三维人脸识别

摘要： 二维人脸识别受光照、遮挡和姿态的影响较大.为了克服二维人脸识别的缺点,本文提出了一种基于深度学习的多模态融合三维人脸识别算法.该方法首先使用卷积自编码器将彩色图像和深度图进行融合,将融合后的图像作为网络的输入进行预训练,并且设计了一种新的损失函数cluster loss,结合Softmax损失,预训练了一个精度非常高的模型.之后使用迁移学习将预训练的模型进行微调,得到了一个轻量级神经网络模型.将原始数据集进行一系列处理,使用处理之后的数据集作为测试集,测试的识别准确率为96.37%.实验证明,该方法弥补了二维人脸识别的一些缺点,受光照和遮挡的影响非常小,并且相对于使用高精度三维人脸图像的三维人脸识别,本文提出的算法速度快,并且鲁棒性高.

摘要： 为了克服表情变化对三维人脸识别的影响,提出一种基于局部多特征融合的三维人脸识别方法.该方法首先根据中心侧影线提取鼻尖点,并以鼻尖点作为基准点制定窗口;然后利用形状索引值在窗口内提取关键点,并计算每个关键点和其区域的多维度特征后将其融合成特征向量;最后采用相似度匹配方法进行人脸识别,并以匹配点数最多的特征向量作为最终的识别结果.实验结果表明,该方法的识别率到达97.7%,且具有较好鲁棒性,同时优于文献[4]、[6]和文献[7]的方法;因此,该方法可为有效解决表情变化对三维人脸识别的影响提供参考.

摘要： 针对三维人脸多表情、多姿态变化同时存在,人脸的非刚性部分存在变形且人脸点云数据不同程度缺失的问题,把“角度”的理念引入非线性区间,本文提出基于Sin K2DPCA三维人脸识别。这样就可以在多数据融合的基础上相互的取长补短,取得更好的识别结果。该研究探索性地将三维点云人脸数据应用于Sin-K2DPCA,并进行识别结果的对比与分析。

摘要： cqvip:针对三维人脸多表情、多姿态变化同时存在,人脸的非刚性部分存在变形且人脸点云数据不同程度缺失的问题,把“角度”的理念引入非线性区间,本文提出基于Sin K2DPCA三维人脸识别。这样就可以在多数据融合的基础上相互的取长补短,取得更好的识别结果。该研究探索性地将三维点云人脸数据应用于Sin-K2DPCA,并进行识别结果的对比与分析。

摘要： 针对三维人脸多表情、多姿态变化同时存在,人脸点云数据不同程度缺失的问题,探索性地将三维点云人脸数据应用于PointNet系列的分类网络并进行了识别结果的对比与分析,然后提出了一种新的网络框架——HFN.首先,在数据预处理后随机采样固定点数的点云;其次,将固定点数的人脸点云输入SA模块,以获取局部区域的质心点、邻域点并提取局部区域的特征,然后拼接由DSA模块基于多方向卷积提取的点云空间结构特征;最后,利用全连接层进行三维人脸的分类,从而实现三维人脸识别.在CASIA数据库上的结果显示,所提方法的平均识别率为96.34％,优于PointNet、PointNet++、PointCNN和空间聚合网络(SAN)这几种分类网络.

摘要： 在众多企业起步开发二维人脸识别技术和产品的时候,川大智胜已经瞄准前期文献研究中预见到的二维人脸识别的瓶颈难题和缺陷,在国际国内率先开始了新一代三维人脸识别的探索之路。受新冠肺炎疫情影响,2020年高考是一场极为特殊的考试,各考点为做好防疫工作、确保考试公正安全进行铆足了劲儿。作为此次高考考点之一,重庆渝北中学配备了防疫精准管控系统,一方面通过人脸识别技术实现不戴口罩刷脸,快速核验考生身份,一方面通过智能体温监测仪同步检测体温,保证了现场防疫工作的顺利进行。

摘要： 四旋翼无人机小巧轻便,它可以用于高空摄影、小物品运输、小范围广播等,在现代社会中应用十分广泛。本文设计了一个基于三维人脸特征分析的无人机跟拍系统,通过对四旋翼无人机拍摄得到的三维人脸图像进行处理,实现对三维人脸识别和追踪。在节省人力、物力的同时,为人们提供了一种全新的拍摄自由度,突破当下的拍摄限制。本系统有望应用于新闻摄影、三维环境下的自动追踪拍摄。使用不同的参数,可以实现对于不同人脸的跟踪拍摄,也可以应用于生物学追踪、观测等领域。实验表明此系统具有较好的鲁棒性和稳定性。

