基于asm算法的人臉特征點采集及三維人臉建模方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于人臉識別技術(shù)領(lǐng)域，涉及基于ASM算法的人臉特征點采集及三維人臉 建模方法。
【背景技術(shù)】
[0002] 對于三維動態(tài)人臉識別而言，一般以單幀圖像為基礎，完成二維單幀人臉圖像特 征點的定位是重中之重。首先在前階段獲取的人臉的二維圖片中，對人臉重要特征點的位 置進行確定，為人臉建模提供有效依據(jù)。
[0003] 由于人臉特征采集的計算量較大，同時其檢測準確度和響應速度會對下一階段三 維人臉建模的效率產(chǎn)生影響，所以是三維動態(tài)識別效率的瓶頸之一。對于部分識別方法而 言，特征點定位所需時間能夠達到整個三維動態(tài)人臉識別所需時間的二分之一。不僅如此， 特征點的準確定位對之后的三維坐標轉(zhuǎn)化也起到了至關(guān)重要的作用，所以高效高精度的人 臉特征點定位是增強三維特征識別實時性及準確性的關(guān)鍵。
[0004] 在對人臉特征點進行采集時，通常采用的方法主要包括下述兩類:依據(jù)形狀模型 的特征采集方法與依據(jù)紋理的特征點定位方法。特征采集方法中，通常采用主動形狀模型 技術(shù)(ASM)，依據(jù)主動形狀模型的技術(shù)不僅可有效實現(xiàn)物體外輪廓點的定位，同時可獲取內(nèi) 在的輪廓點，使得定位結(jié)果更加準確。其詳細實現(xiàn)過程如下所述:首先利用人機交互對目標 輪廓的邊界點集合進行采集，獲取訓練集，用矩陣形式對其進行描述。再通過主成分分析法 (PCA)完成對該訓練集的描述，塑造出可反映出訓練集平均輪廓及關(guān)鍵形變方式樣本的先 驗模型。最后通過灰度匹配法完成先驗模型的搜索，在進行迭代搜索時需對先驗模型的參 數(shù)進行調(diào)整，從而使模型和目標物體的實際輪廓逐漸吻合，實現(xiàn)準確定位。
[0005] 盡管ASM算法在實際的應用中可準確實現(xiàn)目標定位，然而其仍存在下述弊端:訓練 所需時間長;在定位過程中，為了達到理想的建模效果，需最大程度的獲取準確的特征點坐 標。為此，需改進搜索過程，使得人臉識別效果更優(yōu)。
[0006] 人臉的計算機模擬技術(shù)在很長的一段時間內(nèi)被相關(guān)學者廣泛研究。但隨著科技的 不斷的發(fā)展，學者們提出了一些適用于三維人臉建模的數(shù)據(jù)采集技術(shù)。其中最常用也是最 有效的是數(shù)三維掃描高端儀器，其依據(jù)光學理論獲取整個三維人臉模型。然而，因為高質(zhì)量 激光掃描儀器成本很高，使其在實際應用中受到約束，并未得到廣泛應用。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的是提供一種基于ASM算法的人臉特征點采集及三維人臉建模方法， 解決了現(xiàn)有技術(shù)中存在的三維人臉識別不夠精準的問題。
[0008] 本發(fā)明基于ASM算法的人臉特征點采集及三維人臉建模方法，首先對人臉特征進 行采集，然后在人臉特征點采集的基礎上，提出一種依據(jù)計算機雙目立體視覺的三維人臉 建模技術(shù)，其結(jié)合計算機標定，通過兩張二維人臉圖片，利用雙目立體視覺方法，對人臉特 征點的三維坐標進行塑造，最后利用OpenGL軟件實現(xiàn)三維人臉模型的塑造。
[0009] 本發(fā)明采用的技術(shù)方案是以下步驟：
[0010] 步驟1，人臉特征采集，對采集樣本的訓練集特征點進行手工標定，再在同一坐標 中完成訓練集中全部形狀的校準，采用依據(jù)三角形特征的自動定位技術(shù)，同時通過準確的 重要的特征完成人臉特征的精準定位，采用全局紋理信息對局部特征點搜索效果進行優(yōu) 化，從而實現(xiàn)人臉特征的統(tǒng)計分析；
[0011] 步驟2:設置用于建模的設備參數(shù)；
[0012] 步驟3:三維人臉建模，通過雙目立體視覺理論對人臉正面及側(cè)臉的圖像特征點進 行提取，通過兩張不同坐標系下的人臉圖像合成一個三維人臉模型。
[0013] 進一步，所述步驟1對采集樣本的訓練集特征點進行標定方法為：首先搜集η個訓 練樣本并手動記錄下每個訓練樣本中的Κ個關(guān)鍵特征點，構(gòu)建訓練集的形狀向量如下所示：
[0015] 其中，表示第i個訓練樣本上第k個特征點的坐標η表示訓練樣本的個數(shù)；
[0016] 其次:計算平均形狀向量及方差矩陣并將其按從大到小依次排序，完成形狀向量 進行PCA處理，求取特征點的均值和方差，以便獲得局部特征之間的距離，構(gòu)建局部特征：
[0022] (6)局部特征距離:fsim=(g-gi) · (g-gi)T
