[发明专利]基于几何图像中中频信息的三维人脸识别方法

说明书

技术领域

本发明涉及一种基于几何图像中中频信息的三维人脸识别方法，对任一预处理过的三维人脸模型进行网格参数化和线性插值得到几何图像，用多尺度哈尔小波滤波器从几何图像中提取具有身份区分度的中频信息图像作为三维人脸模型的表情不变特征，用小波域结构化相似度算法计算测试模型和库集模型的中频信息图像的相似度以判定测试模型的身份。本发明提出的三维人脸模型的中频信息图像具有很好的身份表征性，有效地减小了表情变化对三维人脸识别造成的影响。小波域结构化相似度算法精确地计算了测试模型和库集模型的中频信息图像的结构信息相似度，显著地提高了三维人脸识别方法的识别率。

背景技术

生物特征识别在安全领域有着重要的应用，特别是与指纹、虹膜等特征识别技术相比，自动人脸识别技术以其无接触性、可接受性高、隐蔽性好等优点受到越来越多的关注，有着巨大的发展空间。

传统的基于照片的人脸识别技术受到光照、姿态、化妆等因素的限制，而三维人脸识别技术可以克服或减轻这些因素带来的不利影响。三维人脸模型具有比二维图像更丰富的信息，它是对人脸的空间真实形态更准确的描述。但是，三维人脸模型数据量较大，干扰区域较多，计算量极大，且人脸表情带来的非刚性形变影响了基于几何信息的三维人脸识别方法的性能。因此，如何减小运算量、降低人脸表情影响成为三维人脸识别技术的瓶颈，也是研究的关键问题。

发明内容

本发明提供一种能够提高识别率的基于几何图像中中频信息的三维人脸识别方法。

本发明采用如下技术方案：

一种基于几何图像中中频信息的三维人脸识别方法，其特征在于，分别对测试模型及库集模型的几何图像进行多尺度哈尔小波滤波，得到测试模型和库集模型的水平中频信息图像、垂直中频信息图像和对角线中频信息图像，用小波域结构化相似度算法计算对应中频信息图像的相似度并相加作为测试模型和库集模型的总相似度，最后根据测试人脸和三维人脸库集的各个库集人脸的相似度，判定具有最大相似度的库集模型为识别结果。所述处理包括预处理步骤、中频信息图像提取步骤，小波域结构化相似度计算步骤以及识别步骤。

步骤1分别对测试模型和库集模型进行预处理，所述的预处理为：

步骤1.1人脸切割

根据人脸点云的形状指数Shape Index特征和几何约束确定鼻尖点位置，以该点为球心，90mm为半径做球，舍弃落在球体以外的点，保留球体内的点并作为后续处理的人脸区域；

步骤1.2人脸表面平滑处理

对切割后的人脸点云用主成分分析法(Principal Component Analysis，PCA)进行姿态校正，经主成分分析得到3个互相垂直的主轴方向，以鼻尖点为原点，选取最大的特征值对应的特征向量作为Y轴，最小特征值对应的特征向量作为Z轴，建立右手坐标系，并以所述右手坐标系为空间三维坐标系，人脸点云中每个点由坐标系中x、y、z坐标唯一表示；

对空间三维坐标系中的人脸点云三角化，得到空间三角网格，然后用基于网格的平滑算法对人脸区域进行平滑去噪，经过10次迭代处理，得到表面平滑的三维人脸网格；

步骤1.3上半张脸的切割

舍弃三维人脸网格中位于y＝-10平面以下的点，保留受表情影响较小的上半张人脸；

步骤1.4人脸点云稀释

人脸的点云按照空间距离进行均匀采样，采样间隔为1mm，得到稀释的点云，对稀释的点云进行三角网格化，计算并保存生成的三维人脸网格中每个空间三角面片的边长γ_l1，γ_l2，γ_l3，l＝1，2，…，η，其中η是网格中三角面片的个数，所有三角面片边长的平均值为，如果三角面片中存在有长度大于的边，则舍弃三角面片，保留三角面片的顶点；

步骤2.1分别将测试模型和库集模型人脸的点云坐标信息映射到平面上，分别形成测试模型和库集模型的几何图像，获取几何图像的方法如下：

步骤2.1.1网格参数化

将预处理后的三维人脸网格的边界点映射到平面上大小为512×512像素的正四边形的四条边上，且将三维人脸网格除边界点以外的其它点经过网格参数化映射到正四边形区域内，得到平面网格φ，以平面上正四边形任一顶点为原点，以与原点相交的两条边所在方向为正方向，建立逆时针坐标系MON，平面上的任意点由m、n坐标唯一表示，在正四边形的四条边上，按照逆时针方向从原点开始均匀采样b个点，采样点的坐标为t＝1，2，…b，其中b是三维人脸网格的边界点个数；