摘要： 四旋翼无人机小巧轻便,它可以用于高空摄影、小物品运输、小范围广播等,在现代社会中应用十分广泛.本文设计了一个基于三维人脸特征分析的无人机跟拍系统,通过对四旋翼无人机拍摄得到的三维人脸图像进行处理,实现对三维人脸识别和追踪.在节省人力、物力的同时,为人们提供了一种全新的拍摄自由度,突破当下的拍摄限制.本系统有望应用于新闻摄影、三维环境下的自动追踪拍摄.使用不同的参数,可以实现对于不同人脸的跟踪拍摄,也可以应用于生物学追踪、观测等领域.实验表明此系统具有较好的鲁棒性和稳定性.

摘要： 本文提出一种原型超平面学习算法，通过学习SVM 型的一组原型超平面寻找用于三维人脸识别的中层特征，在只从通用数据集选择稀疏样本集作为支持向量的稀疏约束条件下，通过最大化弱标记数据集的判别能力解决目标函数，学习到的SVM模型的决策值用作中层特征，使用SILD进一步降低特征维度，最后，使用余弦相似度完成最终的人脸识别。

摘要： 表情变化是三维人脸识别面临的主要问题.为了克服传统刚性匹配算法无法解决表情的问题,本文提出一种新的基于形变的匹配方法.通过对传统匹配方法的深入分析,将传统姿势对齐的概念推广至表情形变,并利用径向基函数描述表情变化下人脸形状的改变.为了保持人脸类间形状差异,加入子区域约束来控制人脸形变的程度.最后利用形变模型实现人脸的识别.在FRGC v2人脸数据库的实验表明改进后的算法能显著提高算法的精度.

摘要： 提出了一种基于多尺度哈尔小波变换的三维人脸识别方法.将三维人脸模型的上半张人脸区域经过平面参数化以及线性插值运算映射至平面几何图像,利用多尺度哈尔小波变换把几何图像分解为不同尺度下的频域分量,选择具有表情不变性的频域分量并用其线性组合作为人脸特征.在FRGCv2.0数据库中进行的大量实验表明本文提出的三维人脸识别方法具有较好的鲁棒性.

摘要： 针对三维人脸识别中受表情因素影响识别率低和在线识别耗时问题，提出一种基于点对应的三维人脸识别方法．首先对经过预处理的人脸模型和模板人脸进行CPD(coherent pointdrift)非刚性形变，并在此基础上建立起点对应的关系；然后舍去人脸模型中由表情变化带来的不稳定部分的点云信息；最终通过对应点在特定球面上的投影得到的相应矩阵来计算相似度以区分不同人脸．在FRGC(face recognition grandchallenge)V2.0人脸数据库上的实验结果表明，该方法具有较好的在线实时性，对表情变化有较好的鲁棒性．

摘要： 针对三维人脸识别中受表情因素影响识别率低和在线识别耗时问题，本文提出一种基于点对应的三维人脸识别方法。首先对经过预处理的人脸模型和模板人脸进行CPD(Coherent PointDrift)非刚性形变，并在此基础上建立起点对应的关系；然后舍去部分人脸模型中由表情变化带来的不稳定部分的点云信息;最终通过对应点在特定球面上的投影得到的相应矩阵来计算相似度以区分不同人脸。在FRGC v2．0人脸数据库上的实验结果表明，该方法具有较好的在线实时性，对表情变化有较好的鲁棒性。

摘要： 提出了一种三维人脸识别系统的标定方法,将BP神经网络和直接线性变换法(DLT)结合起来,用DLT标定双目摄像机的线性部分,用BP神经网络来描述系统的非线性部分.结果表明:该方法结合了神经网络和直接线性变换法的优点,利刚神经网络的非线性逼近能力,补偿由于镜头径向畸变、切向畸变等因素引起的系统非线性误差,并且精度高、抗噪声能力强、鲁棒性好.

