專利名稱:一種基于模擬退火算法的三維人臉識別方法
技術領域:
本發(fā)明涉及模式識別,圖像處理等領域,提供了一種基于模擬退火算法的三維 人臉識別方法。
背景技術:
隨著信息技術和社會的飛速發(fā)展,利用生物特征進行身份認證的技術受到了廣泛 關注,如人臉識別、指紋識別、虹膜識別等。人臉作為一種獨特的生物特征,因其直接性、唯 一性、方便性等特點,成為學者們最為青睞的識別技術。經過幾十年的不懈努力,二維人臉識別技術在一定約束條件下已經能夠獲得理想 的識別效果,并能達到某些實際應用的要求。但是由于二維圖像信息具有一定的局限性、人 臉具有的可塑多變性以及成像過程中容易受到諸多因素的影響,使得二維人臉識別受到各 種限制而無法準確處理表情、姿勢和光照等可變因素帶來的影響。另一方面,隨著數(shù)據(jù)獲取 技術以及相關硬件設備的不斷成熟,越來越多的學者開始對三維人臉識別技術進行研究, 希望其能解決困擾二維人臉識別的難點問題。三維人臉相較二維人臉而言,擁有更為豐富 的人臉信息(譬如形狀信息等)和姿勢不變性等優(yōu)點,這些都預示著三維人臉識別技術必將 成為未來人臉識別技術的主要研究方向。三維人臉識別(3D Face Recognition)萌芽于上個世紀80年代末90年代初,高速 發(fā)展于上世紀90年代末,尤其是2004年由美國FBI,NIST等多個部門聯(lián)合資助發(fā)起的“人 臉識別大挑戰(zhàn)計劃(Face Recognition Grand Challenge, FRGC)”更是大大促進了國際上 對三維人臉識別技術的研究,并推動其走向了實際應用,可以說三維人臉識別已經代替二 維人臉識別成為學術界的新寵。深度彳目息是二維人臉的主要表不方式,表現(xiàn)為3D點集(X,y, z),意味著在X-Y平面 上存儲的是深度信息z。可以用灰度圖來解釋,白像素表示曲面上的點,而黑像素代表的是 背景,深度圖中的像素值是深度信息。現(xiàn)在的大部分的研究都是基于深度圖的研究,而已知 的大部分二維人臉識別算法都可以直接應用于人臉深度圖,常見的有ICP,PCA,模擬退火算法等。模擬退火算法(Simulated Annealing Algorithm, SA)是一種通用且常用的優(yōu)化 算法,該算法通過給予整個搜索過程一個時變且最后趨向零的概率突變性,跳出了局部最 優(yōu)解而具有了全局最優(yōu)解,該算法以其卓越的性能現(xiàn)已在各工程領域得到了廣泛的應用。 通過在匹配過程中使用SA搜索最優(yōu)轉換矩陣,根據(jù)匹配結果得出識別結果。
發(fā)明內容
本發(fā)明要解決的技術問題是提供一種精準的三維人臉自動識別方法,使其能夠更 好的應用于身份認證領域和安防系統(tǒng),現(xiàn)在三維人臉識別方法的難點包括表情、姿態(tài)等,當 人臉存在表情,或者姿態(tài)變化時,都會對自動三維人臉識別造成相當大的阻礙。為了解決上述技術問題,本發(fā)明采用如下技術方案一種基于模擬退火算法的三維人臉識別方法,包括如下步驟
(1)對三維人臉進行特征點的提取,使用曲率信息和相關先驗知識提取面部特征占.
