基于關聯程度的三維人臉識別技術的制作方法
【技術領域】
[0001] 本發明屬于人臉識別技術領域，設及基于關聯程度的=維人臉識別技術。
【背景技術】
[0002] 近年來，隨著科技的逐漸發展，人們對信息安全的要求日益嚴格，人體身份識別技 術也隨之不斷發展。因為人臉的唯一及獨特性，成為人體身份識別的關鍵。二維人臉識別 技術被廣泛應用，然而其容易受到光照、拍攝角度和人臉表情變化等因素的影響，識別精度 相對較低。當前，隨著計算機立體視覺技術的深入發展，人臉=維建模技術也得到了很大的 改善，=維人臉模型的能夠有效避免二維圖片中外界因素對識別準確性造成的干擾，大大 增強識別準確度。
[0003] =維人臉識別是相關學者研究的重點課題。當前常用的人臉識別技術主要可劃分 成一下幾種類型；基于幾何特征的方法、基于模板的方法、基于模型的方法。其中，基于幾何 特征的方法最為常用。然而該方法需與其它算法結合才可達到令人滿意的效果；基于模板 的方法又可被劃分成基于相關匹配的方法、線性判別分析方法、神經網絡方法、動態連接匹 配方法等；而基于模型的方法則主要由基于隱馬爾可夫模型、基于主動形狀模型和基于主 動外觀模型的方法等組成。
[0004] 現在，對S維人臉識別的研究也取得了一定的成績。例如，Gordon通過人臉的深 度數據能夠求出人臉表面的曲線分布示意圖，通過獲取的人臉曲率分布求出人臉每個部位 的幾何特征；Beumier對人臉進行光投影，從而得到人臉的S維數據，將人臉的輪廓曲線和 人臉其他部位的灰度分布圖進行匯總，看作是后期的一個識別特征。再通過該特征和庫中 的S維人臉模型進行匹配完成識別。
[0005] 分析=維人臉幾何特征識別算法發現，將獲取的=維人臉模型上的=維幾何特征 和庫中模型進行匹配時，存在精度誤差。所W，通常采用相似度比較的方法進行特征匹配。 然而該方法也有一定的弊端，其無法體現出人臉局部特征變化的關鍵程度及人臉表情改變 的偶然性。針對上述弊端，本文提出一種基于關聯程度計算的=維人臉識別算法。其引入 概率決策，通過概率對局部變化的關聯程度進行描述，從而增強識別的準確度。
【發明內容】
[0006] 本發明的目的在于提供基于關聯程度的=維人臉識別技術，解決了現有的=維人 臉識別方法存在精度誤差問題。
[0007] 本發明所采用的技術方案是按照W下步驟進行：
[0008] 步驟1 維人臉幾何特征的提取；
[0009] 將兩眼之間的距離看作是測量的基準，其他特征依據其和眼睛之間距離的比例獲 取：
[0010] (1)假設兩眼之間的距離是F1 ;內貼點和外貼點之間的歐式幾何距離；
[0011] (2)人眼內部之間的距離F2 ;兩個內貼點之間的歐式幾何距離；
[0012] (3)人眼外部之間的距離F3 ;兩個外貼點之間的歐式幾何距離；
[0013] (4)鼻子的高度F4 ;鼻子尖到鼻子根部的歐式幾何距離；
[0014] 人臉重要部位形成角度的特征
[00巧](1)左鼻翼、鼻尖、右鼻翼；者之間所形成的角度巧；
[0016] 似左眼的內眼點、鼻尖、右眼內眼點之間所成的角度F6 ;
[0017] 做左眼外眼點、鼻尖、右眼外眼點之間所成的角度巧；
[0018] (4)鼻尖與嘴角左右邊點所成的角度F8 ;
[0019] 步驟2 維幾何特征的測量
[0020] 1、計算歐式幾何距離
[002。 任意兩個S維特征點的坐標描述成Pi(X。y。Zi)，口2咕，72,Z2)，則二者的直線距離 即為兩點之間的歐式幾何距離，公式描述如下：
[0022]
; (1)
[002引通過上式即獲取F1~F3的特征值；假設鼻尖的坐標是（X。y。Zi)，鼻子根部的坐 標是（X2, 72,Z2)，鼻子下根部的坐標是咕，73,Z3)，則鼻子根部與鼻子下根部兩點構成的空 間直線方程描述成：
[0024]Ay+Bz+C= 0 ；
[00巧]式中，A = Z2-Z3, B = y廣ygC = y2(Z3-Z2) -Z2(y3_y2);
[o02引則鼻子高度：
[0027]
; (2)
[0028] 步驟3 ;求出角度幾何特征
[0029] 將左鼻翼、鼻尖、右鼻翼=者之間產生的角度看作是識別的=維幾何特征：
[0030]
(3)
[003。 式中，L用于描述d與a之間的距離；L2用于描述e與a之間的距離；S用于描述 上述S角形的面積，d表示鼻左側翼，a表示鼻尖，e表示鼻右側翼，b表示鼻根，C表示鼻子 下根部；
[0032] 左鼻翼、鼻尖、右鼻翼S者之間所形成的角度巧；
[0033]
(4)
[0034] 式中，Ls用于描述左鼻翼與鼻尖之間的距離；L4用于描述鼻尖與右鼻翼之間的距 離；S2用于描述上述S角形的面積；
[00巧]左眼的內眼點、鼻尖、右眼內眼點之間所成的角度F6 ;
