3D及多視人耳識別關(guān)鍵技術(shù)研究.pdf

1、人體生物特征識別是利用個體的各種生物特性，包括生理和行為特性，將個體身份從群體里辨識出來的一種技術(shù)。目前，基于生理特征的人臉、虹膜、指紋、掌紋和基于行為習慣的筆跡、步態(tài)等生物特征識別技術(shù)已得到了一定程度的研究和應用。近年來又興起了一種新的生物特征識別技術(shù)-人耳識別。人耳不受表情、膚色和化妝的影響，人耳形狀基本不受年齡變化的影響。同時，人耳識別可以一種非入侵的方式進行，易于接受。此外，人耳具有豐富的結(jié)構(gòu)特征和特殊的位置特征，據(jù)統(tǒng)計，人耳在

2、一萬人的大樣本庫下仍具有唯一性。這些特性使得人耳識別成為一種有前景的新技術(shù)。當前國內(nèi)外人耳識別工作主要集中在2D人耳正視圖及3D人耳距離圖像(Rangeimage)識別。由于人耳外觀對于姿態(tài)的敏感性，當訓練和測試耳朵樣本處于多個不同視角時，已有的2D人耳識別方法將失效。此外，已有的3D耳朵方法識別工作在離線方式，需要成本昂貴的激光掃描儀采集3D耳朵數(shù)據(jù)。這種方法不僅需要獲得高質(zhì)量的耳朵距離圖像，還需要一個完全配準的2D耳朵彩色圖像作為輔

3、助。本文的研究集中于多視2D人耳識別和低成本線激光掃描點云3D人耳的識別。同時，嘗試了基于兩視的2D耳朵形體特征提取以及3D人耳重建。本文的研究內(nèi)容涉及到2D和3D人耳識別的多個方面：2D人耳形體特征提取、2D多視人耳識別、基于多視幾何的3D人耳重建、3D人耳模型配準、線激光掃描點云3D人耳識別、人耳采集和識別裝置等。本文的創(chuàng)新性工作如下： ⑴提出了兩視耳朵形體特征提取方法。不僅提取正視耳朵的各種幾何特征及通過計算Tchebic

4、hef系數(shù)提取正視形體仿射不變高階矩特征，同時提取后視耳朵的形體特征。克服了已有方法只能提取單一正視耳朵幾何特征的不足。 ⑵提出了基于零空間核鑒別分析(NKDA)的B樣條姿態(tài)流形的多視耳朵識別方法。通過零空間核鑒別分析提取多視耳朵的非線性特征以構(gòu)建鑒別特征空間，在此空間內(nèi)利用B樣條構(gòu)建耳朵的姿態(tài)流形。從而利用樣本點到姿態(tài)流形的最小投影距離進行耳朵主體識別。 ⑶嘗試了基于多視幾何的自動和半自動3D耳朵重建技術(shù)。通過檢測角點

5、獲得耳朵特征點，討論了采用隨機采樣一致性(RANSAC)算法進行基礎(chǔ)矩陣求解以自動匹配特征點時出現(xiàn)的問題。根據(jù)耳廓形狀半自動匹配特征點，運用標定信息進行外極校正，最后利用稠密匹配重建3D耳朵模型。并對3D模型進行紋理貼圖。 ⑷提出了增強MeshPCA的3D耳朵模型姿態(tài)歸一化方法和一套基于神經(jīng)網(wǎng)絡的3D耳朵配準策略。詳細分析了傳統(tǒng)MeshPCA不確定性的原因，并提供改進了MeshPCA不確定性的方法。在此基礎(chǔ)上，引入神經(jīng)網(wǎng)絡以自適

6、應確定3D配準變換矩陣。 ⑸提出了基于改進ICP和局部曲面重建的3D耳朵線激光掃描點云模型匹配方法。利用改進ICP方法進行3D模型配準，并計算配準后模型之間的均方根(Rootmeansquare，RMS)距離。同時利用全二次曲面重構(gòu)配準后模型的局部曲面，并計算對應點到此局部曲面的代數(shù)距離。結(jié)合配準均方根距離和代數(shù)距離形成匹配特征矢量，進行匹配。 ⑹提出了基于點云模型截面曲線匹配的3D耳朵匹配方法。利用一組平行于主軸的平面

7、截取3D耳朵模型獲得截面輪廓曲線，從而將3D形體匹配轉(zhuǎn)化為2D截面曲線匹配問題。計算截面曲線的曲率串和夾角鏈碼串，利用最大公共曲率串對應的點對之間的距離差和夾角鏈碼串的角度差形成匹配特征矢量，進行匹配。此外，基于顯著性水平和樣本匹配得分的統(tǒng)計分布，根據(jù)小樣本數(shù)據(jù)集下耳朵識別的性能，評估和預測了提供的耳朵識別方法在大樣本數(shù)據(jù)集中的驗證性能和累積匹配性能。 ⑺采用低價的條紋激光掃描器、伺服電機、和彩色攝像頭構(gòu)建條紋激光掃描3D耳朵模