[发明专利]基于3DHarris关键点及优化SHOT特征的三维人耳识别方法

说明书

本发明公开了基于3DHarris关键点及优化SHOT特征的三维人耳识别方法，步骤如下：(1)利用基于Faster R‑CNN框架的检测器对带有背景信息的二维侧脸图像进行目标检测，获取方形人耳区域并提取对应区域的三维点云；(2)使用体素网格对人耳进行滤波；(3)将待测人耳和标准姿态下人耳使用迭代最近点算法进行配准，使得待测人耳具有标准竖直向上姿态，且待测人耳转换后置于标准坐标系下，利用长方体模板切割来去除皮肤，头发等冗余区域，得到归一化人耳；(4)在三维人耳点云中根据3DHarris算法进行关键点检测；(5)对所有关键点计算优化SHOT三维特征并进行关键点匹配。本发明能够有效地剔除人耳周围皮肤、头发等冗余区域，且匹配结果精确可靠，具有较强的识别性能。

技术领域

本发明属于人耳识别技术领域，具体涉及一种基于3DHarris关键点及优化SHOT特征的三维人耳识别方法。

背景技术

现代社会中,准确可靠地个人身份确认越来越多的受到人们的重视，身份认证在许多场合都有着重要的应用，如门禁系统、视频监控、人机交互等。生物识别是机器视觉和模式识别领域的经典问题，而人耳识别技术是近年的一个研究热点，相比人脸等其他生物特征，人耳更近似刚性，且不受表情变化，年龄和化妆等因素的影响；同时人耳表面凹凸变化丰富，适合作为生物特征进行识别。传统的二维人耳识别是基于图像的亮度信息进行身份确认的，但因为受光照、姿态等因素影响较大，故而近年来人耳识别研究开始从二维图像扩展到三维空间上。

三维人耳识别利用人耳的空间形状信息进行身份认证，不受光照、化妆、表情等因素的影响，和人脸识别相比有较大的优势，但是仍然面临遮挡问题带来的挑战，遮挡会导致人耳的三维数据丢失，影响识别效果。

发明内容

为了克服现有技术中存在的不足，本发明提供一种基于3DHarris关键点及优化SHOT特征的三维人耳识别方法，识别对象为三维人耳点云，识别过程中需用到与该三维点云对应的二维图像(二维图像中每个像素对应三维点云中的一个点)，该方法识别性能较高，并且速度较快。

为实现上述目的，本发明采用的技术方案为：

一种基于3DHarris关键点及优化SHOT特征的三维人耳识别方法，识别对象为三维人耳点云，识别过程中需用到与该三维点云对应的二维图像(二维图像中每个像素对应三维点云中的一个点)，包括以下步骤：

步骤1：对带背景信息的二维侧脸图像进行Faster R-CNN目标检测，获得方形二维人耳区域，提取对应区域的三维人耳点云；

步骤2：对由步骤1所提取的三维人耳点云利用体素格进行滤波，在不改变点云形状的同时减少点数，提高后续匹配效率；

步骤3：利用步骤2中得到的待测人耳和标准姿态人耳关键点集进行ICP配准，使其转换为近似具有竖直向上姿态，再利用长方体模板切割，得到去除冗余信息后的三维人耳；

步骤4：对由步骤3归一化后的三维人耳点云计算3DHarris特征得到关键点检测，得到关键点集；

步骤5：对步骤4中的关键点计算优化的SHOT特征描述符，利用特征描述符实现关键点匹配，最后根据成功匹配的点数来衡量两个人耳的相似度，得到识别结果。

作为本发明的优选，步骤1具体包括以下步骤：

步骤1.1：使用含有数百张二维侧脸图片的数据库作为训练集(实验中为UND-J2数据库及网络上选取300张带完整左耳信息的二维侧脸图片)，手动框出训练集图像中的方形人耳，利用更快的区域-卷积神经网络(Faster R-CNN)框架训练得到目标检测器,利用这个检测器在带有侧脸和复杂背景信息的图像上检测人耳，获取方形人耳区域；

步骤1.2：根据二维图像里方形人耳区域的坐标提取出对应三维点云里的人耳区域(在源数据库中，二维图像中每个像素对应三维点云中的一个点)。