论文部分内容阅读
人脸识别技术因直观、友好和高性价比等优势在社会多个领域中都有着广泛的应用。基于二维人脸图像的二维人脸识别技术取得了巨大成功,但仍难以解决光照、姿态等问题,其发展进入瓶颈期。随着结构光和立体视觉等三维成像技术的发展,实时采集三维数据成为现实,因此越来越多的学者将研究重点放在三维人脸识别上。三维人脸数据受光照、姿态等因素的影响较小,却面临着表情变化等方面的严峻挑战。本文在对现有三维人脸识别算法分析和总结的基础上,依据基于局部描述符的方法对表情变化问题进行了研究,提出了两种三维人脸识别算法。本文的主要工作和创新点如下:1)提出了一种基于多元统计局部描述符(Multi-Statistics Local Descriptor,MSLD)的三维人脸识别算法。首先在人脸的半刚性区域内利用人脸的侧面轮廓线来提取关键点,依据对表情变化的敏感程度对其分类,再确定其邻域;然后利用协方差矩阵和直方图统计分别提取关键点邻域内的二阶和一阶统计信息,并对两者进行特征融合以构造多元统计局部描述符;最后对受表情影响较小的关键点的邻域特征赋予较高的权重并利用带权重的多任务稀疏表示分类器完成分类。在FRGC v2.0数据库和Bosphorus数据库上的实验结果充分证明了该算法的有效性以及对于表情变化的鲁棒性。2)提出了一种基于网格纵横局部二值模式的三维人脸识别算法。首先在人脸的半刚性区域内利用人脸的侧面轮廓线来提取关键点并根据关键点确定中心面片,再利用中心面片及其周围有序环确定关键点邻域;然后将网格上中心面片及其周围有序环看成一个整体,从纵向(相邻环上对应面片之间)和横向(同一环上相邻标号面片之间)分别提取关键点邻域的网格纵向局部二值模式(Local Binary Pattern from Vertical on the mesh,mesh-VLBP)描述符和网格横向局部二值模式(Local Binary Pattern from Horizontal on the mesh,mesh-HLBP)描述符,并且对这两者进行特征融合得到网格纵横局部二值模式(Local Binary Pattern from Vertical and Horizontal on the mesh,mesh-VHLBP)描述符,从而更加全面地表征局部区域;最后利用标签一致性的K-SVD2(Label Consistent K-SVD,LC-KSVD2)字典学习算法在FRGC v2.0数据库和Bosphorus数据库上完成识别实验。实验结果充分表明了该算法减小了表情变化的影响,具有较好的识别性能。