[发明专利]一种基于张量空间偏最小二乘回归的颅面重构方法

权利要求书

1.一种基于张量空间偏最小二乘回归的颅面重构方法，其特征在于，包括下列步骤：

1)模型训练

1.1)数据处理，把训练样本中的三维颅面统一到法兰克福坐标系并将大小规格化，去除数据中不属于面部的部分，对颅骨和面皮分别进行三维数据配准，将配准后的颅骨和面皮转化为二维深度图；

1.2)张量特征提取，将颅骨和面皮分别变换到颅骨张量特征空间和面皮张量特征空间；

1.3)回归模型建立，采用偏最小二乘回归分性别建立面皮张量特征对颅骨张量特征和年龄、体重指数BMI属性的回归模型；

2)颅面重构

2.1)数据处理：把待重构的未知颅骨统一到法兰克福坐标系并将大小规格化，将未知颅骨与训练样本中的颅骨进行数据配准，将配准后的未知颅骨转化为二维深度图；

2.2)张量特征提取：将未知颅骨变换到颅骨张量特征空间；

2.3)特征回归，估计颅骨的性别和年龄、体重指数BMI属性，根据其张量特征和属性，利用1.3)中建立的回归模型回归出相应的面皮张量特征；

2.4)三维面皮重构，根据回归到的面皮张量特征恢复其二维深度图，将得到的二维深度图转化为三维点云数据。

2.按照权利要求1所述的方法，其特征在于，所述第1.2)步中的张量特征空间是由训练样本集中全体样本所确定的特征空间，其确定过程如下：按照颅面的生理特征将每个颅骨和每个面皮的深度图分为大小相同且部分重叠的小区域，分别将训练样本集中全体颅骨和全体面皮的深度图按身份、区域位置、区域的纵向和横向信息变化的方向组织为一个四阶张量D_s∈R^n×k×h×w和D_f∈R^m×k×h×w，其中，n为训练样本集中颅骨的个数，m为面皮的个数，k为每个深度图所确定的小区域个数，h和w分别是每个小区域的行数和列数，通过执行张量分解和空间降维得下式(1)和(2)：

D_s≈C_s×₁U_people×₂U_region×₃U_row×₄U_column＝T_s×₁U_people   ……(1)

其中：C_s是核张量，控制着身份、区域位置、区域纵向和横向这四个模式之间的相互作用，Upeople∈Rn×ns,]]>Uregion∈Rk×ks,]]>Urow∈Rh×hs,]]>Ucolumn∈Rw×ws]]>是四个行正交的矩阵，由其行向量分别确定了相应的模式特征空间，n_s，k_s，h_s，w_s分别是相应空间经过降维以后的空间维数，T_s＝C_s×₂U_region×₃U_row×₄U_column是颅骨身份张量；

D_f≈C_f×₁V_people×₂V_region×₃V_row×₄V_column＝T_f×₁V_people  (2)

其中：C_f是核张量，Vpeople∈Rm×mf,]]>Vregion∈Rk×kf,]]>Vrow∈Rh×hf,]]>Vcolumn∈Rw×wf]]>是四个行正交的矩阵，由其行向量分别确定了相应的模式特征空间，n_f，k_f，h_f，w_f分别是相应空间经过降维以后的空间维数，T_f＝C_f×₂V_region×₃V_row×₄V_column是面皮身份张量；

定义颅骨原始特征向量其中x_i∈R^hw×1_{，i＝1，2，K，k}为相应小区域按像素排列生成的向量，则提取的颅骨张量特征为下式(3)：

upeople=(TsTsT)-1Tsx∈Rns×1······(3)]]>

其中：T_s是张量T_s按身份模式展平后的矩阵。所有颅骨的张量特征构成的向量空间为颅骨张量特征空间；

定义面皮原始特征向量则提取的面皮张量特征为下式(4)：

vpeople=(TfTfT)-1Tfy∈Rnf×1······(4)]]>

其中：T_f是张量T_f按身份模式展平后的矩阵，所有面皮的张量特征构成的向量空间为面皮张量特征空间。