一種全自動、魯棒的三維人臉檢測方法技術

本文公開發明專利技術了一種全自動、魯棒的三維人臉檢測方法，以不同姿態和表情下含有大量冗余信息和噪聲的三維人臉離散點云作為輸入，主要包括預處理、鼻尖點定位和人臉檢測三個階段。預處理階段首先對輸入的點云模型進行平滑處理，然后對三維模型進行人臉預分割；鼻尖點定位階段首先對初始人臉作旋轉變換，獲取原始人臉的離散輪廓線點集，然后對曲線擬合及梯度分析，從鼻子輪廓線上提取最突出的點作為鼻尖點；人臉檢測階段以鼻尖點為球心，經驗值為半徑分割出人臉區域并進行姿態矯正。本發明專利技術方法適用于大規模三維人臉數據庫，對姿態、表情魯棒性好，且處理速度快、準確率高。

【技術實現步驟摘要】

本專利技術屬于圖像處理和模式識別
，尤其涉及適用于三維人臉識別方向中的人臉檢測方法。
技術介紹
進入21世紀，人類進入了信息爆炸時代，信息安全問題日益突出，身份識別和認證已成為各類安保系統中亟待解決的問題。生物識別技術以其安全、普遍易維護等優點成為當前應用最多的身份識別和認證技術。作為生物識別技術的一個分支，人臉識別以其自然、友好、用戶接受度高、易采集等優點，在實際應用中越來越多。以往的人臉識別技術大多基于二維圖像，易表情、姿態、光照等因素影響，識別性能遲遲難以有更大的突破。近年來隨著計算機和三維成像技術的發展，基于三維模型的人臉識別方法有望克服現今人臉識別中遇到的姿態問題。但現有的三維人臉識別方法一般都針對沒有姿態變化或姿態變化極小的情況，具有較大姿態的人臉識別，仍然是一個難題。此外，在實際的數據采集時，獲取的人臉模型往往包含了頭發、肩部、頸部等非人臉區域的冗余信息，且受表情變化影響，不可避免地含有噪聲信息，這對后期人臉的特征提取和識別產生了很大的干擾作用。在這種情況下如何快速準確地檢測出人臉區域，成為三維人臉識別研究急需解決的問題。鼻尖是人臉區域上幾何特征最為明顯，是最容易識別的區域，可近似看做人臉的中心，通過鼻尖點可快速準確的分割出人臉區域。申請號200910197378.4，名稱為“一種全自動三維人臉檢測和姿態糾正的方法”的專利，對人臉曲面進行多尺度分析，根據鼻子的區域特征定位鼻尖點，受人臉之間差異性影響，鼻子的區域特征并不穩定，因而定位結果往往并不準確。2013年吉林大學蔡宇的“三維人臉檢測與識別技術”博士論文中提出利用統計方式分析人臉的曲率特征定位鼻尖點，實現人臉檢測，而曲率等特征信息在噪聲干擾的情況下會表現的十分不穩定。申請號201510064736.X，名稱為“一種抗表情、姿態及遮擋變化的三維人臉特征點檢測方法”的專利，提出訓練生成平均鼻子模型，定位鼻尖點的方法，該方法需手動標記人臉標記點，定位過程耗費時間較長。上述方法都存在不可避免的問題，無法同時滿足人臉檢測的速度和精度要求，制約著三維人臉識別研究的發展。
技術實現思路
專利技術目的：針對現有三維人臉分割方法的不足，提出了一種全自動、魯棒的三維人臉檢測方法。該方法可實現復雜姿態和表情變化下三維人臉的自動檢測，對用戶的配合度要求較低，可實現三維人臉的快速準確分割。為實現上述專利技術目的，本專利技術采用的技術方案如下：1、預處理階段，包括以下步驟：1-1)平滑處理：基于二維圖像腐蝕操作的思想，首先將輸入的點云數據中包含的離群點刪除，然后引入中值濾波的思想將尖點剔除，最后利用雙立方插值法進行空洞的填補，從而完成模型的平滑處理；離群點定義：Pnoise＝{pi∈P|neiN(pir)＜ω本文檔來自技高網...