摘要： 相比较于二维人脸识别,三维人脸识别克服了光照、姿态等因素的影响,较大的提高了识别的准确率,但表情变化仍然影响三维人脸识别的准确率。针对这种情况,本文提出了一种新的人脸识别方法：在人脸曲面上分割出可以描述人脸特征且基本不受表情变化影响的特征曲线、区域;对曲线、区域的数据进行重新采样,保证数据量度的统一性;对重新采样后的曲线、区域进行匹配识别,以克服表情变化的影响。实验结果验证了本文方法的有效性和可行性。

摘要： 针对二维人脸识别中的光照、化妆、姿态、尺寸方面存在的问题,本文提出了一种基于Voronoi域积分的三维人脸识别方法.首先利用基本网格简化方法把原始的离散点云表示成规则的三角化人脸网格,然后抽取基于Voronoi域积分的三维人脸几何特征,并利用主成分分析对人脸的几何特征向量进行降维处理.最后利用马氏距离进行相似度量,实验取得了93.3﹪的识别率,表明本方法具有良好的识别性能。

摘要： 提出了一种融合基于深度图像的全局特征和基于测地线的局部特征的人脸识别方法．全局特征的提取使用主成分分析法(PCA)；局部特征的提取是在模板人脸上手动标定35个特征点，然后计算与模板人脸匹配后得到的对应特征点相互之间的测地线距离值，并组成矩阵作为局部特征．最后使用加权求和法对两种特征进行了融合，在FRGC数据库进行了测试，实验结果表明该方法可以有效提高识别精度并且具有较好的表情鲁棒性．

摘要： 本发明涉及一种三维摄像装置、三维摄像方法及人脸识别方法。所述三维摄像装置包括激光光源、图像传感器及数据处理模块，所述激光光源用于发出激光，所述图像传感器用于感测可见光以产生目标景物的二维图像信号以及感测被所述目标景物的反射的所述激光以产生深度图像信号，所述数据处理模块，用于依据所述二维图像信号获得所述目标景物的二维坐标，以及依据所述深度图像信号获得所述目标景物的深度坐标，从而获得所述目标景物的三维坐标信息。

摘要： 本发明涉及一种三维摄像装置、三维摄像方法及人脸识别方法。所述三维摄像装置包括激光光源、图像传感器及数据处理模块，所述激光光源用于发出激光，所述图像传感器用于感测可见光以产生目标景物的二维图像信号以及感测被所述目标景物的反射的所述激光以产生深度图像信号，所述数据处理模块，用于依据所述二维图像信号获得所述目标景物的二维坐标，以及依据所述深度图像信号获得所述目标景物的深度坐标，从而获得所述目标景物的三维坐标信息。

摘要： 本发明公开了一种基于三维测距的多人脸场景有效人脸识别装置及方法，人脸识别装置包括摄像头、多人脸识别模块和有效人脸捡拾模块；摄像头采集屏幕前的人脸RGB图像和人脸深度数据并输入，多人脸识别模块根据摄像头输入的人脸RGB图像，获取相应的人脸深度数据，有效人脸捡拾模块根据多人脸识别模块返回的人脸深度数据计算各个人脸目标距离屏幕中心点的三维距离，并筛选出距离屏幕中心点最近的人脸目标，并将该人脸目标作为有效的人脸目标进行人脸支付。优点是：可以解决常规3D摄像头处理多人脸场景中无法鉴证有效人脸的模式，能够快速的解决多人脸场景下有效人脸对象的鉴证，实现高效的支付流程，增强客户体验。

摘要： 本发明公开了一种三维人脸识别方法和系统。包括：采集待识别目标人脸的图像数据，并对其中的人脸关键点进行标定，其中，所述人脸的图像数据包括人脸的深度图像和人脸的彩色图像；根据标定后的所述人脸的深度图像进行三维人脸重建，得到三维人脸重建模型；计算所述三维人脸重建模型中的预设数量的各关键点之间的表面距离，生成表面距离矩阵；将所述表面距离矩阵转化为人脸标准型；从所述人脸标准型中提取出待识别特征向量；将所述待识别特征向量与预设的人脸特征数据库中已有的特征向量进行对比，实现三维人脸识别。本发明的三维人脸识别方法，识别精确度高，识别速度快。

