[发明专利]基于深度图像的三维人脸描述方法

权利要求书

1.一种基于深度图像的三维人脸描述方法，其特征在于，包括如下步骤：

选择步骤，由选择单元选取三维人脸数据表情鲁棒区域；

盖博响应计算步骤，第一数据计算单元利用预定义好并存储于第一存储单元中的不同尺度和方向的盖博滤波器系数对选择单元所选取的三维人脸数据进行不同尺度和方向的响应计算；

获取视觉词典步骤，利用训练集中的三维人脸图像的盖博响应向量集合，通过聚类算法，以其聚类中心作为视觉词汇，将所有的词汇汇集在一起获取视觉词典，所述聚类算法为K均值算法，包括如下步骤：

步骤1，对于数据对象集，任意选取K个对象作为初始的类中心；

步骤2，根据类中对象的平均值，将每个对象重新赋给最相似的类；

步骤3，更新类的平均值，即计算每个类中对象的平均值；

步骤4，跳回步骤2，循环进行步骤2和步骤3，直至所得平均值不再发生变化即停止；

直方图映射步骤，由第二计算单元获得第一数据计算单元通过计算得到的每个像素获得的盖博响应向量，并将其与从第二存储单元中读取到的视觉词典进行直方图映射，从而得到视觉词典直方图，通过计算每个像素盖博响应后的向量与其距离最近的视觉词汇，构建基于视觉词典的直方图描述，第二储存单元中存储的聚类中心为m个，则得到的对于三维人脸数据的直方图描述向量也为m维，所述直方图映射步骤的具体步骤如下：

将三维人脸深度图像分割成一些局部纹理区域；

对每个盖博滤波响应向量，按照位置的不同将其映射到其对应的视觉分词典的词汇中，并以此为基础建立视觉词典直方图向量作为三维人脸的特征表达；

最近邻分类器被用来作为最后的人脸识别，并以L1距离作为距离度量，所述L1距离的定义为。

2.如权利要求1所述的基于深度图像的三维人脸描述方法，其特征在于，所述选择步骤中，选择单元对原始三维人脸数据的表情鲁棒区域进行截取，提取人脸到鼻子的局部有效区域，并直接过滤额头、嘴唇以及嘴角区域。

3.如权利要求1所述的基于深度图像的三维人脸描述方法，其特征在于，所述盖博响应计算步骤中，所述第一数据计算单元基于深度三维人脸数据，提取其表象特征，并利用预定义好的盖博滤波器系数，对三维人脸深度图像进行卷积运算，对每个深度图像像素获取得到其对应的盖博滤波响应向量。

4.如权利要求1或3所述的基于深度图像的三维人脸描述方法，其特征在于，所述盖博响应计算步骤中，所述盖博滤波器系数的定义如下：

其中，

u和v分别为盖博核函数中的方向和尺度信息；

z＝(x，y)，x，y是对应的时域分量；

，其中，代表最大的频域值，f是盖博核函数在频域中尺度的间隔量。

5.如权利要求1所述的基于深度图像的三维人脸描述方法，其特征在于，所述第二储存单元中所储存的盖博响应向量组是mÍn的数据矩阵，其中，m为获取的聚类中心个数，n为盖博响应向量的维数。