[发明专利]一种基于区域化隐函数特征的三维人脸识别方法及系统

权利要求书

1.一种基于区域化隐函数特征的三维人脸识别方法，其特征在于，包括：采集三维人脸点云数据；选取基函数空间，并根据采集的三维人脸点云数据，在该基函数空间内计算不同人脸区域的隐函数和控制矩阵，再组合获得整个人脸的控制矩阵；

根据不同人脸区域的隐函数，提取等值面，完成人脸表面重建；

将整个人脸的控制矩阵转换为拉普拉斯矩阵，并作为三维人脸识别的特征描述子。

2.根据权利要求1所述的三维人脸识别方法，其特征在于，所述采集三维人脸点云数据具体包括：采用kinect或cyberware作为点云数据的采集设备，并对采集的点云数据进行预处理。

3.根据权利要求1所述的三维人脸识别方法，其特征在于，采用高斯曲率差分图将人脸粗略分割为不同人脸区域，再通过器官模板匹配的方法进行各人脸区域的精细分割，再计算不同人脸区域的隐函数和控制矩阵。

4.根据权利要求3所述的三维人脸识别方法，其特征在于，采用高斯曲率差分图将人脸粗略分割为五个人脸区域，分别为眼睛、嘴巴、鼻子、脸颊平滑部分和脸颊边界。

5.根据权利要求1所述的三维人脸识别方法，其特征在于，所述在基函数空间内计算不同人脸区域的隐函数和控制矩阵具体包括：在基函数空间内定义三维人脸点云数据的抽样点向量区域，并结合各抽样点向量区域中隐函数的定义，将隐函数转换化泊松方程进行求解，且通过该泊松方程计算出控制矩阵。

6.根据权利要求1所述的三维人脸识别方法，其特征在于，所述组合获得整个人脸的控制矩阵具体包括：获得不同人脸区域的控制矩阵的分布，在保证边界处控制矩阵的控制点不为零值的前提下，通过对各控制矩阵进行降阶和旋转获得整个人脸的控制矩阵。

7.根据权利要求1所述的三维人脸识别方法，其特征在于，还包括：对拉普拉斯矩阵进行维数约减，以维数约减后的拉普拉斯矩阵作为三维人脸识别的特征描述子。

8.根据权利要求8所述的三维人脸识别方法，其特征在于，还包括：根据维数约减后的拉普拉斯矩阵，计算出三维人脸数据的低维特征图，用于三维人脸分类。

9.一种基于区域化隐函数特征的三维人脸识别系统，其特征在于，包括：

采集模块，其用于采集三维人脸点云数据；

人脸重建模块，其用于选取基函数空间，并根据采集的三维人脸点云数据，在该基函数空间内计算不同人脸区域的隐函数和控制矩阵，再组合获得整个人脸的控制矩阵，并根据不同人脸区域的隐函数，提取等值面，完成人脸表面重建；

人脸识别模块，其用于将整个人脸的控制矩阵转换为拉普拉斯矩阵，并作为三维人脸识别的特征描述子。

10.根据权利要求9所述的三维人脸识别系统，其特征在于，所述人脸重建模块包括人脸区域分解模块和人脸区域融合模块；

所述人脸区域分解模块用于通过高斯曲率差分图将人脸粗略分割为不同人脸区域，再通过器官模板匹配的方法进行各人脸区域的精细分割，再计算不同人脸区域的隐函数和控制矩阵；

所述人脸区域融合模块，用于获得不同人脸区域的控制矩阵的分布，在保证边界处控制矩阵的控制点不为零值的前提下，通过对各控制矩阵进行降阶和旋转获得整个人脸的控制矩阵。