基于轮廓线和几何特征向量的三维人脸识别算法的研究

摘要

相比二维人脸，三维人脸包含更丰富的信息，且能克服姿态、光照、表情、化妆等因素的影响，更好的表征人脸，因此利用三维人脸信息进行人脸识别是一种行之有效的途径。三维人脸识别技术主要包括三维人脸数据的获取和预处理、特征提取、分类器设计等环节。
　　本文针对三维人脸识别的关键问题，开展了如下几方面的研究工作。
　　（1）数据预处理。首先提取出鼻尖点，基于PCA（Principal Component Analysis,主成分分析法）进行旋转角度的估计并将侧面姿态旋转为正面。对正面人脸进行基于测地距离的人脸切割，然后对其进行双三次B样条曲面拟合预处理。
　　（2）轮廓线及几何特征向量提取。通过曲率计算，提取人脸中分轮廓线和过鼻尖点的水平轮廓线，定位轮廓线上特征点。通过邻域搜索方法定位人脸其他特征点。
　　（3）三维人脸识别系统的设计。研究了多层人脸识别方法，着重讨论了ICP（Iterative Closet Point,最近迭代法）算法和平均Hausdorff距离在三维人脸识别方面的应用。设计三层分类器，提高识别精度。
　　（4）实验结果分析。在GavabDB数据库中分析比较不同特征向量提取方法及不同分类方法对三维人脸识别产生的效果。结果显示，在轮廓线和几何特征向量的精确提取下，使用三层人脸识别分类器测试，得到识别率可达92％。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1人脸识别的研究意义和背景

1.2人脸识别技术研究进展与现状

1.3三维人脸识别的评价指标

1.4本文主要研究内容

1.5 本文章节安排

第二章 三维人脸数据的获取及预处理

2.1三维人脸数据的获取

2.2 三维人脸数据的预处理

2.3人脸双三次B样条曲面拟合

2.4本章小结

第三章 三维人脸中分轮廓线和几何特征向量提取

3.1轮廓线提取

3.2 其他特征点的定位与计算

3.3 关键特征向量的选取与计算

3.4 本章小结

第四章 基于轮廓线和几何特征向量的三维人脸识别

4.1人脸识别算法

4.2三维人脸识别系统流程图

4.3 基于几何特征向量加权的三维人脸粗识别

4.4 基于轮廓线的三维人脸细识别

4.5三维人脸全局匹配

4.6本章小结

第五章 实验仿真及结果分析

5.1实验数据及来源

5.2实验步骤

5.3不同特征向量提取方法的比较

5.4不同分类器的实验结果比较

5.5本章小结

第六章 总结与展望

6.1工作总结

6.2工作展望

参考文献

附录1 攻读硕士学位期间撰写的论文

致谢