[发明专利]一种基于矩傅里叶描述子的立体面像识别方法

说明书

本发明公开了一种基于矩傅里叶描述子的立体面像识别方法，涉及三维成像技术领域，对不同姿态下的三维人脸深度图，首先利用微分几何相关理论校正到正中面，再通过提取人脸面部的等高线特征，将三维人脸变成容易处理的二维曲线，针对如何能够更好的描述该二维曲线，提出了一种把矩和傅里叶描述子相结合的新方法，最后利用提取的曲线特征进行人脸识别，针对传统的三维人脸识别方法准确性低、识别速度慢，能有效的减少运算时间，同时识别率也较高。

技术领域

本发明涉及三维成像技术领域，具体涉及一种基于矩傅里叶描述子的立体面像识别方法。

背景技术：

人脸识别和掌纹识别，指纹识别，声音识别等一样，是一种基于生物特征的身份认证技术，它通过提取分析人脸视觉特征信息进行身份认证，具有非接触性，不侵犯隐私等特点，是模式识别和机器视觉领域中最为活跃和最具潜力的研究方向之一，具有广阔的应用前景，例如在电子商务，门禁系统等。

最初的人脸识别主要是基于二维人脸特征，在条件适宜的情况下，可取得比较好的识别效果。但在实际应用中，二维人脸识别方法无法克服光照、姿态、表情等因素的影响，识别效果往往不理想。三维人脸信息更丰富，更能够精确的描述人的脸部特征，而且基于三维人脸的识别方法相比较二维人脸，对光照、姿态及表情等因素有更强的鲁棒性，特别是对光照因素不敏感，随着三维成像技术的发展，基于三维人脸识别技术的研究逐渐成为热点。目前主要的三维人脸识别方法包括：基于主成分分析的特征脸识别方法，基于神经网络的人脸识别方法，基于弹性匹配的人脸识别方法等。

但是常见的人脸识别方法都是将图像中每个像素点所代表的信息作为人脸识别过程中的基础。随着成像技术的不断发展，拍摄的图像分辨率会越来越高，单幅人脸图像所包含的像素点越来越多，那么所携带的信息也就会越来越丰富。面对大规模的数据信息，以上这些算法在识别的准确性上有比较明显的不足，同时识别所需要的时间开销也较大，速度较慢，不能够令人满意。

如申请号为CN201210194538.1公开了一种基于图像传感器成像系统的人脸识别算法，该算法在基于相关型图像传感器(CIS)的三维人脸成像系统获得的三维人脸数据基础上，首先利用等深度线和傅里叶描绘子表示三维人脸数据，再利用改进的流形学习方法实现特征提取，最终使用基于欧式距离的最邻近分类器实现分类识别。该算法将人脸识别中使用的三维数据转变为二维数据(等深度线)进行处理，在保留原始人脸信息的基础上降低了数据处理的复杂度；同时使用改进的流形学习方法实现特征提取，识别率和识别速度都有较大提高，但是该种算法采用的是频域方法，运算量大，花费的时间长。

如申请号为CN201520790722.1公开了一种基于三维点云的人脸识别装置，包括中央控制模块、与中央控制模块连接的工作电源模块、无线通讯模块、人脸识别模块和三维人脸视觉字典库，所述三维人脸视觉字典库与人脸识别模块连接，该基于三维点云的人脸识别装置通过三维数据特征区域定位模块利用鼻尖区域曲率比较大且点云分布比较密集的特性，进行了鲁棒的三维鼻尖区域精确定位；再通过Gabor滤波器响应模块，可以提取多个尺度多个方向的数据响应信息，以此来进行深层次的人脸图像局部信号对比并获得更加精细的纹理内部特性，从而提高了装置的精确性；不仅如此，装置通过SVM分类器对数据进行分类，提高了分类的精确度和可靠度，从而提高了装置的可靠性，但是该种装置并未提及如何做到有效的进行快速识别的方法。

发明内容

本发明的目的在于提供一种基于矩傅里叶描述子的立体面像识别方法，以解决现有技术中导致的上述多项缺陷。

一种基于矩傅里叶描述子的立体面像识别方法，该方法包括如下步骤：

(1)通过图像采集器采集人的脸部数据；

(2)将不同姿态的三维人脸深度图校正到“正中面”：

a、计算离散人脸曲面的各处曲率值，对人脸的左眼点、右眼点、鼻尖点和鞍点进行精确定位；