[发明专利]基于特征点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特征点的三维人脸识别方法，涉及数字图像处理和模式识别领域。

背景技术

生物特征识别如人脸识别、指纹识别、虹膜识别在安全领域有着广泛的应用前景，特别人脸识别技术，由于人脸识别的对用户干扰小、隐蔽性好等特性，而成为目前模式识别领域的研究热点。传统的基于二维图像的人脸识别已经取得了较大的发展，但是识别的效果依然受光照、姿态和表情等因素的限制，而三维人脸模型受光照、姿态影响较小，且三维人脸模型中包含更多的几何信息，因而三维人脸识别受到越来越多的关注。

三维人脸模型与二维图像相比具有更丰富的信息，它包含了人脸的几何和空间信息。但是，三维人脸模型多以点云形式保存，数据量大，加长了计算时间，且人脸表情变化引起的非刚性形变造成了三维人脸识别性能的下降。因此，如何减小计算量、减弱表情变化对人脸识别的影响成为三维人脸识别技术的关键问题，也是研究的难点。

发明内容

技术问题：本发明提出了一种基于特征点提取人脸局部区域特征的三维人脸识别方法。

技术方案：一种基于特征点的三维人脸识别方法，该方法包括以下步骤：

步骤1)、分别对测试人脸模型、N个库集人脸模型和M个训练集人脸模型进行平滑去噪：将三维人脸点云数据转化为三维网格，采用基于网格的平滑算法对三维人脸模型进行平滑去噪处理，然后将经过10次迭代处理得到的平滑的三维人脸网格恢复成人脸点云；

步骤2)、分别将经过步骤1)处理过的测试人脸模型、库集人脸模型和训练集人脸模型人脸的点云坐标信息映射到平面上，分别形成测试人脸模型、库集人脸模型和训练集人脸模型的深度图像，获取深度图像的方法如下：

步骤2.1)、计算平滑去噪后的三维人脸点云在空间坐标系下三个坐标轴x，y，z方向上的最大、最小值，根据x，y方向上的最大、最小值将x，y坐标值归一化后将点云投影到大小为640*480的图像上，根据z方向上的最大、最小值将z坐标值归一化到0-255之间作为相应位置的灰度值，这样得到的图像称为深度图像；归一化的公式如下：

其中x′，y′，z′为归一化后的坐标值；

步骤3)、分别对测试集人脸模型和库集人脸模型的深度图像进行Gabor滤波特征点粗定位以及形状指数Shape Index特征点精定位：

步骤3.1)、Gabor滤波粗定位，具体步骤如下：

步骤3.1.1)、Gabor滤波器定义为：

其中p为给定点坐标(g,h)，k_u,v＝[k_v cosφ_u,k_v sinφ_u]^T，u,v分别为Gabor滤波器的方向与尺度。其中参数σ＝2π，k_v＝2^-(v+1)，v＝{0,1,2,3,4}，

步骤3.1.2)、对M张训练集中的每张深度图像进行7个特征点(鼻尖点、左右内眼角点、左右外眼角点和左右嘴角点)的手动标定，对于训练集中所有深度图像中第j个(j＝1,2,...,7)特征点的Gabor系数，构建Gabor系数向量G_j＝(G_1,j,G_2,j,...,G_M,j)，G_i,j为训练集中第i幅图像中第j个特征点的Gabor系数，计算如下：其中I_i是第i幅图像像素点坐标矩阵，q为第j个特征点的坐标(s,t)，*是卷积运算符，将计算所得的Gabor系数表示成这种形式，其中a_i,j为其幅值，φ_i,j为其相位；

步骤3.1.3)、待测深度图像(包括测试集和库集)上第j个候选特征点由Gabor系数的相似度S(J_m,G_j)由下式确定：

其中J_m,n为第m幅待测图像第n点的Gabor系数；根据相似度S(J_m,G_j)确定粗定位的第m幅第j个特征点：即相似度最大所对应的坐标为第m幅待测图像上粗定位的第j个特征点所在位置，粗定位的第j个特征点称为第j个候选特征点；

步骤3.2)、人脸特征点精定位：