快速三維人耳識別方法技術

本發明專利技術提出的快速三維人耳識別方法工作穩定，效果良好，速度很快。所提議的結合深度信息和曲率信息的ＰＣＡ算法，識別率達９８．６％，識別時間僅為０．００７秒，人耳認證的等錯誤率僅為０．５％，所提議的基于ＩＣＰＩＦ的３Ｄ人耳識別算法，識別率高達９９．８％，運算速度也較ＩＣＰ算法有所提升。

【技術實現步驟摘要】

本專利技術屬于圖像處理
，具體涉及一種可以自動地從三維深度數據中提取出人耳并進行識別或認證的方法。
技術介紹
生物識別技術是利用人的生理特征或行為特征進行身份識別的技術，這種鑒別技術具有比傳統的密碼和身份識別碼等更可靠、更安全的特點。人耳識別是一種較新的生物識別方法，近幾年來受到了國內外很多研究者的關注，這是因為人耳具有唯一性和穩定性，可以作為個體生物識別的依據，而且人耳表面具有大量的溝和脊，形狀特征很豐富，還不受胡子、化妝品和表情的影響。另外，人耳數據采集比較方便，不需要識別對象較多的配合，適用于監視場合。因此，人耳識別是一種很有發展潛力的生物特征識別技術。 研究人員已經發展了一些基于2D灰度圖像的人耳識別技術，但是這些技術的性能嚴重受到陰影、姿態變化和成像條件等的影響。然而，一個實用的生物識別系統需要具有識別率高、識別速度快和魯棒性好等特點。基于三維表面形狀的人耳識別算法就能夠很好地解決光照、姿態等問題，魯棒性較好。附圖l就是一個深度傳感器采集的三維人耳例子，圖中坐標單位是mm，采用深度傳感器可以獲取人耳的表面形狀。 Yan和Bowyer比較了幾種3D人耳識別方法深度數據Z通道的主元分析 (principle component analysis, PCA)方f去、基于f果度圖亍象邊緣的hausdorff足巨離方f去、 還有利用迭代最近點(iterative closest points, ICP)配準后的配準誤差來識別的方法。 所用的人耳數據是從側臉圖像中手動分割出來的。在一個包含302人的數據庫上，PCA方法 的識別率僅為55.3%， Hausdorf f距離方法為67.5%，而使用ICP方法識別率達到98. 8 % 。 他們后來提出了一種耳洞檢測算法用于檢測耳朵位置，在灰度圖像和深度圖像結合后的圖 像上，使用snake算法自動提取人耳區域，依然使用ICP算法識別人耳。在一個包含415人 的數據庫里，他們報道的識別率為97. 6%，人耳提取過程耗時約10 20秒。由于ICP算法 運算復雜度很高，所以人耳識別非常慢，匹配一對耳朵就需要5 8秒。Chen和Bha皿也使 用了 ICP方法進行人耳識別，但他們得到的識別結果不如Yan等人。Passalis等人使用通 用人耳標注模型(annotated ear model, AEM)對齊和擬合三維人耳，然后提取出用二維表 示的耳朵元數據，通過比較兩個元數據之間的LI范數距離來衡量兩只耳朵的相似程度。對 齊操作通過最小化對應點深度通道和各彩色通道的誤差加權和來實現，優化過程采用的是 模擬退火算法。然后使AEM向人耳變形，變形的結果作為耳朵元數據。整個提取過程耗時 約30秒。由于識別不涉及復雜的運算，所以速度比較快，匹配一對耳朵所需時間少于1毫 秒。但是識別率不高，在包含415人的庫上僅達到93. 9%。 現有的三維人耳識別系統在人耳抽取過程耗時都比較大。基于ICP的三維人耳識 別算法存在運算復雜度高、識別速度低等問題，在識別率上也還有一定的提升空間。基于 AEM的算法改進了識別速度，但識別率降低較多。 下面介紹一個本專利技術相關的概念ICPIF是ICP算法的改進，所以先介紹一下ICP算法。ICP算法是一種用于三維表面精密配準的算法。其目的是找到一個剛體變換，使得點 云P與點云X盡可能地重合。它通過最小化P和X之間對應點的距離平方和實現配準。每 一次迭代過程中，對于P中每一個點P，在X中查找空間距離最近的點x作為對應點對，然后 計算剛體變換使得所有對應點對的平方距離之和最小。ICP算法需要一個初始估計，并假設 P里每一個點都能在X中找到對應點。查找最近點過程的時間復雜度為0(NPlog(Nx))，這里 NP是采樣點個數，Nx是X中點的個數。記P的對應點集為Q， CP為求取對應點的操作，則Q =CP (P， X) 。 I CP算法描述如下 1.初始迭代時，令點集初始位置P。 = P， T。為初始剛體轉換。 2.迭代執行以下步驟。 a，計算對應點集Qk = CP(Pk，X)及對應點集的距離{c^ = d (Pi， q》} k，其中Pi和Qi 是對應點的三維空間坐標，d(Pi， qi)是Pi和qi的L2范數距離。 b，計算平均距離J-4見w尸-2《作為配準誤差，如果前后兩次迭代的配準誤差之差小于閾值T或達到迭代次數上限，終止迭代。 c，計算剛體變換參數Tk。 d，應用剛體變換，計算采樣點集的新位置Pk+1。 ICP算法保證可以單調收斂到局部極小，該極小值與初始變換有關，因此，ICP算法獲得的解不一定是全局最優解，這就要求初始的相對位置不能與真實的位置相差太大。同時，對于一幅深度圖像上的某一個點，在待配準的深度圖像上可能同時存在多個與該點距離最近的點，甚至即使與該點距離最近的點也可能并不是真正與其對應的點，所以單純依靠距離最近點來選取配準點并不十分可靠，有時候會引入錯誤的配準點對。 ICPIF是Sharp和Lee提出的一種對傳統ICP算法的改進，它在迭代過程中使用歐式不變特征(比如曲率)對點進行了擴展，把特征坐標排在空間坐標后面，構成高維點，<formula>formula see original document page 5</formula>，其中p'是高維點，px、py和pz是空間坐標，p力到/^是點P的k個特征描述，a是特征權重，可以通過經驗來選取。兩個經過擴展的點p'， q'的L2范數距離公式為d(p' ，q' ) = ||p' -q' | 12。 ICPIF的配準過程同ICP算法完 全一樣，只是把對應點集的距離度量方式和最終匹配誤差度量方式由原來的d(p， q)改為 d(p' ，q')。 曲率是最常用的歐式不變特征之一，設曲面上點的主曲率為k kj、 ^k》，曲面 的方程為f (x， y)，則曲面的一階微商和二階微商可表示為 <formula>formula see original document page 5</formula> <formula>formula see original document page 5</formula>曲面的高斯曲率K和平均曲率H可由曲面函數的微商表示為 <formula>formula see original document page 5</formula>最大主曲率、和最小主曲率k2可由K和H計算得到(2)(3)
技術實現思路
本專利技術中，提出了一套新的三維人耳識別方法，相對現有技術，從速度和性能上都 進行了較大的改進。本專利技術所述的技術方案如下所述。 —種，該方法包含以下步驟 a、三維人耳提取階段，利用ICPIF算法使人耳與平均耳對齊，完成人耳位置和姿態歸一化，然后用固定掩膜提取感興趣的人耳區域； b、人耳識別與認證。 其中，人耳提取的流程如下 1.耳洞檢測，采用耳洞檢測方法，在側臉深度圖像中找到人耳位置； 2.三角化，把耳洞周圍102X142范圍內的點取出來，構造三角網格，使用下述網格生成方法在X-Y坐標平面上相鄰的任意四個點中添加一條斜邊構造2個三角形，而任意相鄰的兩條斜邊不平行，網本文檔來自技高網...

