三維人臉配準(zhǔn)方法
【專利摘要】本發(fā)明涉及三維人臉配準(zhǔn)方法，首先，把人臉當(dāng)做橢球體放在坐標(biāo)系中，把人臉的較長上下方向、中間長度的左右方向，寬度最小的前后方向分別當(dāng)做坐標(biāo)系的X、Y、Z軸，在此基礎(chǔ)上使用主成分分析PCA，將主成分分析得到的三個特征向量分別對應(yīng)人臉坐標(biāo)軸的X、Y、Z軸并使主軸坐標(biāo)系原點(diǎn)在z坐標(biāo)最大的點(diǎn)處；接著，平移三維人臉數(shù)據(jù)，使Z坐標(biāo)最大值點(diǎn)在人臉主軸坐標(biāo)系的原點(diǎn)，即鼻尖點(diǎn)位于人臉主軸坐標(biāo)系的原點(diǎn)；在主軸坐標(biāo)系下，z坐標(biāo)最大點(diǎn)可以近似認(rèn)為鼻尖點(diǎn)；最后，將PCA方法應(yīng)用于三維人臉配準(zhǔn)，并用來確定鼻尖點(diǎn)候選點(diǎn)集。本發(fā)明提出使用PCA方法進(jìn)行三維人臉的粗配準(zhǔn)，在配準(zhǔn)的同時定位出鼻尖點(diǎn)候選區(qū)域，該方法不僅運(yùn)算量小而且能夠簡化后期特征點(diǎn)的選擇工作。
【專利說明】三維人臉配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及三維人臉配準(zhǔn)方法。
【背景技術(shù)】
[0002]人類對安全性考慮的增加使得人臉識別技術(shù)已經(jīng)成為研究者關(guān)注的重點(diǎn)。在人臉識別技術(shù)中特征的提取技術(shù)起著關(guān)鍵的作用，這是因?yàn)槿S人臉識別技術(shù)的實(shí)質(zhì)是把人臉用特征來抽象的表示然后基于特征進(jìn)行識別。目前常見的特征提取方法有基于二維人臉照片的也有基于三維人臉數(shù)據(jù)的。三維數(shù)據(jù)的信息量要遠(yuǎn)比二維照片豐富。加之三維人臉數(shù)據(jù)相比二維數(shù)據(jù)不受光照、姿態(tài)、表情等的影響，因此越來越多的研究者轉(zhuǎn)向了三維人臉特征提取方面。
[0003]配準(zhǔn)方法的實(shí)質(zhì)就是尋找人臉模型與基準(zhǔn)模型的對應(yīng)關(guān)系，根據(jù)采用的對應(yīng)關(guān)系的方法的不同，可以分為整體配準(zhǔn)和逐片配準(zhǔn)兩大類。整體配準(zhǔn)是尋找整個人臉之間的對應(yīng)關(guān)系。逐片配準(zhǔn)是把人臉按照一定的原則進(jìn)行分解，然后一塊一塊的進(jìn)行配準(zhǔn)。根據(jù)配準(zhǔn)是否分步，又可分為直接配準(zhǔn)和粗精配準(zhǔn)相結(jié)合的配準(zhǔn)方法。當(dāng)待配準(zhǔn)的對象比較簡單時通常采用粗配準(zhǔn)算法，而對象比較復(fù)雜時一股采取粗精結(jié)合，先進(jìn)行粗配準(zhǔn)，然后再進(jìn)行精配準(zhǔn)，這樣做的目的主要是為了減少工作量。常用的方法有標(biāo)志點(diǎn)粗配準(zhǔn)方法、ICP精配準(zhǔn)方法和PCA粗配準(zhǔn)方法。
[0004]標(biāo)志點(diǎn)粗配準(zhǔn)算法是借助于已經(jīng)精確定位的特征點(diǎn)。該方法首先需要獲取人臉的三個特征點(diǎn)，組成一個穩(wěn)定的三角形框架。常用的三角形框架主要有鼻尖點(diǎn)與兩個內(nèi)眼角點(diǎn)組成的三角形框架，鼻尖點(diǎn)與外眼角點(diǎn)組成的三角形框架。在考慮到姿態(tài)的影響時，研究者發(fā)現(xiàn)外眼角的定位常常不那么準(zhǔn)確。常用的三角形框架如圖1所示。該算法的實(shí)質(zhì)是基于待配準(zhǔn)的人臉三角形與基準(zhǔn)的人臉三角形進(jìn)行配準(zhǔn)，從其原理我們可以看出，該方法只能粗略的配準(zhǔn)三維人臉。
[0005]該算法的主要流程為:
[0006](I)定位人臉的鼻尖和內(nèi)眼角或外眼角特征點(diǎn)，那么就可以形成待配準(zhǔn)人臉的三角形框架和基準(zhǔn)人臉的三角形框架，然后計(jì)算二者的質(zhì)心和法向量。
