基于三維點(diǎn)云的三維人臉年齡分類裝置及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及=維人臉識(shí)別技術(shù)領(lǐng)域，尤其設(shè)及一種基于=維點(diǎn)云的=維人臉年齡 分類裝置及方法。
【背景技術(shù)】
[0002] =維人臉識(shí)別相對(duì)于二維人臉識(shí)別，有著其對(duì)光照魯椿、受姿態(tài)W及表情等因素 影響較小等優(yōu)點(diǎn)，因此在=維數(shù)據(jù)采集技術(shù)飛速發(fā)展W及=維數(shù)據(jù)的質(zhì)量和精度大大提升 之后，很多學(xué)者都將他們的研究投入到該領(lǐng)域中。
[0003] CN20101025690提出了S維彎曲不變量的相關(guān)特征用來(lái)進(jìn)行人臉特性描述。該方 法通過(guò)編碼=維人臉表面相鄰節(jié)點(diǎn)的彎曲不變量的局部特征，提取彎曲不變量相關(guān)特征； 對(duì)所述彎曲不變量的相關(guān)特征進(jìn)行簽名并采用譜回歸進(jìn)行降維，獲得主成分，并運(yùn)用K最 近鄰分類方法對(duì)=維人臉進(jìn)行識(shí)別。但是由于提取變量相關(guān)特征時(shí)需要復(fù)雜的計(jì)算量，因 此在效率上限制了該方法的進(jìn)一步應(yīng)用；
[0004] CN200910197378提出了一種全自動(dòng)S維人臉檢測(cè)和姿勢(shì)糾正的方法。該方法通過(guò) 對(duì)人臉=維曲面進(jìn)行多尺度的矩分析，提出了臉部區(qū)域特征來(lái)粗趟地檢測(cè)人臉曲面，及提 出鼻尖區(qū)域特征來(lái)準(zhǔn)確地定位鼻尖的位置，然后進(jìn)一步精確地分割出完整的人臉曲面，根 據(jù)人臉曲面的距離信息提出鼻根區(qū)域特征來(lái)檢測(cè)鼻根的位置后，建立了一個(gè)人臉坐標(biāo)系， 并據(jù)此自動(dòng)地進(jìn)行人臉姿勢(shì)的糾正應(yīng)用。該專利目的在于對(duì)=維人臉數(shù)據(jù)的姿態(tài)進(jìn)行估 計(jì)，屬于S維人臉識(shí)別系統(tǒng)的數(shù)據(jù)預(yù)處理階段。
[0005] =維人臉年齡分類是=維人臉領(lǐng)域的一個(gè)基礎(chǔ)工作。準(zhǔn)確的年齡分類不僅可W有 效地獲取人臉數(shù)據(jù)中的人臉特性，獲取更多的人臉語(yǔ)義理解信息，同時(shí)還可W作為=維人 臉識(shí)別的一個(gè)粗分類步驟，提升識(shí)別系統(tǒng)的精度。年齡分類的難點(diǎn)在于如何準(zhǔn)確的描述人 臉數(shù)據(jù)的年齡特性W及如何在特征空間的基礎(chǔ)上實(shí)現(xiàn)準(zhǔn)確的分類。

【發(fā)明內(nèi)容】

[0006] 為了解決上述技術(shù)問(wèn)題，本發(fā)明公開一種基于=維點(diǎn)云的=維人臉年齡分類裝置 及方法，本發(fā)明采用如下技術(shù)方案來(lái)解決上述技術(shù)問(wèn)題：
[0007] 一種基于=維點(diǎn)云的=維人臉年齡分類裝置，包括：
[000引對(duì)于=維點(diǎn)云特征區(qū)域進(jìn)行定位的特征區(qū)域檢測(cè)單元；
[0009] 將S維點(diǎn)云進(jìn)行映射到深度圖像空間的映射單元；
[0010] 對(duì)映射后的深度圖像進(jìn)行深度圖像表象特征計(jì)算的特征計(jì)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(jìn)行年齡分類的年齡分類器計(jì)算單元。
[0012] 優(yōu)選的，在上述的一種基于=維點(diǎn)云的=維人臉年齡分類裝置中，所述特征區(qū)域 檢測(cè)單元包括：
[0013] 特征提取單元，針對(duì)=維點(diǎn)云區(qū)域特性提取=維點(diǎn)云數(shù)據(jù)的相應(yīng)特征；
[0014] 特征區(qū)域分類器單元，對(duì)特征提取單元提取的相應(yīng)也正進(jìn)行數(shù)據(jù)點(diǎn)的分類計(jì)算， 判斷其是否適于特征區(qū)域，所述特征區(qū)域分類器單元為為支持向量機(jī)或者Adaboost。
[0015] 優(yōu)選的，在上述的一種基于=維點(diǎn)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(diǎn)云映射為深度圖像的映射模塊；
[0017] 利用濾波器對(duì)獲取的深度圖像的空洞或者噪點(diǎn)信息進(jìn)行去噪的去噪模塊。
[001引優(yōu)選的，在上述的一種基于=維點(diǎn)云的=維人臉年齡分類裝置中，所述年齡分類 器計(jì)算單元包括：
[0019] 用于存儲(chǔ)利用訓(xùn)練集中的=維人臉數(shù)據(jù)進(jìn)行訓(xùn)練獲取的年齡隨機(jī)森林分類參數(shù) 的年齡隨機(jī)森林分類器參數(shù)存儲(chǔ)模塊；
[0020] 在表象特征計(jì)算獲得的G油or特征和LBP直方圖特征集合的基礎(chǔ)上，利用年齡隨 機(jī)森林分類器進(jìn)行計(jì)算，實(shí)現(xiàn)年齡分類的年齡分類器計(jì)算模塊。
[0021] 本發(fā)明還公開一種基于=維點(diǎn)云的=維人臉年齡分類方法，包括如下步驟：
