[发明专利]基于弯曲不变量相关特征的三维人脸识别方法及系统

权利要求书

1.一种基于弯曲不变量相关特征的三维人脸识别方法，其特征在于，包括如下步骤：

图像预处理步骤，自动提取三维人脸区域，包括人脸区域提取和三维人脸匹配的操作，获取预处理后的三维人脸；

弯曲不变量的计算步骤，计算所述预处理后的三维人脸的弯曲不变量；

弯曲不变量相关特征提取步骤，编码三维人脸表面相邻节点的弯曲不变量的局部特征，提取弯曲不变量相关特征；

特征降维步骤，对所述弯曲不变量的相关特征进行签名并采用谱回归进行降维，获得主成分；

分类识别步骤，基于所述主成分，运用K最近邻分类方法对三维人脸进行识别。

2.根据权利要求1所述的三维人脸识别方法，其特征在于，所述图像预处理步骤中，所述的人脸区域提取包括：

计算有效点矩阵的列和并从点云中估计一个垂直投影曲线；

定义投影曲线的左右拐点的两个侧阈值来删除对象肩膀上超过此阈值的数据；

通过阈值化深度值直方图进一步删除对应于对象胸部的数据点，去除了对应前脸信息后面的大深度值数据；

删除保留在区域中但与主要人脸区域不连接的异常点并且仅将最大的区域视为人脸区域。

3.根据权利要求2所述的三维人脸识别方法，其特征在于，所述图像预处理步骤中，所述三维人脸匹配包括：

点云协方差矩阵的正交特征矢量，v₁，v₂，v₃，作为点云的三个主轴，旋转点云使v₁，v₂，v₃分别平行于参考坐标系的Y，X和Z轴，鼻尖在参考坐标系上的位置作为参考坐标系的原点，通过旋转和平移将所有三维人脸数据进行粗匹配；

人脸信号用最近邻内插在球面等角网格上采样，通过计算所有训练人脸图像上每个网格点值构建平均人脸模型(AFM)，所有人脸信息通过ICP进一步与AFM对齐避免嘴和颌的影响；

通过最小化Z-buffer距离的全局最优技术进行精细对齐，它有效地重采样数据三角形上点独立性，并删除所有的人脸不相关信息。

4.根据权利要求3所述的三维人脸识别方法，其特征在于，

所述三维人脸弯曲不变量的计算步骤中，所述三维人脸弯曲不变量通过快速行进法计算三维人脸表面点的测地距离，再通过等距映射获得低维欧式空间R^m的距离作为三维表面点的弯曲不变量。

5.根据权利要求4所述的三维人脸识别方法，其特征在于，

所述三维人脸弯曲不变量相关特征提取步骤中，所述三维人脸弯曲不变量相关特征通过运用3D LBP编码三维人脸表面相邻节点的弯曲不变量局部特征获得。

6.一种基于弯曲不变量相关特征的三维人脸识别系统，其特征在于，包括：

图像预处理模块，用于自动提取三维人脸区域，包括人脸区域提取和三维人脸匹配的操作，获取预处理后的三维人脸；

弯曲不变量的计算模块，用于计算所述预处理后的三维人脸的弯曲不变量；

弯曲不变量相关特征提取模块，用于编码三维人脸表面相邻节点的弯曲不变量的局部特征，提取弯曲不变量相关特征；

特征降维模块，用于对所述弯曲不变量的相关特征进行签名并采用谱回归进行降维，获得主成分；

分类识别模块，用于基于主成分，运用K最近邻分类系统对三维人脸进行识别。

7.根据权利要求6所述的三维人脸识别系统，其特征在于，所述图像预处理模块中，包括用于实现人脸区域提取的子模块，包括：

用于计算有效点矩阵的列和并从点云中估计一个垂直投影曲线的单元；

用于定义投影曲线的左右拐点的两个侧阈值来删除对象肩膀上超过此阈值的数据的单元；

用于通过阈值化深度值直方图进一步删除对应于对象胸部的数据点，去除了对应前脸信息后面的大深度值数据单元；

用于删除保留在区域中但与主要人脸区域不连接的异常点并且仅将最大的区域视为人脸区域的单元。