【技術保護點】
一種快速三維人耳識別方法，該方法包含以下步驟：ａ、三維人耳提取階段，利用ＩＣＰＩＦ算法使人耳與平均耳對齊，完成人耳位置和姿態歸一化，然后用固定掩膜提取感興趣的人耳區域；ｂ、人耳識別與認證。其中，人耳提取的流程如下：１）耳洞檢測，采用耳洞檢測方法，在側臉深度圖像中找到人耳位置；２）三角化，把耳洞周圍１０２×１４２范圍內的點取出來，構造三角網格，使用下述網格生成方法：在Ｘ－Ｙ坐標平面上相鄰的任意四個點中添加一條斜邊構造２個三角形，而任意相鄰的兩條斜邊不平行，網格上有些頂點數據缺失，稱之為無效點，把頂點為無效點的三角形去除，然后計算三角形在三維空間中的實際邊長，把最大邊長大于５ｍｍ的三角形標記為不可信任三角；３）坐標中心化，通過計算耳洞周圍小范圍內點坐標的均值，得到耳洞的三維坐標。然后進行坐標平移，使耳洞坐標與坐標原點重合，完成耳朵的預處理；４）均勻重采樣，對網格進行均勻重采樣，采樣點在Ｘ方向和Ｙ方向都是均勻分布的，采樣間隔定為０．６３ｍｍ，Ｘ坐標范圍是（－２５，２５）ｍｍ，Ｙ坐標范圍（－３５，３５）ｍｍ。采樣點落在不可信任三角內的點標記為無效點；５）表面擬合，采用從ｍａｔｈｗｏｒｋｓ網站下載的ｇｒｉｄｆｉｔ代碼，該代碼通過權衡擬合結果對原始數據點的逼近程度和相鄰點梯度的一致性來實現表面擬合，使用平滑參數調節兩者的重要性程度，優選的，平滑參數取為１０。６）曲率計算由公式（１）、（２）、（３）計算每個點的主曲率ｋ↓［１］、ｋ↓［２］（ｋ↓［１］≥ｋ↓［２］）；７）如果迭代次數沒有達到上限，繼續第８步；否則，把落在人耳第二掩膜內的數據點取出來，提取完成；８）把落在第一掩膜內的數據點提取出來；９）使用主曲率ｋ↓［１］、ｋ↓［２］作為每個點的不變特征，這樣每個點可以用一個５維向量（ｘ，ｙ，ｚ，ｋ↓［１］，ｋ↓［２］）表示，然后與平均耳做ＩＣＰＩＦ對齊，計算出最佳轉動矩陣和平移向量；１０）應用最佳轉動矩陣和平移向量，使三維網格轉動到新位置。回到第４步。...

