论文部分内容阅读
人脸识别因其友好、自然、对个人干扰少等优点,成为生物特征识别领域里的佼佼者。虽然基于二维人脸的识别技术在实际应用中已经取得了不错的识别效果,但其易受光照、化妆和姿态等因素的影响,因此其发展也遇到了难以逾越的瓶颈。三维人脸包含的信息更加全面、丰富,能够更好地表征人脸,有望突破目前二维人脸识别所面临的困境。论文主要研究了基于轮廓线特征和圆形邻域尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征进行三维人脸识别的算法。具体工作包括:(1)为了得到精确的正面点云模型,对三维人脸点云模型做了面部区域分割、基于主成分分析的点云姿态校正粗配准和基于迭代最近点法的点云精确配准预处理。然后对配准后的正面点云数据在X-Y平面做正交投影得到2.5D深度图和对应的灰度图,为后续的特征提取过程打好基础。(2)针对传统SIFT特征描述子向量维数高、匹配耗时问题,提出了一种基于圆形邻域的SIFT特征描述子及其生成方法。在利用传统的SIFT算法精确定位特征点之后,采用以特征点为中心向外扩散的圆形邻域代替矩形邻域进行特征描述。在特征点匹配阶段,根据人脸的先验知识剔除部分误配点。实验结果表明,该方法可以有效降低特征点的匹配时间,且平均识别率达到了90.5%。(3)为了提高三维人脸识别系统的识别速度,设计了基于轮廓线特征和圆形邻域SIFT特征的由粗到细的级联识别系统,同时对人脸的深度图和对应灰度图的基于SIFT特征的识别结果采用基于评分级融合的策略提高算法的识别精度。在CASIA三维人脸库的实验结果表明,设计的级联识别系统的识别率可达92.7%。