[0007](2)平移和旋轉(zhuǎn)待配準(zhǔn)的三維人臉的三角形，使其三角形的質(zhì)心和法向量分別于基準(zhǔn)人臉的三角形的質(zhì)心與法向量相重合，這樣就得到了兩個共面的三角形。
[0008](3)對改變后的待配準(zhǔn)的三角形繞法向量進(jìn)行旋轉(zhuǎn)，其目的是使待配準(zhǔn)三角形的頂點(diǎn)與基準(zhǔn)三角形的頂點(diǎn)之間的距離的平方和最小，這樣配準(zhǔn)就完成了。
[0009]ICP精配準(zhǔn)算法是最早提出來的配準(zhǔn)方法。這是一種最近點(diǎn)迭代算法。該算法要求三維人臉數(shù)據(jù)已經(jīng)進(jìn)行了粗配準(zhǔn)，否則該算法很難正常結(jié)束。而正常結(jié)束的算法的標(biāo)準(zhǔn)就是配準(zhǔn)誤差的平方和為最小。而在三維人臉識別方面，則是把待配準(zhǔn)人臉與三維人臉庫中的人臉點(diǎn)集進(jìn)行一一對齊，把配準(zhǔn)誤差的平方和最小的那個人臉作為待識別人臉的身份，這里還必須考慮的一個問題是待配準(zhǔn)人臉上的點(diǎn)的數(shù)目，ICP算法對點(diǎn)集數(shù)目的要求并不是很嚴(yán)格。但是待配準(zhǔn)的人臉點(diǎn)集的數(shù)目必須小于基準(zhǔn)人臉點(diǎn)集的數(shù)目，否則算法無法運(yùn)行。另外我們還要考慮到表情和噪聲對ICP算法是有影響的。本發(fā)明由于沒有考慮表情對特征提取的影響，因此在這里也不予考慮表情的影響因素。ICP基本算法基本流程如下:
[0010](I)給變量賦初值。
[0011](2)對待配準(zhǔn)人臉上的每個點(diǎn)，在基準(zhǔn)人臉上查找距離最近的點(diǎn)，將這兩組點(diǎn)集建立—對應(yīng)的關(guān)系。
[0012](3)根據(jù)對應(yīng)關(guān)系，建立轉(zhuǎn)換矩陣，將待配準(zhǔn)人臉上的每個點(diǎn)進(jìn)行變換。
[0013](4)求出待配準(zhǔn)人臉上的每個點(diǎn)與基準(zhǔn)人臉的對應(yīng)點(diǎn)的距離。
[0014](5)通過預(yù)先設(shè)定的條件來判斷是否結(jié)束。如果超出閾值設(shè)定范圍，則結(jié)束循環(huán)，配準(zhǔn)完成。否則，返回第2步開始繼續(xù)循環(huán)。
[0015]其中通過循環(huán)算法，對基準(zhǔn)人臉上的每個點(diǎn)在待配準(zhǔn)人臉上找到最近的點(diǎn)，這是算法中最重要的一步，計(jì)算量相當(dāng)大，運(yùn)行時間也特別長。研究者在遍歷查找算法的基礎(chǔ)上，提出了很多加速算法，比較成功的算法有k-d樹算法和桶算法等。

【發(fā)明內(nèi)容】

[0016]本發(fā)明提出使用PCA方法進(jìn)行三維人臉的粗配準(zhǔn)，在配準(zhǔn)的同時定位出鼻尖點(diǎn)候選區(qū)域，該方法不僅運(yùn)算量小而且能夠簡化后期特征點(diǎn)的選擇工作。
[0017]本發(fā)明提供一種三維人臉配準(zhǔn)方法，所述配準(zhǔn)方法采用PCA方法，具體包括如下步驟:·[0018]首先，把人臉當(dāng)做橢球體放在坐標(biāo)系中，把人臉的較長上下方向、中間長度的左右方向，寬度最小的前后方向分別當(dāng)做坐標(biāo)系的X、Y、Z軸，在此基礎(chǔ)上使用主成分分析PCA，將主成分分析得到的三個特征向量分別對應(yīng)人臉坐標(biāo)軸的X、Y、Z軸并使主軸坐標(biāo)系原點(diǎn)在z坐標(biāo)最大的點(diǎn)處；
[0019]接著，平移三維人臉數(shù)據(jù)，使Z坐標(biāo)最大值點(diǎn)在人臉主軸坐標(biāo)系的原點(diǎn)，即鼻尖點(diǎn)位于人臉主軸坐標(biāo)系的原點(diǎn)；在主軸坐標(biāo)系下，z坐標(biāo)最大點(diǎn)可以近似認(rèn)為鼻尖點(diǎn)；
[0020]最后，將PCA方法應(yīng)用于三維人臉配準(zhǔn)，并用來確定鼻尖點(diǎn)候選點(diǎn)集，其步驟主要如下:
[0021](I)對三維人臉點(diǎn)集進(jìn)行PCA降維處理，求取三維人臉數(shù)據(jù)的三個主軸(Xl，Y1,