(2)根據(jù)上述面部征點劃分人臉區(qū)域,用于后續(xù)的識別算法;
(3)利用模擬退火算法進行三維人臉匹配;
(4)計算對應點集的SIM值,并與事先設定的閾值相比較,高于識別閾值,則是同一 個人,低于拒絕閾值,則不是同一個人;
(5)當SIM值位于兩閾值之間導致無法作出判斷時,即低于識別閾值,高于拒絕閾值 時,轉入步驟(6);
(6)利用分層模型對無法識別人臉進行匹配,只有當前一層次的識別值無法對人臉 做出判定時,才繼續(xù)下一層次的分析;
(7)與閾值相比較得出最終識別結果。進一步的說,步驟(1)所述的面部特征點包括鼻尖、眼角、鼻翼、鼻基這六個特征 點。進一步的說,所述步驟(2)根據(jù)不同的目的分別有兩種不同的人臉區(qū)域劃分方 式
1)劃分人臉為鼻子橢圓區(qū)域、鼻子圓形區(qū)域和面部區(qū)域上半部分,適用于后續(xù)的分層 模型;
2)根據(jù)特征點劃分人臉為九個區(qū)域,適用于后續(xù)的精準匹配過程。進一步的說,所述步驟(3)中模擬退火算法進行三維人臉匹配包括以下步驟
1)基于重心對齊的初始匹配;
2)基于MLESAC的粗略匹配;
3)基于SIM的精準匹配。
進一步的說,所述步驟(6)中所述分成模型共有六個層次
1)鼻子圓形區(qū)域;
2)鼻子橢圓區(qū)域;
3)面部區(qū)域上半部分;
4)整個面部區(qū)域;
5)基于改進SA的面部區(qū)域;
6)使用求和規(guī)則對所有區(qū)域相加。進一步的說,所述鼻尖、眼角、鼻翼、鼻基這六個特征點提取包括如下步驟
(1)對每一點定義局部平面,確定局部平面的系數(shù);
(2)計算局部平面的高斯曲率和平均曲率,根據(jù)兩者的符號確定每一點的曲面類型;
(3)計算y軸方向的投影以及相關的差異曲線,通過深度信息和最大差異曲線范圍確 定鼻尖1坐標信息;
(4)根據(jù)步驟(2)所得的曲率圖像計算x軸投影,即鄰域內頂面點的百分比,通過確定 該投影的峰值確定鼻尖x坐標信息;
(5)確定鼻翼的y坐標設定鼻翼的y坐標等于鼻尖的y坐標;
(6)計算鼻尖的水平側面曲線,即具有相同y值點集的各個x坐標下的深度信息曲線;(7)計算水平側面曲線的梯度曲線,根據(jù)峰值確定鼻翼x坐標信息;
(8)根據(jù)步驟(2)所得的曲率圖像計算y軸投影,即相同y值下的凹坑面的百分比,根 據(jù)相關先驗知識可確定兩個內眼角和鼻基的y坐標位置;
(9)確定鼻基的x坐標等于鼻尖的x坐標;
(10)通過計算鄰域內曲率圖像凹坑面的百分比得出兩個眼角的x坐標;
(11)使用ARMS方法,根據(jù)特征點和一些函數(shù)公式簡單劃分人臉區(qū)域為1)鼻子橢 圓區(qū)域,2)鼻子圓形區(qū)域,3)上半部人臉區(qū)域,4)整張人臉,該種劃分應用于后續(xù)的分層模型。進一步的說,所述基于MLESAC的粗略匹配包括如下步驟
(1)獲取目標點集D,模型點集M,我們基于等距對圖像中的點進行采樣率為s的采樣, 在該階段只對采樣點進行匹配;
(2)初始化參數(shù);
(3)利用位于[-1,1]之間的隨機值產生新解仏;
(4)根據(jù)MLESAC算法計算新舊解對應的
權利要求
1.一種基于模擬退火算法的三維人臉識別方法,包括如下步驟 (1)對三維人臉進行特征點的提取,使用曲率信息和相關先驗知識提取面部特征點; (2)根據(jù)上述面部征點劃分人臉區(qū)域,用于后續(xù)的識別算法; (3)利用模擬退火算法進行三維人臉匹配; (4)計算對應點集的SIM值,并與事先設定的閾值相比較,高于識別閾值,則是同一個人,低于拒絕閾值,則不是同一個人; (5)當SIM值位于兩閾值之間導致無法作出判斷時,即低于識別閾值,高于拒絕閾值時,轉入步驟(6); (6)利用分層模型對無法識別人臉進行匹配,只有當前一層次的識別值無法對人臉做出判定吋,才繼續(xù)下一層次的分析; (7)與閾值相比較得出最終識別結果。
2.根據(jù)權利要求I所述的ー種基于模擬退火算法的三維人臉識別方法,其特征在干,步驟(I)所述的面部特征點包括鼻尖、眼角、鼻翼、鼻基這六個特征點。
3.根據(jù)權利要求I所述的ー種基于模擬退火算法的三維人臉識別方法,其特征在于所述步驟(2)根據(jù)不同的目的分別有兩種不同的人臉區(qū)域劃分方式 1)劃分人臉為鼻子橢圓區(qū)域、鼻子圓形區(qū)域和面部區(qū)域上半部分,適用于后續(xù)的分層模型; 2)根據(jù)特征點劃分人臉為九個區(qū)域,適用于后續(xù)的精準匹配過程。
