论文部分内容阅读
近年来,随着生物特征识别技术迅猛发展,人脸识别技术也开始走出实验室并逐渐得到市场的认可与重视,研究如何提高人脸识别的性能在理论上和应用上都具有很大价值。研究表明,光照和人脸姿态变化是影响人脸识别性能的两个主要问题,前者可以采用主动近红外光成像技术来解决,后者可以借助人脸姿态估计技术来弥补。所以,人脸姿态估计是人脸识别技术中一个重要课题。人脸姿态估计是指由输入的二维图像估算出人脸在三维空间中姿态的过程,一般来说,人脸姿态分为三个自由度:绕X轴旋转、绕Y轴旋转及绕Z轴旋转。本文为了估计这三个自由度中的人脸姿态参数,采用特征点定位与人脸姿态模型相结合的办法,主要解决的关键问题包括:(1)、特征点精确定位(包括眼睛、鼻孔、鼻尖点、嘴巴中心线定位):采用边缘信息椭圆拟合法进行眼睛定位、通过Quoit滤波器进行鼻孔点定位、结合鼻尖点的高亮特征与鼻孔点间的几何关系进行大角度范围内鼻尖点定位、利用中性表情时嘴巴中心线为黑线的特征定位嘴巴中心线;(2)、建立人脸姿态模型:将人头部假设成空间圆柱体,找到三维世界坐标系到二维图像平面坐标系的映射关系,从理论上推得三维空间中姿态参数与二维图像中各人脸器官特征点位置间的关系函数。这样,通过该关系式及人脸特征点的精确定位可以准确的估算出人脸的姿态参数。本文还设计了大量实验对所提出的方法进行评估。(1)、人脸特征点定位评估实验:在近红外光人脸图像库中,对各个特征点的定位误差进行分析,结果表明,特征点定位的平均误差在3个像素左右;(2)、在人脸姿态图像库中对人脸姿态模型的精确性予以验证,该模型的平均估算误差在5°左右;(3)、实现了一个人脸姿态估计系统,对给定近红外光人脸图像自动估算其姿态参数,平均估算误差5°左右,单幅图像的处理速度为20ms左右,说明本文提出的人脸姿态估计方法具有高速、精确的特性。