Z1)；
[0022](2)對P(PnPnn)進(jìn)行平移和旋轉(zhuǎn)，根據(jù)公式Qi=U1 JpZ1) 1Pi,使之轉(zhuǎn)移到(X1,Y1, Z1)為坐標(biāo)軸的坐標(biāo)系下，由此得到Q(q1; q2…，qn)，Qi為對應(yīng)的點(diǎn)Pi在主軸坐標(biāo)系中的坐標(biāo)；
[0023](3)把z坐標(biāo)最大的點(diǎn)平移到主軸坐標(biāo)系的原點(diǎn)，由此建立人臉在主軸坐標(biāo)系下的點(diǎn)集，由此確定鼻尖點(diǎn)候選點(diǎn)集。
【專利附圖】

【附圖說明】
[0024]通過參照附圖更詳細(xì)地描述本發(fā)明的示例性實(shí)施例，本發(fā)明的以上和其它方面及優(yōu)點(diǎn)將變得更加易于清楚，在附圖中:
[0025]圖1為常用的三角形框架示意圖；
[0026]圖2為本發(fā)明的人臉主軸坐標(biāo)系示意圖；[0027]圖3為本發(fā)明的鼻尖點(diǎn)候選區(qū)域示意圖。
【具體實(shí)施方式】
[0028]在下文中，現(xiàn)在將參照附圖更充分地描述本發(fā)明，在附圖中示出了各種實(shí)施例。然而，本發(fā)明可以以許多不同的形式來實(shí)施，且不應(yīng)該解釋為局限于在此闡述的實(shí)施例。相反，提供這些實(shí)施例使得本公開將是徹底和完全的，并將本發(fā)明的范圍充分地傳達(dá)給本領(lǐng)域技術(shù)人員。
[0029]在下文中，將參照附圖更詳細(xì)地描述本發(fā)明的示例性實(shí)施例。
[0030]PCA方法又稱為K一L變換。該方法不僅是一種有效的人臉識別算法，也是一種有效的特征提取算法，在特征降維方面有不錯的效果。其主要思想是使用一組正交向量盡可能去描述三維人臉。這組正交向量被稱為主成分。其數(shù)學(xué)原理如下:
[0031]將一個在某一種坐標(biāo)系下的向量X轉(zhuǎn)換成用另一種基向量組成的坐標(biāo)系表示，其基向量表示為Uj，j=l，2,..., °°，對集合中的每一個X展開,可得:
[0032]
【權(quán)利要求】
1.三維人臉配準(zhǔn)方法，其特征在于: 所述配準(zhǔn)方法采用PCA方法，具體包括如下步驟: 首先，把人臉當(dāng)做橢球體放在坐標(biāo)系中，把人臉的較長上下方向、中間長度的左右方向，寬度最小的前后方向分別當(dāng)做坐標(biāo)系的X、Y、Z軸，在此基礎(chǔ)上使用主成分分析PCAdf主成分分析得到的三個特征向量分別對應(yīng)人臉坐標(biāo)軸的X、Y、Z軸并使主軸坐標(biāo)系原點(diǎn)在ζ坐標(biāo)最大的點(diǎn)處； 接著，平移三維人臉數(shù)據(jù)，使Z坐標(biāo)最大值點(diǎn)在人臉主軸坐標(biāo)系的原點(diǎn)，即鼻尖點(diǎn)位于人臉主軸坐標(biāo)系的原點(diǎn)；在主軸坐標(biāo)系下，Z坐標(biāo)最大點(diǎn)可以近似認(rèn)為鼻尖點(diǎn)； 最后，將PCA方法應(yīng)用于三維人臉配準(zhǔn)，并用來確定鼻尖點(diǎn)候選點(diǎn)集，其步驟主要如下: (1)對三維人臉點(diǎn)集進(jìn)行PCA降維處理，求取三維人臉數(shù)據(jù)的三個主軸(Xl，yi，Zl)； (2)對P(p17p2...，pn)進(jìn)行平移和旋轉(zhuǎn)，根據(jù)公式Qi=U1, y17 Z1) 1Pi,使之轉(zhuǎn)移到(x1； y1；Z1)為坐標(biāo)軸的坐標(biāo)系下，由此得到Q(q1; q2…，qn)，％為對應(yīng)的點(diǎn)Pi在主軸坐標(biāo)系中的坐標(biāo)； (3)把z坐標(biāo)最大的點(diǎn)平移到主軸坐標(biāo)系的原點(diǎn)，由此建立人臉在主軸坐標(biāo)系下的點(diǎn)集，由此確 定鼻尖點(diǎn)候選點(diǎn)集。
【文檔編號】G06K9/62GK103714318SQ201310680893
【公開日】2014年4月9日 申請日期:2013年12月13日 優(yōu)先權(quán)日:2013年12月13日
【發(fā)明者】譚玉波, 周德祥, 胡江匯, 張春燕, 王 鋒 申請人:譚玉波