4.根據(jù)權利要求I所述的ー種基于模擬退火算法的三維人臉識別方法,其特征在于所述步驟(3)中模擬退火算法進行三維人臉匹配包括以下步驟 1)基于重心對齊的初始匹配; 2)基于MLESAC的粗略匹配; 3)基于SIM的精準匹配。
5.根據(jù)權利要求I所述的ー種基于模擬退火算法的三維人臉識別方法,其特征在干,所述步驟(6)中所述分成模型共有六個層次 1)鼻子圓形區(qū)域; 2)鼻子橢圓區(qū)域; 3)面部區(qū)域上半部分; 4)整個面部區(qū)域; 5)基于改進SA的面部區(qū)域; 6)使用求和規(guī)則對所有區(qū)域相加。
6.根據(jù)權利要求2所述的ー種基于模擬退火算法的三維人臉識別方法,其特征在干,所述鼻尖、眼角、鼻翼、鼻基這六個特征點提取包括如下步驟 (1)對每一點定義局部平面,確定局部平面的系數(shù); (2)計算局部平面的高斯曲率和平均曲率,根據(jù)兩者的符號確定每一點的曲面類型; (3)計算y軸方向的投影以及相關的差異曲線,通過深度信息和最大差異曲線范圍確定鼻尖I坐標信息; (4)根據(jù)步驟(2)所得的曲率圖像計算X軸投影,即鄰域內頂面點的百分比,通過確定該投影的峰值確定鼻尖X坐標信息;(5)確定鼻翼的y坐標設定鼻翼的J坐標等于鼻尖的J坐標; (6)計算鼻尖的水平側面曲線,即具有相同y值點集的各個X坐標下的深度信息曲線; (7)計算水平側面曲線的梯度曲線,根據(jù)峰值確定鼻翼X坐標信息; (8)根據(jù)步驟(2)所得的曲率圖像計算y軸投影,即相同y值下的凹坑面的百分比,根據(jù)相關先驗知識可確定兩個內眼角和鼻基的y坐標位置; (9)確定鼻基的X坐標等于鼻尖的X坐標; (10)通過計算鄰域內曲率圖像凹坑面的百分比得出兩個眼角的X坐標; (11)使用ARMS方法,根據(jù)特征點和ー些函數(shù)公式簡單劃分人臉區(qū)域為1)鼻子橢圓區(qū)域,2)鼻子圓形區(qū)域,3)上半部人臉區(qū)域,4)整張人臉,該種劃分應用于后續(xù)的分層模型。
7.根據(jù)權利要求4所述的ー種基于模擬退火算法的三維人臉識別方法,其特征在干,所述基于MLESAC的粗略匹配包括如下步驟 (1)獲取目標點集D,模型點集M,我們基于等距對圖像中的點進行采樣率為s的采樣,在該階段只對采樣點進行匹配; (2)初始化參數(shù); (3)利用位于[-1,I]之間的隨機值產生新解れ; (4)根據(jù)MLESAC算法計算新舊解對應的
8.根據(jù)權利要求4所述的ー種基于模擬退火算法的三維人臉識別方法,其特征在干,所述基于SIM的精準匹配包括如下步驟 (1)獲取目標人臉和模型人臉各個人臉區(qū)域粗略匹配后的點集,包括五個區(qū)域I)鼻子圓形區(qū)域(C),2)鼻子橢圓區(qū)域(E),3)面部區(qū)域上半部分(U),4)整個面部區(qū)域(F),5)基于改進SA的面部區(qū)域(M),在此我們統(tǒng)稱各個區(qū)域的目標人臉數(shù)據(jù)點集為Γ參考人臉數(shù)據(jù)點集為M ; (2)初始化參數(shù); (3)利用位于[-1,1]之間的隨機值產生新解れ; (4)分別計算新舊參數(shù)下,目標人臉與模型人臉的對應點集
全文摘要
本發(fā)明公開了一種基于模擬退火算法的三維人臉識別方法,首先對待識別人臉進行特征提取,其次分三步匹配待識別人臉,通過比較匹配結果和閾值得出待識別人臉的身份。本發(fā)明能夠更好的實現(xiàn)身份認證,提高安全系統(tǒng)的適用性,滿足社會各方面的需求。運用模擬退火算法能夠跳出局部極值,無限接近全局最優(yōu)解,從而找到人臉匹配的最優(yōu)轉換矩陣;通過在不同匹配階段選擇不同的適應度函數(shù),控制了整個匹配過程;采用分層模型對無法識別人臉進行匹配;這些措施都提高了人臉匹配的精準性。特別的,通過特征點劃分人臉區(qū)域,在精準匹配過程對不同人臉區(qū)域設置不同權值,改善了表情對人臉識別的影響。
文檔編號G06K9/00GK102663367SQ20121010965
公開日2012年9月12日 申請日期2012年4月16日 優(yōu)先權日2012年4月16日
發(fā)明者劉貴松, 屈鴻, 楊媛靜, 王曉斌, 陳文宇 申請人:電子科技大學