一種門鎖三維人臉識別方法
【技術領域】
[0001]本發(fā)明涉及一種門鎖三維人臉識別方法，屬于三維人臉識別技術領域。
【背景技術】
[0002]人臉識別具有自然、友好、對用戶干擾少、易被用戶接受等優(yōu)勢，因而有著廣闊的應用前景?；诙S圖像的人臉識別方法，主要是通過線性或非線性的降維方法，提取人臉外觀特征以識別人臉，但由于缺少有效的特征表示，其研宄進展較為緩慢，隨著三維測量技術的發(fā)展，人們可以快速精確地獲得物體的三維形狀，于是研宄人員開始轉(zhuǎn)向三維人臉的研宄，以期找到突破點，按照識別所用特征的形式，現(xiàn)有門鎖三維人臉識別方法可分為4類:基于全局特征的方法、基于局部特征的方法、全局與局部特征相結(jié)合的方法以及多模態(tài)的識別方法，這些方法統(tǒng)一的缺點就是:人臉識別率低。

【發(fā)明內(nèi)容】

[0003]針對現(xiàn)有技術存在的不足，本發(fā)明目的是提供一種人臉識別率高的門鎖三維人臉識別方法。
[0004]為了實現(xiàn)上述目的，本發(fā)明是通過如下的技術方案來實現(xiàn):
[0005]本發(fā)明的一種門鎖三維人臉識別方法，具體包括以下幾個步驟:(1)全局特征的提取:包括預處理、將姿勢校正好的點云圖像通過插值方法轉(zhuǎn)換為深度圖像進行歸一化處理、特征子空間的訓練和全局特征的距離度量計算；(2)局部特征的提取:包括測地線的計算、選用模板人臉上的多個點作為特征點、進行庫中人臉與模板的匹配和局部特征的提取；
(3)提取測試模型的局部特征和全局特征，然后將測試模型特征與庫集模型特征進行比較，對歸一化后的局部和全局相似度向量米用加權求和規(guī)則融合，選取局部和全局相似度向量中最小元素對應的庫集人臉作為識別結(jié)果。
[0006]步驟(I)中，預處理的方法如下:根據(jù)人臉形狀指數(shù)特征和幾何約束確定鼻尖點粗略位置，然后以鼻尖點為中心，R= 10mm為半徑畫球體，球體內(nèi)包含的人臉區(qū)域即為切割的人臉區(qū)域。
[0007]步驟(2)中，測地線的計算是將點云數(shù)據(jù)三角網(wǎng)格化，然后采用FMM法近似計算三角網(wǎng)格上的測地線。
[0008]本發(fā)明基于深度圖像的全局特征，使用測地線法提取局部特征，然后對全局特征和局部特征的距離度量按照最大最小化原則歸一化，再根據(jù)最近鄰法則進行識別，可以顯著提高人臉識別率。
【具體實施方式】
[0009]為使本發(fā)明實現(xiàn)的技術手段、創(chuàng)作特征、達成目的與功效易于明白了解，下面結(jié)合【具體實施方式】，進一步闡述本發(fā)明。
[0010]本發(fā)明的一種門鎖三維人臉識別方法，具體包括以下幾個步驟:
[0011](I)全局特征的提取:包括預處理、將姿勢校正好的點云圖像通過插值方法轉(zhuǎn)換為深度圖像進行歸一化處理、特征子空間的訓練和全局特征的距離度量計算。
[0012]步驟(I)中，預處理的方法如下:根據(jù)人臉形狀指數(shù)特征和幾何約束確定鼻尖點粗略位置，然后以鼻尖點為中心，R= 10mm為半徑畫球體，球體內(nèi)包含的人臉區(qū)域即為切割的人臉區(qū)域。
[0013](2)局部特征的提取:包括測地線的計算、選用模板人臉上的多個點作為特征點、進行庫中人臉與模板的匹配和局部特征的提取。
[0014]步驟(2)中，測地線的計算是將點云數(shù)據(jù)三角網(wǎng)格化，然后采用FMM法近似計算三角網(wǎng)格上的測地線。
[0015](3)提取測試模型的局部特征和全局特征，然后將測試模型特征與庫集模型特征進行比較，對歸一化后的局部和全局相似度向量采用加權求和規(guī)則融合，選取局部和全局相似度向量中最小元素對應的庫集人臉作為識別結(jié)果。
[0016]本發(fā)明基于深度圖像的全局特征，使用測地線法提取局部特征，然后對全局特征和局部特征的距離度量按照最大最小化原則歸一化，再根據(jù)最近鄰法則進行識別，可以顯著提高人臉識別率。
[0017]以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點。本行業(yè)的技術人員應該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變化和改進都落入要求保護的本發(fā)明范圍內(nèi)。本發(fā)明要求保護范圍由所附的權利要求書及其等效物界定。
【主權項】
1.一種門鎖三維人臉識別方法，其特征在于，具體包括以下幾個步驟:(1)全局特征的提取:包括預處理、將姿勢校正好的點云圖像通過插值方法轉(zhuǎn)換為深度圖像進行歸一化處理、特征子空間的訓練和全局特征的距離度量計算； (2)局部特征的提取:包括測地線的計算、選用模板人臉上的多個點作為特征點、進行庫中人臉與模板的匹配和局部特征的提?。? (3)提取測試模型的局部特征和全局特征，然后將測試模型特征與庫集模型特征進行比較，對歸一化后的局部和全局相似度向量米用加權求和規(guī)則融合，選取局部和全局相似度向量中最小元素對應的庫集人臉作為識別結(jié)果。
2.根據(jù)權利要求1所述的門鎖三維人臉識別方法，其特征在于，步驟(I)中，預處理的方法如下:根據(jù)人臉形狀指數(shù)特征和幾何約束確定鼻尖點粗略位置，然后以鼻尖點為中心，R = 10mm為半徑畫球體，球體內(nèi)包含的人臉區(qū)域即為切割的人臉區(qū)域。
3.根據(jù)權利要求1所述的門鎖三維人臉識別方法，其特征在于，步驟⑴中，步驟(2)中，測地線的計算是將點云數(shù)據(jù)三角網(wǎng)格化，然后采用FMM法近似計算三角網(wǎng)格上的測地線。
【專利摘要】本發(fā)明公開了一種門鎖三維人臉識別方法，包括以下步驟：(1)全局特征的提?。喊A處理、將姿勢校正好的點云圖像通過插值方法轉(zhuǎn)換為深度圖像進行歸一化處理、特征子空間的訓練和全局特征的距離度量計算；(2)局部特征的提?。喊y地線的計算、選用模板人臉上的多個點作為特征點、進行庫中人臉與模板的匹配和局部特征的提??；(3)提取測試模型的局部特征和全局特征，將測試模型特征與庫集模型特征進行比較，對歸一化后的局部和全局相似度向量采用加權求和規(guī)則融合，選取局部和全局相似度向量中最小元素對應的庫集人臉作為識別結(jié)果。本發(fā)明對全局特征和局部特征的距離度量按照最大最小化原則歸一化，再根據(jù)最近鄰法則進行識別，可顯著提高人臉識別率。
【IPC分類】G06K9-00, G07C9-00
【公開號】CN104598873
【申請?zhí)枴緾N201410816352
【發(fā)明人】張會林, 孫利華
【申請人】蘇州福豐科技有限公司
【公開日】2015年5月6日
【申請日】2014年12月24日