基于三維點云的三維人臉年齡分類裝置及方法
【技術領域】
[0001] 本發明設及=維人臉識別技術領域，尤其設及一種基于=維點云的=維人臉年齡 分類裝置及方法。
【背景技術】
[0002] =維人臉識別相對于二維人臉識別，有著其對光照魯椿、受姿態W及表情等因素 影響較小等優點，因此在=維數據采集技術飛速發展W及=維數據的質量和精度大大提升 之后，很多學者都將他們的研究投入到該領域中。
[0003] CN20101025690提出了S維彎曲不變量的相關特征用來進行人臉特性描述。該方 法通過編碼=維人臉表面相鄰節點的彎曲不變量的局部特征，提取彎曲不變量相關特征； 對所述彎曲不變量的相關特征進行簽名并采用譜回歸進行降維，獲得主成分，并運用K最 近鄰分類方法對=維人臉進行識別。但是由于提取變量相關特征時需要復雜的計算量，因 此在效率上限制了該方法的進一步應用；
[0004] CN200910197378提出了一種全自動S維人臉檢測和姿勢糾正的方法。該方法通過 對人臉=維曲面進行多尺度的矩分析，提出了臉部區域特征來粗趟地檢測人臉曲面，及提 出鼻尖區域特征來準確地定位鼻尖的位置，然后進一步精確地分割出完整的人臉曲面，根 據人臉曲面的距離信息提出鼻根區域特征來檢測鼻根的位置后，建立了一個人臉坐標系， 并據此自動地進行人臉姿勢的糾正應用。該專利目的在于對=維人臉數據的姿態進行估 計，屬于S維人臉識別系統的數據預處理階段。
[0005] =維人臉年齡分類是=維人臉領域的一個基礎工作。準確的年齡分類不僅可W有 效地獲取人臉數據中的人臉特性，獲取更多的人臉語義理解信息，同時還可W作為=維人 臉識別的一個粗分類步驟，提升識別系統的精度。年齡分類的難點在于如何準確的描述人 臉數據的年齡特性W及如何在特征空間的基礎上實現準確的分類。
【發明內容】
[0006] 為了解決上述技術問題，本發明公開一種基于=維點云的=維人臉年齡分類裝置 及方法，本發明采用如下技術方案來解決上述技術問題：
[0007] 一種基于=維點云的=維人臉年齡分類裝置，包括：
[000引對于=維點云特征區域進行定位的特征區域檢測單元；
[0009] 將S維點云進行映射到深度圖像空間的映射單元；
[0010] 對映射后的深度圖像進行深度圖像表象特征計算的特征計算單元，特征包括 G油or特征W及LBP直方圖特征；
[0011] 基于深度圖像表象特征進行年齡分類的年齡分類器計算單元。
[0012] 優選的，在上述的一種基于=維點云的=維人臉年齡分類裝置中，所述特征區域 檢測單元包括：
[0013] 特征提取單元，針對=維點云區域特性提取=維點云數據的相應特征；
[0014] 特征區域分類器單元，對特征提取單元提取的相應也正進行數據點的分類計算， 判斷其是否適于特征區域，所述特征區域分類器單元為為支持向量機或者Adaboost。
[0015] 優選的，在上述的一種基于=維點云的=維人臉年齡分類裝置中，所述映射單元 包括：
[0016] 按照深度信息將原始S維點云映射為深度圖像的映射模塊；
[0017] 利用濾波器對獲取的深度圖像的空洞或者噪點信息進行去噪的去噪模塊。
[001引優選的，在上述的一種基于=維點云的=維人臉年齡分類裝置中，所述年齡分類 器計算單元包括：
[0019] 用于存儲利用訓練集中的=維人臉數據進行訓練獲取的年齡隨機森林分類參數 的年齡隨機森林分類器參數存儲模塊；
[0020] 在表象特征計算獲得的G油or特征和LBP直方圖特征集合的基礎上，利用年齡隨 機森林分類器進行計算，實現年齡分類的年齡分類器計算模塊。
[0021] 本發明還公開一種基于=維點云的=維人臉年齡分類方法，包括如下步驟：
[0022] 特征區域檢測步驟，對于=維點云特征區域進行定位，作為配準的基準數據，然后 對輸入點云數據與基礎人臉數據進行配準；
