[发明专利]一种用于门锁的三维人脸识别方法

说明书

技术领域

本发明属于人脸识别方法，具体涉及一种用于门锁的三维人脸识别方法。

背景技术

人脸识别具有非接触、隐蔽性好等特征而成为当前模式识别和计算机视觉领域的研究热点。传统的基于二维灰度或彩色图像的二维人脸识别已获得较好的识别性能，但仍易受光照姿态、表情等因素的影响，其本质原因在于图像是三维物体在二维空间的简约投影。

目前有关三维人脸识别方法的研究有很多，根据特征形式可以分为基于空域直接匹配、基于整体特征匹配和基于局部特征匹配的三维人脸识别方法。现有的识别方法识别率不高，并且对表情、遮挡和噪声具有较差的鲁棒性。

发明内容

针对现有技术存在的不足，本发明目的是提供一种用于门锁的三维人脸识别方法，具有很好的识别性能，并且对表情、遮挡和噪声具有较好的鲁棒性。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本发明的一种用于门锁的三维人脸识别方法，包括以下几个步骤：

(1)对三维人脸进行预处理；

(2)提取三维人脸上从鼻尖点发射的多条面部径向曲线，并对径向曲线进行重采样后提取有用点，并建立曲线之间的点对应关系，用于减少数据丢失和头发遮挡对人脸识别效果的影响；

(3)对测试人脸的每条三维人脸径向曲线与库集人脸的对应曲线进行分层弹性匹配；

(4)再根据测试人脸与库集人脸建立的点对应关系，利用对应点到鼻尖点的距离匹配曲线；

(5)将每条曲线的两种匹配相似度进行加权融合作为总相似度用于识别。

步骤(1)中，三维人脸预处理的方法如下：

(1a)确定鼻尖点和切割区域；

(2a)三维人脸点云平滑去噪；

(3a)人脸姿态校正。

步骤(2)中，人脸径向曲线提取的方法如下：

计算人脸点云上每个点到该平面的距离，选择距离小于阈值的点的集合作为径向曲线；然后将平面绕轴旋转，并与三维人脸曲面S相交得到径向曲线。

步骤(2)中，对径向曲线进行重采样的方法如下：

对一条采样参考曲线上的任一点，使用标志该点位置是否包含采样点；重采样时参考曲线上每隔1mm的对应位置上若存在采样点，则参考曲线该点位置处的标志设为1，否则设为0。

步骤(3)中，三维人脸径向曲线的分层弹性匹配方法如下：

(1b)建立库集人脸每条曲线的形状树；

(2b)与测试集人脸上对应的曲线进行分层弹性匹配；

(3b)对所有的相似度进行加权融合得到分层匹配相似度。

本发明的方法曲线分层弹性匹配算法很好地利用了曲线的整体和局部几何信息，对形变图形的匹配具有很好的效果；对每条径向曲线根据其表情影响的严重程度给予不同的权重，能够有效克服表情变化带来的影响；通过建立曲线采样点之间的对应关系，对径向曲线进行有用点的提取，有效地减少了数据丢失和头发遮挡对人脸识别效果的影响。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

本发明的一种用于门锁的三维人脸识别方法，包括以下几个步骤：

(1)对三维人脸进行预处理；

(2)提取三维人脸上从鼻尖点发射的多条面部径向曲线，并对径向曲线进行重采样后提取有用点，并建立曲线之间的点对应关系，用于减少数据丢失和头发遮挡对人脸识别效果的影响；

(3)对测试人脸的每条三维人脸径向曲线与库集人脸的对应曲线进行分层弹性匹配；

(4)再根据测试人脸与库集人脸建立的点对应关系，利用对应点到鼻尖点的距离匹配曲线；

(5)将每条曲线的两种匹配相似度进行加权融合作为总相似度用于识别。

本实施例中，步骤(1)中，三维人脸预处理的方法如下：

(1a)确定鼻尖点和切割区域；

(2a)三维人脸点云平滑去噪；

(3a)人脸姿态校正。

本实施例中，步骤(2)中，人脸径向曲线提取的方法如下：

计算人脸点云上每个点到该平面的距离，选择距离小于阈值的点的集合作为径向曲线；然后将平面绕轴旋转，并与三维人脸曲面S相交得到径向曲线。

本实施例中，步骤(2)中，对径向曲线进行重采样的方法如下：

对一条采样参考曲线上的任一点，使用标志该点位置是否包含采样点；重采样时参考曲线上每隔1mm的对应位置上若存在采样点，则参考曲线该点位置处的标志设为1，否则设为0。