基于3D点云模型的人耳检测与识别研究

摘要

通过对人耳信息的采集和分析来进行生物特征识别已经成为身份验证领域的一种有效方法。和现有的生物特征识别方法相比，人耳结构稳定、特征丰富，并且能够采取非接触的方式进行采集。为了把握它稳定丰富的空间结构信息，使用三维的方式最有利于对人耳进行检测和获取。本文涉及的工作包含制造一套基于线激光扫描的3D人耳点云模型采集设备，设计快速有效的模型预处理算法、3D人耳特征提取方法以及进行3D人耳模型的验证识别研究。
　　在已有的3D人耳识别研究中，往往需要借助价格昂贵的高精度3D激光成像仪才能完成对人耳的建模。随后才有可能在此之上进行检测和识别研究。为了降低成本但不影响实用价值，一套低成本、高精度的3D成像设备的设计制作成为本文研究的第一步。我们制作了一套基于线激光扫描的3D模型重建设备。利用结构光成像原理，捕捉激光线扫描通过人耳的形态和位置来完成3D人耳点云的构建。
　　针对采集得到的点云模型，进行模型的预处理。这一过程包含噪声去除，人耳检测，姿态校准。由于人耳的姿态容易受头部运动的影响，在这部分工作中我们首先去除孤立和跳跃噪声，提出了一种基于3D曲率分析的新方法来对人耳所在区域进行分割。然后通过投影寻踪的原理，探索得出一套快速有效新方案来对人耳姿态进行归一化。该方法通过牛顿迭代法不断校准人耳姿态使其在给定投影方向上保证最稀疏分布，然后再利用主成分分析归一化模型在投影方向上的旋转角度。在相同采集条件下，这种方法能保证注册样本和库样本之间的快速对齐，为特征提取和匹配提供助益。
　　点云的空间分布信息和曲率分布信息都是用于进行3D人耳识别的重要特征。本文引入点云直接匹配、激光断裂特征点、特征区域曲率等几个方向分别进行识别研究。并且改进了传统的迭代最近邻检索算法，使其更快速的进行模型间的对齐和匹配。我们在大样本集上的实验验证了本文方法的识别精度和准确性，并对识别结果进行了分析和论证。与其它3D人耳识别方案相比，本文提出的解决方案不论从识别精度还是匹配速度等方面，都有较大提高。

目录

基于3D点云模型的人耳检测与识别研究

RESEARCH ON HUMAN EAR DETECTION AND RECOGNITION BASED ON 3D POINT CLOUD MODEL

摘　要

Abstract

第1章　绪论

1.1人耳识别的研究意义与原理

1.1.1 人耳识别的研究意义

1.1.2 人耳识别的研究原理

1.2 国内外研究现状

1.3 本文的主要内容

第2章　基于线激光扫描的3D人耳采集系统

2.1 3D人耳点云采集系统

2.2激光线提取及细化

2.3人耳点云模型的生成

2.3.1 3D点云模型的噪声清除

2.3.2 3D点云模型的孔洞填充

2.3.3人耳表面平滑

2.4　本章小结

第3章　人耳分割和姿态校准

3.1　基于空间曲率的人耳分割

3.1.1 空间曲率的基本概念

3.1.2 点云模型空间曲率的参数化估计

3.2 3D人耳姿态校准

3.2.1 Mesh PCA

3.2.2 基于投影寻踪的姿态归一方法

3.2.3 实验

3.3 本章小结

第4章　特征提取和识别分析

4.1 特征提取手段

4.2 迭代最近邻算法及其在空间点阵匹配上的应用

4.2.1 迭代最近邻算法原理

4.2.2迭代最近邻算法在点阵匹配上的应用

4.2.3 CMC识别性能预测

4.3 本章小结

结　论

攻读硕士学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致　谢