【技術保護點】
一種全自動、魯棒的三維人臉檢測方法，其特征在于，包括如下三個階段和步驟：1)預處理階段，包括以下步驟：1?1)平滑處理：基于二維圖像腐蝕操作的思想，首先將輸入的點云數據中包含的離群點刪除，然后引入中值濾波的思想將尖點剔除，最后利用雙立方插值法進行空洞的填補，從而完成模型的平滑處理；離群點定義：Pnoise＝{pi∈P|neiN(pir)<ω}其中P表示原始三維人臉點集，pir表示以pi為球心，r為徑的球形領域內點集，neiN(pir)表示點pi的球形領域內點的個數，ω為閾值。取r＝3.0mm，ω＝10，剔除離群點；尖點定義：Pcusp＝{pi∈P|dis(piz?dz)>τdz}其中dis(piz?dz)表示點pi的z坐標與其鄰域內點的z坐標均值dz之間的距離，τdz為給定的閾值，由點p的鄰近點距離dz的中值確定。當三維點坐標滿足尖點判斷條件時予以剔除，并其點坐標設置為：其中n為點p的鄰域內鄰近點個數。1?2)人臉預分割：根據三維模型的三維坐標取值，截取距離攝像頭最近的一段距離內的三維模型區域，將三維模型中最突出的部分提取出來作為鼻尖點的提取區域S；S＝{pi∈P|piy∈[Pymax?yε，Pymax]，piz∈[Pzmax?zε，Pzmax]}。其中Pymax、Pzmax分別為點集合P中豎直方向上最大值和深度方向上的最大值，yε、zε分別為給定的閾值，取yε＝250mm、zε＝0.5Pzmax。2)鼻尖點提取階段，包括以下步驟：2?1)提取輪廓線：利用旋轉法，將預分割后的人臉區域繞y軸做旋轉變換，θ為旋轉角度。取θ＝{0,5,10,…180}。取具有最大深度值的角度上的垂直向點集為初始人臉的離散輪廓線點集然后對輪廓線點集進行B樣條擬合，從而得到初始人臉的輪廓線；2?2)鼻尖點定位：對人臉的中分輪廓線進行梯度分析后，根據人臉輪廓線的幾何形狀特性可知，輪廓線中部梯度最大的極大值點即為鼻下點，鼻下點上部的第一個梯度極小值點即為鼻根點，輪廓線上鼻下點與鼻根點之間最突出的點即為鼻尖點；3)人臉檢測階段，包括以下步驟：3?1)人臉分割：以鼻尖點為球心，經驗值R為半徑分割人臉區域，R＝90mm；3?2)姿態矯正：利用PCA主成分分析法對三維人臉進行姿態的預調整，設人臉區域的點云集合為P＝{P0,P1,…Pm?1}，對應的均值點為計算人臉點云的協方差矩陣covP=1mΣi=0m-1(Pi-P‾)(Pi-P‾)T]]>計算出對應的特征值λ1，λ2，λ3(λ1>λ2>λ3)和特征向量α1，α2，α3。以鼻尖點為坐標原點，特征向量α2為x軸，特征向量α1為y軸，特征向量α3為z軸建立右手坐標系，該坐標系為姿勢坐標系(PCS)將人臉點云投影到PCS中完成姿態矯正；Pl′=α2α1α3(Pi-Pnose),i=0,1,...,m-1]]>表示經坐標變換后每個點云數據的坐標向量，Pi表示原始的人臉點云坐標向量，Pnose為鼻尖點的坐標向量，m為分割后人臉區域包含的點云數目。...

【技術特征摘要】
1.一種全自動、魯棒的三維人臉檢測方法，其特征在于，包括如下三個階段和步驟：1)預處理階段，包括以下步驟：1-1)平滑處理：基于二維圖像腐蝕操作的思想，首先將輸入的點云數據中包...

【專利技術屬性】
技術研發人員：徐海黎，潘臘青，沈標，
申請(專利權)人：南通大學，
類型：發明
國別省市：江蘇;32