[发明专利]一种基于径向线的局部遮挡下的三维人脸识别方法

权利要求书

1.一种基于径向线的局部遮挡下的三维人脸识别方法，其特征在于，包括以下步骤：

步骤1：提取径向线：包括生成待测人脸的对称面、人脸中央轮廓线和通过旋转中央轮廓线得到径向线，并对径向线进行均匀采样；

步骤2：构造局部描述子：包括提取相邻采样点间的局部区域，构造三个局部特征描述子；

步骤3：生成相似向量：包括构造代价函数，生成对应径向线的具有局部匹配特点的相似向量；

步骤4：完成人脸识别：利用对应径向线间的相似向量得到对应径向线的相似值完成人脸识别；

其中步骤3中，所述生成相似向量的步骤如下：

步骤3.1：令P_A和P_B分别表示两条径向线，P_Ai表示径向线P_A上的第i个局部区域的描述子，相应的表达式为(x_Ai，y_Ai，z_Ai，s_Ai，h_Ai)，定义P_Ai：j为径向线P_A中从第i个局部区域到第j个局部区域描述子的集合；

步骤3.2：在点云稀疏的情况下会造成的采样点偏移的现象，将原始的K个局部区域合并为一个整体的局部区域集

合并对应的合并代价函数为：

其中d^k和l^k分别为合并后的局部区域的首尾采样点的方向向量和长度，d_q和l_q分别为单一局域P_Aq的两端采样点的方向向量和长度，Δ(d^k，d_q)∈[0，90°]为两个方向向量的角度差，g(x)＝x²/w是一个非线性函数，w为训练得出的参数；

步骤3.3：采取同时合并库集和测试集的合并策略，也就是库集和测试集合并区域的数目相同； 根据步骤2的提取的局部特征，径向线P_A和径向线P_B对应的第i个局部区域或第i个区域及其之前的区域集经最大-最小原则归一化之后的代价函数为：

其中为合并区域集的总面积，为合并区域集的倾斜角直图，为合并区域集首尾两端点的中点坐标，为倾斜角直方图夹角；

步骤3.4：令P_A＝P_A1P_A2…P_AN-1和P_B＝P_B1P_B2…P_BN-1分别表示库集和测试集中对应的径向线，定义一个N×1的相似向量P：

P＝[P(0)，P(1)，…，P(N-1)]^T

其中N为径向线上的采样数，N∈[8，14]，优选N＝11，P(i)为库集径向线和测试集径向线的第i个区域或者第i个区域及其之前区域合并的区域集的最大相似值，即：

其中：

其中：ΔP为相似参数，用来比较阈值和总代价函数； 通过合并前后对应T(k)的大小来决定是否将此区域和其前面的区域进行合并；

步骤3.5：总代价函数即为相似代价函数和合并代价函数之和，其定义为：

其中γ为决定和是否相似匹配的阈值。

2.根据权利要求1所述的一种基于径向线的局部遮挡下的三维人脸识别方法，其特征在于，步骤1中人脸径向线提取步骤如下：

步骤1.1：对输入的人脸，计算其中心区域E和该区域关于对称面的镜像区域E’；

步骤1.2：对原始区域E和其镜像区域E’使用ICP算法，得到旋转矩阵和平移矩阵，将旋转矩阵和平移矩阵应用于镜像区域E’，得到对齐后的镜像区域E”；

步骤1.3：根据原始的区域E和对齐后的镜像区域E”，得到中心区域对称面，将该对称面扩展到整张人脸曲面就得到镜像对称面P；

步骤1.4：在规范化的人脸点云中，将镜像对称面P绕着鼻尖点旋转β度得到平面P’，旋转后的平面P’和原始人脸曲面的相交得到人脸的径向线，其中β∈[5，20]，优选β＝10。