具有表情變化的3D人臉識別算法的研究.pdf

1、人臉識別技術(shù)是當前生物特征識別領(lǐng)域的一個研究熱點。光照不足、姿態(tài)和表情變化等因素使2D人臉識別受到了很大的限制。相比2D圖像,3D人臉模型不受光照條件的限制,且提供了更多的信息,使得3D人臉識別逐漸成為了人臉識別的一個重要研究方向。但是人臉所具有的豐富的表情變化會極大地影響3D人臉識別效果,如何克服表情變化造成的影響是3D人臉識別中所面臨的具有挑戰(zhàn)性的課題,也是目前人臉識別領(lǐng)域的熱點。本次課題就3D人臉識別中的人臉對齊、區(qū)域劃分及特征提

2、取、分類方法三個重要環(huán)節(jié)展開理論研究工作,提出了一些改進方法。
　　本次課題的研究工作主要包括以下幾個方面:
　　(1)針對目前3D人臉特征點定位魯棒性較差的問題,提出了一種基于平均人臉模型(AFM)的混合人臉對齊方法,該方法不僅能夠使得特征點定位更加準確,而且能夠降低識別延遲。它首先對每個人的中性人臉使用對噪聲點魯棒的標準人臉深度映射的對齊方法進行對齊,并對人臉進行重采樣建立每個人的平均人臉模型。作為參考標準,該模型具有對

3、表情變化魯棒的性質(zhì)。對待識別人臉模型只需要與保存的每個人的平均人臉模型進行對齊即可,減少了對齊時所要匹配的數(shù)目,降低了整個識別過程的時間。
　　(2)針對目前3D人臉劃分方法的硬性劃分導致局部區(qū)域內(nèi)連續(xù)信息丟失這一問題,本文提出了一種特征區(qū)域自適應方法——FA框架。該框架能夠自動地搜索某種特征所對應的魯棒區(qū)域,得到的區(qū)域是不規(guī)則的,避免了連續(xù)信息割裂的問題。對比時,僅需在該魯棒區(qū)域上提取特征,能夠加快特征提取速度。
　　(3