[0022] 特征區(qū)域檢測(cè)步驟，對(duì)于=維點(diǎn)云特征區(qū)域進(jìn)行定位，作為配準(zhǔn)的基準(zhǔn)數(shù)據(jù)，然后 對(duì)輸入點(diǎn)云數(shù)據(jù)與基礎(chǔ)人臉數(shù)據(jù)進(jìn)行配準(zhǔn)；
[0023] 深度圖像映射步驟，利用數(shù)據(jù)的S維坐標(biāo)值，將檢測(cè)定位的S維點(diǎn)云數(shù)據(jù)映射為 深度圖像；
[0024] 表象特征計(jì)算步驟，對(duì)映射后的深度圖像Gabor特征計(jì)算W及LBP特征計(jì)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(duì)獲得的=維人臉數(shù)據(jù)表象特征集合進(jìn)行年齡分類計(jì)算，從而實(shí)現(xiàn)= 維人臉年齡分類。
[0026] 優(yōu)選的，在上述的一種基于=維點(diǎn)云的=維人臉年齡分類方法中，所述特征區(qū)域 為鼻尖區(qū)域，檢測(cè)鼻尖區(qū)域的步驟如下：
[0027] 步驟1 ;確定闊值，確定域平均負(fù)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(shù)據(jù)，利用數(shù)據(jù)的深度信息，提取在一定深度范 圍內(nèi)的人臉數(shù)據(jù)作為待處理數(shù)據(jù)；
[0029] 步驟3 ;法向量的計(jì)算，計(jì)算由深度信息選取出的人臉數(shù)據(jù)的方向量信息；
[0030] 步驟4 ;區(qū)域平均負(fù)有效能量密度的計(jì)算，按照區(qū)域平均負(fù)有效能量密度的定義， 求出待處理數(shù)據(jù)中個(gè)連通域的平均負(fù)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(qū)域，當(dāng)前區(qū)域闊值大于預(yù)定義的t虹時(shí)，該區(qū)域即為 鼻尖區(qū)域，否則回到步驟1重新開始循環(huán)。
[0032] 優(yōu)選的，在上述的一種基于=維點(diǎn)云的=維人臉年齡分類方法中，所述特征區(qū)域 檢測(cè)步驟中，輸入=維點(diǎn)云數(shù)據(jù)與基礎(chǔ)人臉數(shù)據(jù)利用ICP算法進(jìn)行配準(zhǔn)。
[0033] 優(yōu)選的，在上述的一種基于=維點(diǎn)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(jìn)行深度圖像的獲取，然后利用中值濾波器對(duì)映射后的深度 圖像中的噪音點(diǎn)進(jìn)行補(bǔ)償去噪。
[0034] 優(yōu)選的，在上述的一種基于=維點(diǎn)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(duì)應(yīng)數(shù)據(jù)值，構(gòu)建從=維點(diǎn)云到深度圖像的映射。
[0035] 優(yōu)選的，在上述的一種基于=維點(diǎn)云的=維人臉年齡分類方法中，分類步驟中對(duì) 獲得的=維人臉數(shù)據(jù)表象特征利用年齡隨機(jī)森林分類器進(jìn)行年齡分類計(jì)算，從而實(shí)現(xiàn)=維 人臉年齡分類。
[0036] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下技術(shù)效果：
[0037] 本發(fā)明利用結(jié)合多種紋理特征構(gòu)建表象特征池的方式，準(zhǔn)確的描述了 =維深度人 臉圖像的特性，然后利用年齡隨機(jī)森林分類器在表象特征集合的基礎(chǔ)上實(shí)現(xiàn)了準(zhǔn)確分類， 分類精度高。本發(fā)明可作為=維人臉年齡分類應(yīng)用的一種解決方案，也可W作為=維人臉 分類的一個(gè)粗分類步驟一提高系統(tǒng)精度。
【附圖說(shuō)明】
[003引圖1為本發(fā)明系統(tǒng)框圖
[0039] 圖2為本發(fā)明流程框圖
[0040] 圖3為本發(fā)明=維人臉鼻尖區(qū)域定位示意圖
[0041] 圖4為本發(fā)明不同姿態(tài)=維人臉配準(zhǔn)示意圖
[0042] 圖5為S維人臉數(shù)據(jù)噪音的示意圖
[0043] 圖6為本發(fā)明S維點(diǎn)云數(shù)據(jù)映射為深度圖像的示意圖
[0044] 圖7為本發(fā)明表象特征計(jì)算步驟示意圖
[0045] 圖8為隨機(jī)森林分類器原理示意圖
[0046] 圖9為隨機(jī)森林分類器進(jìn)行預(yù)測(cè)流程圖
【具體實(shí)施方式】
[0047] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0048] 如圖1所示，本發(fā)明公開一種基于=維點(diǎn)云的=維人臉年齡分類裝置，具體包括：
[0049] 對(duì)于=維點(diǎn)云特征區(qū)域進(jìn)行定位的特征區(qū)域檢測(cè)單元；
[0050] 將S維點(diǎn)云進(jìn)行映射到深度圖像空間的映射單元；
[0化1] 對(duì)映射后的深度圖像進(jìn)行深度圖像表象特征計(jì)算的特征計(jì)算單元，特征包括 G油or特征W及LBP直方圖特征；
[0化2] 基