[发明专利]一种基于模拟退火算法的三维人脸识别方法

说明书

技术领域

   本发明涉及模式识别，图像处理等领域，提供了一种基于模拟退火算法的三维人脸识别方法。

背景技术

随着信息技术和社会的飞速发展，利用生物特征进行身份认证的技术受到了广泛关注，如人脸识别、指纹识别、虹膜识别等。人脸作为一种独特的生物特征，因其直接性、唯一性、方便性等特点，成为学者们最为青睐的识别技术。

经过几十年的不懈努力，二维人脸识别技术在一定约束条件下已经能够获得理想的识别效果，并能达到某些实际应用的要求。但是由于二维图像信息具有一定的局限性、人脸具有的可塑多变性以及成像过程中容易受到诸多因素的影响，使得二维人脸识别受到各种限制而无法准确处理表情、姿势和光照等可变因素带来的影响。另一方面，随着数据获取技术以及相关硬件设备的不断成熟，越来越多的学者开始对三维人脸识别技术进行研究，希望其能解决困扰二维人脸识别的难点问题。三维人脸相较二维人脸而言，拥有更为丰富的人脸信息（譬如形状信息等）和姿势不变性等优点，这些都预示着三维人脸识别技术必将成为未来人脸识别技术的主要研究方向。

三维人脸识别（3D Face Recognition）萌芽于上个世纪80年代末90年代初，高速发展于上世纪90年代末，尤其是2004年由美国FBI，NIST等多个部门联合资助发起的“人脸识别大挑战计划（Face Recognition Grand Challenge，FRGC）”更是大大促进了国际上对三维人脸识别技术的研究，并推动其走向了实际应用，可以说三维人脸识别已经代替二维人脸识别成为学术界的新宠。

深度信息是三维人脸的主要表示方式，表现为3D点集(x,y,z)，意味着在X-Y平面上存储的是深度信息z。可以用灰度图来解释，白像素表示曲面上的点，而黑像素代表的是背景，深度图中的像素值是深度信息。现在的大部分的研究都是基于深度图的研究，而已知的大部分二维人脸识别算法都可以直接应用于人脸深度图，常见的有ICP，PCA，模拟退火算法等。

模拟退火算法(Simulated Annealing Algorithm，SA)是一种通用且常用的优化算法，该算法通过给予整个搜索过程一个时变且最后趋向零的概率突变性，跳出了局部最优解而具有了全局最优解，该算法以其卓越的性能现已在各工程领域得到了广泛的应用。通过在匹配过程中使用SA搜索最优转换矩阵，根据匹配结果得出识别结果。

发明内容

本发明要解决的技术问题是提供一种精准的三维人脸自动识别方法，使其能够更好的应用于身份认证领域和安防系统，现在三维人脸识别方法的难点包括表情、姿态等，当人脸存在表情，或者姿态变化时，都会对自动三维人脸识别造成相当大的阻碍。

为了解决上述技术问题，本发明采用如下技术方案：

一种基于模拟退火算法的三维人脸识别方法，包括如下步骤：

  （1）对三维人脸进行特征点的提取，使用曲率信息和相关先验知识提取面部特征点；

  （2）根据上述面部征点划分人脸区域，用于后续的识别算法；

  （3）利用模拟退火算法进行三维人脸匹配；

  （4）计算对应点集的SIM值，并与事先设定的阈值相比较，高于识别阈值，则是同一个人，低于拒绝阈值，则不是同一个人；

  （5）当SIM值位于两阈值之间导致无法作出判断时，即低于识别阈值，高于拒绝阈值时，转入步骤（6）；

  （6）利用分层模型对无法识别人脸进行匹配，只有当前一层次的识别值无法对人脸做出判定时，才继续下一层次的分析；

  （7）与阈值相比较得出最终识别结果。

进一步的说，步骤（1）所述的面部特征点包括鼻尖、眼角、鼻翼、鼻基这六个特征点。

进一步的说，所述步骤（2）根据不同的目的分别有两种不同的人脸区域划分方式：

1）划分人脸为鼻子椭圆区域、鼻子圆形区域和面部区域上半部分，适用于后续的分层模型；

2）根据特征点划分人脸为九个区域，适用于后续的精准匹配过程。

进一步的说，所述步骤（3）中模拟退火算法进行三维人脸匹配包括以下步骤：

1）基于重心对齐的初始匹配；

2）基于MLESAC的粗略匹配；

3）基于SIM的精准匹配。  

进一步的说，所述步骤（6）中所述分成模型共有六个层次： 

1）鼻子圆形区域；

2）鼻子椭圆区域；

3）面部区域上半部分；

4）整个面部区域；

5）基于改进SA的面部区域；