[发明专利]多视角三维人脸扫描数据自动配准方法

说明书

技术领域

本发明涉及一种多视角三维人脸扫描数据自动配准方法。

背景技术

三维人脸扫描数据的配准是建立三维形态模型的重要步骤，配准问题包括查找能使多视角物体重叠部分正确配准的平移和旋转参数，能由部分表面来重建该物体，得到该物体的完整表面描述。对于三维人脸来说，要得到人脸的完整描述，至少需要将三个不同视角下(正面、左侧面、右侧面)的扫描数据配准到一起。

根据寻找模型之间对应关系的策略的不同，可以将配准方法分为整体配准和逐片配准两大类。整体配准是以整个模型为研究对象，而逐片配准是先将模型按照一定规则进行分解，然后以分解后的子部分为研究对象。根据配准是分步进行还是一步到位，可以将配准方法分为粗精结合配准和直接配准两大类。当前大部分配准方法都是采用粗精相结合的方式，首先确定有限数目的关键点，计算所对应的转换参数，作为精配准的初始状态。精配准一般采用逐点对应的方法，对整体模型计算转换关系。直接配准，对应于粗精结合中的精配准运算。粗精结合的配准策略，对于空间关系相差较大的两个模型，以及本身结构和形状特点比较复杂的模型，可以大大减少配准工作的运算量。而直接配准主要适用于模型本身结构比较简单的情况。

参照图3，文献“Xiaoguang Lu，Dirk Colbry and Anil K.Jain.Three-Dimensional Model BasedFace Recognition.ICPR，2004”公开了一种粗精结合的三维人脸配准方法。该方法利用ShapeIndex算法自动查找到不同视角三维人脸扫描数据中的内、外眼角点及鼻尖点，用Least SquareFitting方法对检测出的三个特征点进行粗配准；再对整体扫描数据用一种对ICP(IterativeClosest Point)方法的改进方法Hybrid ICP方法进行精确配准。特征点的检测是在假设人脸数据与视觉平面垂直的条件下，由计算得到的Shape Index的值及人脸五官分布的先验知识来确定的。但是，该方法存在以下问题：首先特征点检测方法要求人脸必须是垂直的；其次特征点检测存在误检的情况，直接影响粗配准的效果；再次该配准方法是2.5维扫描数据与完整三维人脸模型之间的配准，不存在数据缺失的情况，因此不能用于多视角三维扫描数据间的配准。

发明内容

为了克服现有技术对特征点检测正确率不高，不能用于多视角三维扫描数据自动配准的的不足，本发明提供一种多视角三维人脸扫描数据自动配准方法，其中粗配准采用对坐标轴进行转换的方法，以整体特征代替个体点特征，降低了特征点检测所带来的误差；精配准仅对提取出的特征区域进行配准迭代运算，可降低运算复杂度。

本发明解决其技术问题所采用的技术方案：一种多视角三维人脸扫描数据自动配准方法，其特点是包括以下步骤：

(a)将多视角三维人脸扫描数据用PCA方法进行坐标轴转换，转换到与正面标准模型同样的坐标系下；

(b)对转换后的模型计算其Shape Index值，并采用阈值分割的方法分离出内眼角、外眼角、鼻尖这些标志区域；

(c)建立人脸标志区域分布模型，找出最符合分布模型的连通区域作为标志区域，计算模型参数x_ij，i＝1，…，m，j＝1，…，10；对所有m个模型求得参数后，由

x‾j=1mΣi=1mxij]]>