[发明专利]一种扩充三维人脸数据库的方法

说明书

技术领域

本发明涉及模式识别领域三维人脸建模中扩充人脸数据库的方法。

背景技术

由于三维人脸数据的获取需要依赖专业的采集设备和复杂的处理过程，因此完善的三维人脸数据库的建立通常是一个昂贵的、费时费力的过程。目前主要的三维人脸数据有：CMU的FIA数据库，它是基于多视角几何信息的三维数据库，其中包括180人的三维数据信息；3D-RAM数据库，它是基于结构光的方法建立的三维数据库，用一个照相机和放映机获取人的3D坐标信息，包含129人的三维数据信息；GavabDB数据库，其使用Minolta VI-700数字转换器获取427个有表情变化的三维人脸数据，这些数据由61个人组成。2007年，Thomas S Huang的研究小组利用Cyberware扫描仪建立了一个含有475人的三维人脸数据库，样本主要有中性和微笑两种表情，年龄分布在19-25岁之间。Cyberware扫描仪通过一次扫描可以获取人不同视角的完整数据，因此获取的数据准确性好，大大简化了后处理工作，用该设备建立的USF三维人脸数据库中有200人的三维人脸数据，由于每个样本的形状和纹理信息维数很高，因此对于人脸数据处理与分析方面的研究，这样规模的数据还远远满足不了需要。

从以上的分析中可以看出现有的三维人脸数据库的覆盖范围明显不足，使用手工的方式进行大规模、多样性的三维人脸数据扩充是不现实的，这极大的限制了数据的获取范围和实用性，很难推广到实际应用中。所以在设备资源和计算能力有限的条件下，如何实现一个廉价的、快速的，并且消耗资源少的三维人脸数据扩充方法成为一个重要的问题。

遗传算法是一种群体智能算法，它源于自然界的生物进化过程。通过模拟自然界中生物进化时发生的自然选择、变异、遗传进化的过程，设计出选择、交换、变异、遗传等算子。通过自然淘汰、变异、遗传进行进化，以适应环境的变化，产生最合适个体。种群中的每个个体代表当前代中目标函数的一组解，适应度高的个体将拥有较大的机会进入下一代的遗传操作。适应度低的个体将被抛弃。它们通过交换部分基因来完成下一代个体的产生。经过数代的进化后将得到一组适应性高的种群。

本发明采用遗传算法、结合器官交换提出一种扩充三维人脸数据库的方法，在一个能生成多样性数据的框架下进行自动生成和评价工作，从而完成三维人脸数据的扩充。

发明内容

本发明的技术解决问题是：克服现有人脸数据库中样本量少的缺陷，增加合成人脸的多样性以及同数据库中人脸的差异性，提供一种实现简单、扩充效果好的扩充三维人脸数据库的方法。该方法运算速度快，不需要依赖昂贵的专业设备和复杂的后续处理，节约硬件成本。

本发明的技术解决方案是：本发明采用遗传算法作为器官交换的执行框架，选取初始三维人脸数据作为遗传算法的初始种群，采用遗传算法的交叉算子将原始人脸随机两两组合，交换任意两张人脸之间的面部特征区域。通过交叉操作可以得到一组新的三维脸数据。对新生成的种群实施变异操作，以增加新种群的多样性。然后根据样本间的距离对新产生的个体进行适应度评价，适应度高的个体将被保留，适应度低的个体将被抛弃。经过数代的进化后便可完成对三维人脸数据的规模和多样性进行扩充的工作。

本发明提供的一种扩充三维人脸数据库的方法，包括以下步骤：

从已有的三维人脸数据库中选取M个样本，作为初始数据库；

将初始数据库作为遗传算法的初始种群，初始数据库中的每个样本作为初始种群中的一个个体；

将初始种群中的所有个体随机分成一组或多组，对不同两组中的个体进行随机配对，并随机交换每对个体的一个或多个器官；

将交换后的器官与目标人脸进行缝合；

对每对个体一个或多个基因位上的基因值进行变异；

根据新产生的个体与已有种群中的个体的相似度，选择保留或者抛弃新个体；

合并已有种群与进化后的新个体群，对原有的人脸数据库进行扩充；

重复以上所有步骤，直至扩充后的人脸数据库符合要求。

所述根据新产生的个体与已有种群中的个体的相似度，选择保留或者抛弃新个体的步骤，进一步包括：

对已有种群和新个体群中的每个个体进行编码；

计算已有种群中每个个体的适应度，确定新个体的适应度阈值；

计算新个体的适应度，若新个体的适应度高于适应度阈值，则保留该新个体；若新个体的适应度低于适应度阈值，则抛弃该新个体。

所述对已有种群和新个体群中的每个个体进行编码的步骤，具体为：