摘要： 本发明公开一种基于三维点云的三维人脸识别装置及方法，所述装置包括：用于获取三维点云人脸数据的数据输入单元；对数据输入单元获取的三维点云特征区域进行定位的特征区域检测单元；对所定位的数据进行平滑处理以滤除噪音的滤噪单元；从预处理后的人脸数据中选择面部全局特征点的特征点选择单元；对特征点选择单元选择的面部全局特征点数据进行配准的数据配准计算单元；以及对经由数据配准计算单元配准处理后的数据进行分类的最近邻分类器计算单元。所述方法包括如下步骤：输入步骤；特征区域定位步骤；粗配准步骤；滤除噪音步骤；选取特征点步骤；再配准步骤；以及识别步骤。本发明对三维人脸数据进行滤噪、配准后再进行识别，其识别精度高。

摘要： 本发明公开一种基于三维点云的三维人脸识别装置及方法，所述装置包括：对于三维点云特征区域进行定位的特征区域检测单元；将三维点云进行归一化映射到深度图像空间的深度图像映射单元；利用不同尺度和方向的盖博滤波器对三维人脸数据进行不同尺度和方向的响应计算的盖博响应计算单元；用于储存训练获得的三维人脸数据的视觉词典的储存单元；以及对于每个像素获得的盖博响应向量，与视觉词典进行直方图映射的直方图映射计算单元。本发明通过先提取三维人脸区域的特征区域进行定位和配准，然后根据深度信息将点云数据映射成深度图像，然后按照训练好的三维人脸视觉词典进行三维数据的视觉词典直方图向量，最后利用分类器实现识别，识别精度高。

摘要： 本发明公开了一种三维人脸识别方法和系统。包括：采集待识别目标人脸的图像数据，并对其中的人脸关键点进行标定，其中，所述人脸的图像数据包括人脸的深度图像和人脸的彩色图像；根据标定后的所述人脸的深度图像进行三维人脸重建，得到三维人脸重建模型；计算所述三维人脸重建模型中的预设数量的各关键点之间的表面距离，生成表面距离矩阵；将所述表面距离矩阵转化为人脸标准型；从所述人脸标准型中提取出待识别特征向量；将所述待识别特征向量与预设的人脸特征数据库中已有的特征向量进行对比，实现三维人脸识别。本发明的三维人脸识别方法，识别精确度高，识别速度快。

摘要： 本发明公开一种基于三维点云的三维人脸识别装置和方法，装置包括：对于三维点云特征区域进行定位的特征区域检测单元；将三维点云进行归一化映射到深度图像空间的映射单元；利用不同尺度和方向的Gabor滤波器对三维人脸数据进行不同尺度和方向的响应进行计算的数据计算单元；训练获得的三维人脸数据的视觉词典的储存单元；对于每个像素获得的Gabor响应向量，与视觉词典进行直方图映射的映射计算单元；对于三维人脸数据进行粗分类的分类计算单元；对于三维人脸数据进行识别的识别计算单元。采用本发明的技术方案，对于三维数据的细节纹理描述能力较强，同时对输入三维点云人脸数据的质量适应性更好，因而具有更好的应用前景。

摘要： 本发明公开一种基于三维点云的三维人脸识别装置及方法，所述装置包括：对于三维点云特征区域进行定位的特征区域检测单元；将三维点云进行归一化映射到深度图像空间的深度图像映射单元；利用不同尺度和方向的盖博滤波器对三维人脸数据进行不同尺度和方向的响应计算的盖博响应计算单元；用于储存训练获得的三维人脸数据的视觉词典的储存单元；以及对于每个像素获得的盖博响应向量，与视觉词典进行直方图映射的直方图映射计算单元。本发明通过先提取三维人脸区域的特征区域进行定位和配准，然后根据深度信息将点云数据映射成深度图像，然后按照训练好的三维人脸视觉词典进行三维数据的视觉词典直方图向量，最后利用分类器实现识别，识别精度高。

摘要： 本发明公开一种基于三维点云的三维人脸识别装置及方法，所述装置包括：用于获取三维点云人脸数据的数据输入单元；对数据输入单元获取的三维点云特征区域进行定位的特征区域检测单元；对所定位的数据进行平滑处理以滤除噪音的滤噪单元；从预处理后的人脸数据中选择面部全局特征点的特征点选择单元；对特征点选择单元选择的面部全局特征点数据进行配准的数据配准计算单元；以及对经由数据配准计算单元配准处理后的数据进行分类的最近邻分类器计算单元。所述方法包括如下步骤：输入步骤；特征区域定位步骤；粗配准步骤；滤除噪音步骤；选取特征点步骤；再配准步骤；以及识别步骤。本发明对三维人脸数据进行滤噪、配准后再进行识别，其识别精度高。