[0036]
(5)
[0037] 式中，Lg用于描述左眼的內眼點與鼻尖之間的距離；Le用于描述鼻尖與右眼內眼 點之間的距離；S3用于描述上述S角形的面積；
[003引左眼外眼點、鼻尖、右眼外眼點之間所成的角度巧；
[0039]
倘
[0040] 式中，^用于描述左眼的內眼點與鼻尖之間的距離；Ls用于描述鼻尖與右眼外眼 點之間的距離；S4用于描述上述S角形的面積；
[0041] 鼻尖與嘴角左右邊點所成的角度F8 ;
[004引
（7)
[004引式中，Lg用于描述左嘴角與鼻尖之間的距離；Li。用于描述鼻尖與右嘴角之間的距 離；Sg用于描述上述S角形的面積；
[0044] 采集鼻子的體積幾何特征
[004引求出鼻子的體積：
[0046]
巧）
[0047] 式中，S用于描述底面四邊形的底面積，F4用于描述鼻子的高度；測出 bd, dc, ce, be的距離，之后，W be為對角線，分成兩個立角形bdc及ceb，通過正弦定理和余 弦定理，分別求出兩個=角形的面積，它們的和即為所求底面四邊形的底面積S ;
[004引步驟4;通過上述獲取的立維幾何特征求出相似度
[0049] 選取樣本，測出樣本的=維幾何特征，并進行歸一化處理，生成特征向量，之后，與 標準樣本庫中的歸一化特征向量進行比較，計算相似度，經過分析，得出相似度計算公式如 下：
[0050]
(9)
[0051] 式中，分別用Ii與I 2描述臉形圖像特征量，P(Q E)用于描述某種工作條件；通 過計算空間的特征差異A屬于或屬于Q E的概率，完成S維人臉識別的判斷，如果 P(Qil A)〉P(〇eIA)或S(Ii，l2)〉l/2,則認為識別成功。
[0052] 本發明的有益效果是識別的相似度更高，本發明方法應用于人臉S維模型的識別 上效果好。
【附圖說明】
[0053] 圖1是眼睛測量點示意圖；
[0054] 圖2是鼻子測量點不意圖；
[00巧]圖3是嘴測量點示意圖；
[0056]圖4是鼻子測量點實物示意圖。
【具體實施方式】
[0057] 下面結合【具體實施方式】對本發明進行詳細說明。
[0058] 人臉S維數據采集；本發明可通過美能達公司生產的VIVI910激光掃描儀進行掃 描，對人臉的=維幾何信息和紋理信息進行記錄。其中，=維幾何信息W柱體坐標的形式進 行記錄，紋理信息W典型的RGB信息方式進行記錄。人臉數據的預處理與分割：在進行數據 采集時，由于受到角度等因素的干擾，將導致=維模型出現漏洞，所W需對經掃描儀獲取的 原始=維人臉幾何模型進行預處理。除此之外最關鍵的步驟是需對其進行分割，從而獲取 完整的=維人臉區域。由于無法有效實現=維人臉的邊界檢測，所W，為了完成=維人臉頭 像的完整分割，需利用二維人臉圖片上的完整的紋理數據。在二維人臉圖像上對輪廓進行 采集，獲取人臉輪廓邊界及耳朵邊界。其余信息可在S維數據上確定，則肩膀之后的S維圖 像被刪除。完成邊界采集后，即可有效實現對=維人臉區域的分割。
[0059] 本發明具體的=維人臉識別技術方法步驟如下：
[0060] 步驟1 維人臉幾何特征的提取
[0061] 1、將兩眼之間的距離看作是測量的基準，其他特征可依據其和眼睛之間距離的比 例獲取。
[0062] (1)假設兩眼之間的距離是F1 ;內貼點和外貼點之間的歐式幾何距離。
[0063] (2)人眼內部之間的距離F2 ;兩個內貼點之間的歐式幾何距離。
[0064] (3)人眼外部之間的距離F3 ;兩個外貼點之間的歐式幾何距離。
[0065] (4)鼻子的高度F4 ;鼻子尖到鼻子根部的歐式幾何距離。
[0066] 2、人臉重要部位形成角度的特征
[0067] (1)左鼻翼、鼻尖、右鼻翼S者之間所形成的角度巧。
[0068] (2)左眼的內眼點、鼻尖、右眼內眼點之間所成的角度F6。
[006引 做左眼外眼點、鼻尖、右眼外眼點之間所成的角度巧。
[0070] (4)鼻尖與嘴角左右邊點所成的角度F8。
[0071] 3、相關部位體積的特征
[0072] 重點對人臉鼻子的體積F9進行計算。
[0073] 所有特征點的具體位置如圖1至圖3所示。
[0074] 步驟2 維幾何特征的測量
[0075] 確定上述=維人臉幾何特征后，其完成對其的準確測量，從而對其用于幾何特征 識別的準確性進行評價。
[0076] 1、計算歐式幾何距離
[0077] 任意兩個S維特征點的坐標可描述成Pi(X。y。Zi)，P2咕，72,Z2)，則二者的直線距 離即為兩點之間的歐式幾何距離，公式描述如下：
[0078]
(1)
[0079] 通過上式即可獲取F1~F3的特征值。其中，對F4的幾何特征計算有所不同。假設 鼻尖的坐標是（X。y。Zi)，鼻子根部的坐標是（X2, 72,Z2)，鼻子下