[发明专利]快速三维人耳识别方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种可以自动地从三维深度数据 中提取出人耳并进行识别或认证的方法。

背景技术

生物识别技术是利用人的生理特征或行为特征进行身份识别的技术，这种 鉴别技术具有比传统的密码和身份识别码等更可靠、更安全的特点。人耳识别 是一种较新的生物识别方法，近几年来受到了国内外很多研究者的关注，这是 因为人耳具有唯一性和稳定性，可以作为个体生物识别的依据，而且人耳表面 具有大量的沟和脊，形状特征很丰富，还不受胡子、化妆品和表情的影响。另 外，人耳数据采集比较方便，不需要识别对象较多的配合，适用于监视场合。 因此，人耳识别是一种很有发展潜力的生物特征识别技术。

研究人员已经发展了一些基于2D灰度图像的人耳识别技术，但是这些技术 的性能严重受到阴影、姿态变化和成像条件等的影响。然而，一个实用的生物 识别系统需要具有识别率高、识别速度快和鲁棒性好等特点。基于三维表面形 状的人耳识别算法就能够很好地解决光照、姿态等问题，鲁棒性较好。附图1就 是一个深度传感器采集的三维人耳例子，图中坐标单位是mm，采用深度传感器 可以获取人耳的表面形状。

Yan和Bowyer比较了几种3D人耳识别方法：深度数据Z通道的主元分析 (principle component analysis，PCA)方法、基于深度图像边缘的hausdorff 距离方法、还有利用迭代最近点(iterative closest points，ICP)配准后的 配准误差来识别的方法。所用的人耳数据是从侧脸图像中手动分割出来的。在 一个包含302人的数据库上，PCA方法的识别率仅为55.3％，Hausdorff距离方法 为67.5％，而使用ICP方法识别率达到98.8％。他们后来提出了一种耳洞检测算法 用于检测耳朵位置，在灰度图像和深度图像结合后的图像上，使用snake算法自 动提取人耳区域，依然使用ICP算法识别人耳。在一个包含415人的数据库里， 他们报道的识别率为97.6％，人耳提取过程耗时约10～20秒。由于ICP算法运算复 杂度很高，所以人耳识别非常慢，匹配一对耳朵就需要5～8秒。Chen和Bhanu也 使用了ICP方法进行人耳识别，但他们得到的识别结果不如Yan等人。Passalis 等人使用通用人耳标注模型(annotated ear model，AEM)对齐和拟合三维人 耳，然后提取出用二维表示的耳朵元数据，通过比较两个元数据之间的L1范数 距离来衡量两只耳朵的相似程度。对齐操作通过最小化对应点深度通道和各彩 色通道的误差加权和来实现，优化过程采用的是模拟退火算法。然后使AEM向人 耳变形，变形的结果作为耳朵元数据。整个提取过程耗时约30秒。由于识别不 涉及复杂的运算，所以速度比较快，匹配一对耳朵所需时间少于1毫秒。但是识 别率不高，在包含415人的库上仅达到93.9％。

现有的三维人耳识别系统在人耳抽取过程耗时都比较大。基于ICP的三维人 耳识别算法存在运算复杂度高、识别速度低等问题，在识别率上也还有一定的 提升空间。基于AEM的算法改进了识别速度，但识别率降低较多。 下面介绍一个本发明相关的概念：ICPIF是ICP算法的改进，所以先介绍一 下ICP算法。ICP算法是一种用于三维表面精密配准的算法。其目的是找到一个 刚体变换，使得点云P与点云X尽可能地重合。它通过最小化P和X之间对应 点的距离平方和实现配准。每一次迭代过程中，对于P中每一个点p，在X中查 找空间距离最近的点x作为对应点对，然后计算刚体变换使得所有对应点对的 平方距离之和最小。ICP算法需要一个初始估计，并假设P里每一个点都能在X 中找到对应点。查找最近点过程的时间复杂度为O(N_Plog(N_X))，这里N_P是采样点 个数，N_X是X中点的个数。记P的对应点集为Q，CP为求取对应点的操作，则 Q＝CP(P，X)。ICP算法描述如下：

1.初始迭代时，令点集初始位置P₀＝P，T₀为初始刚体转换。

2.迭代执行以下步骤。