[0023] 其中:η表示訓練樣本的個數(shù)，T樣本參數(shù)向量，P為最大樣本數(shù)，j為常數(shù)，glj為局部 紋理，g為整體紋理，最后，構(gòu)建初始模型，完成ASM算法優(yōu)化，其公式如下所示
[0024] ：X=M(s,0)[ai]+Xc
[0025] 其中，Μ為平均形狀，M(s,9)為平均形狀以其中心逆時針旋轉(zhuǎn)Θ縮放s，[ai]為訓練 集的形狀向量，X。為平移距離。
[0026]進一步，所述步驟1三角形特征的自動定位技術(shù)的步驟為：
[0027] (1)首先在人臉圖像的范圍內(nèi)，通過PCA特征采集技術(shù)對人臉嘴唇的大致位置(X3， y3)進行確定，將該位置看作是初始位置的一個點，從而實現(xiàn)人臉位置的確定；
[0028] (2)將該位置作為一個矩形框的左下頂點，基于人臉先驗概率提供的相應尺寸，設 定上述矩形框的長寬比和與之對應的長度，再對該圖形進行平滑操作，通過下式求出上述 初始矩形區(qū)域內(nèi)像素的平均灰度值I mean;
[0030] 式中，wo與ho依次用于描述初始矩形框的長和寬；
[0031] (3)在矩形框長寬比不發(fā)生改變的條件下，沿右上方延伸一個像素的步長;針對經(jīng) 平滑處理后的圖像，獲取矩形右側(cè)及上側(cè)邊緣線上灰度值最小的像素點，其灰度值用I m.h進 行描述；
[0032] (4)求出矩形框平均灰度值和Im.h之間的差值，將其和統(tǒng)計獲取的特定閥值D相較； 若I m_-Im.h<D，則上述矩形框沒有抵達瞳孔區(qū)，需繼續(xù)進行矩形延伸，否則，矩形框已抵達 瞳孔區(qū)；
[0033] (5)通過灰度值最小像素點所處位置對瞳孔所在的大致區(qū)域進行判斷；
[0034] (6)在上述區(qū)域中，對每個像素點在某一固定矩形區(qū)域中完成高斯卷積計算，將經(jīng) 高斯卷積計算后，圖像中像素灰度值最小的點看作是瞳孔中心，用( X1，yi)，（x2，y2)進行描 述。
[0035]進一步，所述步驟1采用全局紋理信息對局部特征點搜索效果進行優(yōu)化步驟：
[0036] 首先將形狀范圍內(nèi)的紋理變形至平均形狀中，同時對其進行歸一化操作，獲取變 形后的紋理向量，用g進行描述，再在紋理模型空間中對獲取的紋理向量進行重構(gòu)，獲取經(jīng) 重構(gòu)后的紋理= ，其中，g為紋理模型的部分向量，§)，求出向量 gr和重構(gòu)值gr之間的歐氏距離d = diSt(g，gr)，形成紋理差，最后依據(jù)該紋理差對形狀調(diào)整 和局部紋理搜索在迭代時是否采用ASM的搜索結(jié)果進行判斷，如果和上一循環(huán)相比匹配度 升高，則采用上述方法繼續(xù)完成搜索，否則，采用依據(jù)全局紋理的搜索方法，并對獲取的結(jié) 果進行評估，直至達到最佳匹配度，再重新采用ASM搜索策略，交替采用上述兩種方法，直至 匹配度達到最高。
[0037] 進一步，所述步驟2中設置用于建模的設備參數(shù)方法：
[0038]攝像機:數(shù)據(jù)輸出端是IEEE 1394接口，最大分辨率是659*493像素，最大采集幀率 是60幀/秒，圖像類型為灰度圖像；
[0039] 采集和處理設備：手提電腦，CPU為Pentium2.4-GHz，內(nèi)容量是256MB，軟件開發(fā)工 具是微軟的VisualC++6.0。
[0040]進一步，所述步驟3中引入相似性約束，從而減少三維坐標的歧義性：
[00411 1)首先完成三維人臉數(shù)據(jù)點的三角剖分；
[0042] 2)確定相似性約束向量，將三角剖分的角度看作是唯一相似性約束向量，求出三 角形邊長，同時將其看作是幾何相似性約束向量；
[0043] 3)確定相似性約束判別公式:SzSi+S^其中，Si用于描述唯一相似性的約束函數(shù) 值，&用于描述幾何相似性約束函數(shù)值，同時有，
[0045]式中，0^cU用于描述待檢測樣本特征向量的第i個特征分量；'與cU '用于描述 三維人臉模型中第i個標準特征分量;lu用于描述第i個特征分量的權(quán)值，0,用于描述人臉三 維模型特征點的角度，d用于描述空間三角形的邊長，同時，
[0047]其中，Xi、yi、zi與X2、y2、Z2為三維模型中兩個點的的空間坐標值。
[0048]對相似性約束函數(shù)值S及閾值S'進行比較，從而確定三維人臉特征點建立的有效 性，若s<s '，則獲取的特征點有效，否則，重新采集三維特征點。
[0049] 本發(fā)明的有益效果是，依據(jù)雙目立體視覺理論，完成了初步三維人臉模型輪廓的 塑造。首先對采集人臉圖像的攝像機進行標定，獲取用于建模的攝像機參數(shù)。再依據(jù)雙目立 體視覺理論，結(jié)合攝像機參數(shù)，通過