[0023] 深度圖像映射步驟，利用數據的S維坐標值，將檢測定位的S維點云數據映射為 深度圖像；
[0024] 表象特征計算步驟，對映射后的深度圖像Gabor特征計算W及LBP特征計算W獲 得=維人臉G油or特征和LBP直方圖特征的表象特征集合；
[0025] 分類步驟，對獲得的=維人臉數據表象特征集合進行年齡分類計算，從而實現= 維人臉年齡分類。
[0026] 優選的，在上述的一種基于=維點云的=維人臉年齡分類方法中，所述特征區域 為鼻尖區域，檢測鼻尖區域的步驟如下：
[0027] 步驟1 ;確定闊值，確定域平均負有效能量密度的闊值，定義為thr ;
[002引步驟2 ;利用深度信息選取待處理數據，利用數據的深度信息，提取在一定深度范 圍內的人臉數據作為待處理數據；
[0029] 步驟3 ;法向量的計算，計算由深度信息選取出的人臉數據的方向量信息；
[0030] 步驟4 ;區域平均負有效能量密度的計算，按照區域平均負有效能量密度的定義， 求出待處理數據中個連通域的平均負有效能量密度，選擇其中密度值最大的連通域；
[0031] 步驟5 ;判定是否找到鼻尖區域，當前區域闊值大于預定義的t虹時，該區域即為 鼻尖區域，否則回到步驟1重新開始循環。
[0032] 優選的，在上述的一種基于=維點云的=維人臉年齡分類方法中，所述特征區域 檢測步驟中，輸入=維點云數據與基礎人臉數據利用ICP算法進行配準。
[0033] 優選的，在上述的一種基于=維點云的=維人臉年齡分類方法中，所述深度圖像 映射步驟中，先按照深度信息進行深度圖像的獲取，然后利用中值濾波器對映射后的深度 圖像中的噪音點進行補償去噪。
[0034] 優選的，在上述的一種基于=維點云的=維人臉年齡分類方法中，所述深度映射 步驟中，映射模塊按照空間信息的（X，y)作為映射的參考空間位置，空間信息的Z值作為映 射對應數據值，構建從=維點云到深度圖像的映射。
[0035] 優選的，在上述的一種基于=維點云的=維人臉年齡分類方法中，分類步驟中對 獲得的=維人臉數據表象特征利用年齡隨機森林分類器進行年齡分類計算，從而實現=維 人臉年齡分類。
[0036] 與現有技術相比，本發明具有如下技術效果：
[0037] 本發明利用結合多種紋理特征構建表象特征池的方式，準確的描述了 =維深度人 臉圖像的特性，然后利用年齡隨機森林分類器在表象特征集合的基礎上實現了準確分類， 分類精度高。本發明可作為=維人臉年齡分類應用的一種解決方案，也可W作為=維人臉 分類的一個粗分類步驟一提高系統精度。
【附圖說明】
[003引圖1為本發明系統框圖
[0039] 圖2為本發明流程框圖
[0040] 圖3為本發明=維人臉鼻尖區域定位示意圖
[0041] 圖4為本發明不同姿態=維人臉配準示意圖
[0042] 圖5為S維人臉數據噪音的示意圖
[0043] 圖6為本發明S維點云數據映射為深度圖像的示意圖
[0044] 圖7為本發明表象特征計算步驟示意圖
[0045] 圖8為隨機森林分類器原理示意圖
[0046] 圖9為隨機森林分類器進行預測流程圖
【具體實施方式】
[0047] 下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于 本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他 實施例，都屬于本發明保護的范圍。
[0048] 如圖1所示，本發明公開一種基于=維點云的=維人臉年齡分類裝置，具體包括：
[0049] 對于=維點云特征區域進行定位的特征區域檢測單元；
[0050] 將S維點云進行映射到深度圖像空間的映射單元；
[0化1] 對映射后的深度圖像進行深度圖像表象特征計算的特征計算單元，特征包括 G油or特征W及LBP直方圖特征；
[0化2] 基