并且三维数据具有比二维数据(图像)更多的信息量。然而，目前关于如何直接从采集到的三维人脸数据上获得可靠而又简洁的特征表达一直以来没有合适的成果，并且将该成果用于三维人脸实践也缺少实践，而这些对于提高三维人脸识别的准确率是至关重要的。

因此，探索如何提取三维人脸的特征表达，并且基于所获得的特征表达提出一种新的三维人脸识别方法，这对于三维人脸识别准确率的提高很有意义，进而在提高监狱出入口管理系统的识别性能发挥重要作用。

技术实现要素：

本发明的目的是提供一种用于监狱出入口管理系统的三维人脸识别方法，以解决现有技术二维人脸识别算法由于光照、姿态、化妆、表情、年龄等变化的存在识别准确率下降的问题。

为了达到上述目的，本发明所采用的技术方案为：

一种用于监狱出入口管理系统的三维人脸识别方法，其特征在于：利用mesh-lbp算子提取三维人脸扫描图各个区域的局部特征并进行结合得到描述三维人脸扫描图整体的特征向量，然后用已知三维人脸特征进行svm训练得到训练模型，再将待检测三维人脸用训练模型分类，得到检测结果，其步骤包括：

(1)、选取多个已知对象的三维人脸扫描图作为训练数据库；

(2)、对训练数据库中每个对象的三维人脸扫描图进行区域划分，然后对每个区域进行三角网格化；

(3)、使用mesh-lbp算子提取每幅三维人脸扫描图的各个区域的局部特征直方图，将各个区域的局部特征直方图分别保存为特征向量，由每个区域的局部特征构成局部直方图统计特征，其中mesh-lbp算子如公式(1)所示：

公式(1)中，k是指由mesh-lbp算子规则所建立外围环的网格编号；m是外围环的网格总数；fc是中心网格；fk是外围环的网格；h(x)是定义在网格上的标量函数；α(k)是权重函数，不同的取法对应于不同的变体；s(x)是一个二值化函数，定义如公式(2)所示：

(4)、将每幅三维人脸扫描图的各个区域的局部特征直方图进行连接，得到描述该幅三维人脸扫描图的整体特征直方图，将该整体特征直方图作为该幅人脸的特征向量，从而使每幅三维人脸扫描图中所有的局部直方图统计特征结合成一个直方图统计特征作为该幅三维人脸扫描图的整体特征；

(5)、将步骤(4)得到的每幅三维人脸扫描图的整体特征分别使用svm训练，得到训练模型；

(6)、使用相同的方法提取待测对象三维人脸扫描图的整体特征向量，作为测试样本；

(7)、将测试样本放入训练模型中分类得到分类结果，根据分类结果计算三维人脸识别的准确率。

所述的一种用于监狱出入口管理系统的三维人脸识别方法，其特征在于：以监狱已登记的服刑人员及探监人员作为已知对象，利用mesh-lbp算子提取已登记的服刑人员及探监人员的三维人脸扫描图的局部特征直方图，并将局部特征直方图结合得到一个能够描述三维人脸整体特征的特征向量，将该特征向量三维人脸识别，进而原来确认监狱出入口人员的身份信息。

本发明选取一系列已知对象的三维人脸扫描图构成数据库，对数据库中每幅扫描图划分区域，再对每一区域先进行三角网格划分，后用mesh-localbinarypattern(mesh-lbp)算子提取三维人脸扫描图的局部特征构成局部直方图统计特征，将一幅扫描图中所有的直方图统计特征结合成一个直方图统计特征作为这幅三维人脸扫描图的整体特征。然后使用svm进行训练得出训练模型，将待检测的三维人脸整体特征使用训练好的模型进行分类，得出分类结果，从而用于身份识别。

mesh-lbp算子直接作用于三角网格流形表面，并且mesh-lbp算子作为一种纹理描述算子能提取精细的三维局部纹理特征，可以提供很强的分辨性能。但三维局部纹理特征与采用lbp算子得到的二维局部纹理特征不同。三维局部纹理特征指能够使物体表面“起皱”的三维可重复的模型，而二维局部纹理特征指物体的光度信息。

svm是一个有监督的学习模型，通常用来进行模式识别、分类、以及回归分析，其学习策略便是间隔最大化。本发明使用mesh-lbp算子，在保持了基本lbp算子的有效性和可扩展性的同时，也保持了线性的计算复杂度，再通过采用svm分类器显著提高了计算的效率和准确率。

本发明通过从已登记的服刑人员及探监人员的三维人脸数据中进行训练的基础上，检测出待测人员的三维人脸，从而用于待测人员身份的识别。该出入口管理系统的应用有利于进出监狱人员的规范有效管理，保障监狱安全。

与已有技术相比，本发明的有益效果体现在：

将mesh-lbp算子用于描述三维人脸特征，提供了一种新的三维人脸识别方法，从而完成更加可靠的身份识别任务。

附图说明

图1是本发明的实现流程框架图。

图2是本发明的实验中对三维人脸进行三角网格化，任意不共线三点连接即为三角网格。

图3是本发明的实验中对三维人脸各个区域利用mesh-lbp算子提取局部直方图。

具体实施方式

如图1所示，一种用于监狱出入口管理系统的三维人脸识别方法，包括以下步骤：

(1)、选取100个对象的2500个三维人脸扫描图作为训练数据库。

(2)、对每个对象的每幅扫描图进行划分区域，后对每个区域在进行三角网格化。

(3)、使用mesh-lbp算子提取每幅扫描图的每个区域的局部特征直方图，将其保存为特征向量。mesh-lbp算子如下所示：

公式(1)中，k是指由mesh-lbp算子规则所建立外围环的网格编号；m是外围环的网格总数；fc是中心网格；fk是外围环的网格；h(x)是定义在网格上的标量函数，可采用曲率，高斯曲率，曲度，面法线角四种函数；α(k)是权重函数，不同的取法对应于不同的变体；s(x)是一个二值化函数，定义如公式(2)所示：

(4)、将每幅扫描图的每个区域直方图进行连接，从而得到描述三维人脸扫描图整体的特征向量。

(5)、将三维人脸特征使用svm训练，得到训练模型。

(6)、使用相同的方法提取待测对象三维人脸扫描图的整体特征向量，作为测试样本。

(7)、将测试样本放入训练模型中分类，根据分类结果计算三维人脸识别的准确率。

图2中，(a)图首先取人脸中两眼和鼻尖三个点作为基准点，然后在基准点的基础上利用数学几何知识生成三角网格的各个顶点，(b)图将生成点的平面放置于三维人脸上即对对三维人脸进行了三角网格化，(c)图利用mesh-lbp算子提取该人脸的局部特征直方图，然后连接构成该人脸的整体特征直方图，即得到了该人脸的总体描述。图片数据来自于bu-3dfe数据集。

图3中，(a)图为来自同一对象但姿势不同的人脸，(b)为利用mesh-lbp算子分别提取得到的人脸总体描述。不难发现，这两幅人脸描述相似，故可判断为同一个对象。图片数据来自于bu-3dfe数据集。以同一对象的两幅不同姿势为例，分别利用mesh-lbp算子对这两幅三维人脸进行提取得到的总体描述，然后对比这两个总体描述，即可完成分类识别的任务。