【技術特征摘要】
一種快速三維人耳識別方法，該方法包含以下步驟a、三維人耳提取階段，利用ICPIF算法使人耳與平均耳對齊，完成人耳位置和姿態歸一化，然后用固定掩膜提取感興趣的人耳區域；b、人耳識別與認證。其中，人耳提取的流程如下1)耳洞檢測，采用耳洞檢測方法，在側臉深度圖像中找到人耳位置；2)三角化，把耳洞周圍102×142范圍內的點取出來，構造三角網格，使用下述網格生成方法在X-Y坐標平面上相鄰的任意四個點中添加一條斜邊構造2個三角形，而任意相鄰的兩條斜邊不平行，網格上有些頂點數據缺失，稱之為無效點，把頂點為無效點的三角形去除，然后計算三角形在三維空間中的實際邊長，把最大邊長大于5mm的三角形標記為不可信任三角；3)坐標中心化，通過計算耳洞周圍小范圍內點坐標的均值，得到耳洞的三維坐標。然后進行坐標平移，使耳洞坐標與坐標原點重合，完成耳朵的預處理；4)均勻重采樣，對網格進行均勻重采樣，采樣點在X方向和Y方向都是均勻分布的，采樣間隔定為0.63mm，X坐標范圍是(-25，25)mm，Y坐標范圍(-35，35)mm。采樣點落在不可信任三角內的點標記為無效點；5)表面擬合，采用從mathworks網站下載的gridfit代碼，該代碼通過權衡擬合結果對原始數據點的逼近程度和相鄰點梯度的一致性來實現表面擬合，使用平滑參數調節兩者的重要性程度，優選的，平滑參數取為10。6)曲率計算由公式(1)、(2)、(3)計算每個點的主曲率k1、k2(k1≥k2)；7)如果迭代次數沒有達到上限，繼續第8步；否則，把落在人耳第二掩膜內的數據點...

【專利技術屬性】
技術研發人員：陳雷蕾，王斌，張立明，
申請(專利權)人：復旦大學，
類型：發明
國別省市：31[中國|上海]