[发明专利]基于三维点云的三维人脸识别装置和方法

权利要求书

1.一种基于三维点云的三维人脸识别装置，其特征在于，包括：

对于三维点云特征区域进行定位的特征区域检测单元；

将三维点云进行归一化映射到深度图像空间的映射单元；

利用不同尺度和方向的Gabor滤波器对三维人脸数据进行不同尺度和方向的响应进行计算的数据计算单元；

训练获得的三维人脸数据的视觉词典的储存单元；

对于每个像素获得的Gabor响应向量，与视觉词典进行直方图映射的映射计算单元；

对于三维人脸数据进行粗分类的分类计算单元；

对于三维人脸数据进行人脸识别的计算单元。

2.根据权利要求1所述一种基于三维点云的三维人脸识别装置，其特征在于：所述特征区域检测单元包括特征提取单元和对特征区域进行判断的特征区域分类器单元。

3.根据权利要求2所述的一种基于三维点云的三维人脸识别装置，其特征在于：所述特征区域分类器单元为为向量机或者Adaboost。

4.根据权利要求1所述的一种基于三维点云的三维人脸识别装置，其特征在于：所述特征区域为鼻尖区域。

5.一种基于三维点云的三维人脸识别方法，其特征在于，包括如下步骤：

步骤1数据预处理，首先在三维点云数据中根据数据特性定位出特征区域，作为配准的基准数据，然后对输入三维点云数据与基础人脸数据进行配准；然后利用数据的三维坐标值，将三维点云数据映射为深度图像；在此数据基础上进行表情鲁棒区域的提取；

步骤2特征提取，进行Gabor特征提取，将得到的Gabor响应向量构成原始图像的Gabor响应向量集合；对于得到的向量组，将每个向量都与三维人脸视觉词典中的每个视觉词汇建立对应关系，从而得到视觉词典直方图；

步骤3粗分类，基于视觉词典特征向量，得到输入的三维人脸输入所对应的具体粗分类；

步骤4识别，获取粗分类信息后，将输入数据的视觉词典特征向量与数据库中存储对应粗分类注册数据的特征向量利用最近邻分类器进行对比，实现三维人脸识别。

6.根据权利要求5所述的一种基于三维点云的人脸识别方法，其特征在于，所述特征区域为鼻尖区域，检测鼻尖区域的步骤如下：

步骤1：确定阈值，确定域平均负有效能量密度的阈值，定义为thr；

步骤2：利用深度信息选取待处理数据，利用数据的深度信息，提取在一定深度范围内的人脸数据作为待处理数据；

步骤3：法向量的计算，计算由深度信息选取出的人脸数据的方向量信息；

步骤4：区域平均负有效能量密度的计算，按照区域平均负有效能量密度的定义，求出待处理数据中个连通域的平均负有效能量密度，选择其中密度值最大的连通域；

步骤5：判定是否找到鼻尖区域，当前区域阈值大于预定义的thr时，该区域即为鼻尖区域，否则回到步骤1重新开始循环。

7.根据权利要求5所述的一种基于三维点云的三维人脸识别方法，其特征在于，输入三维点云数据与基础人脸数据利用ICP算法进行配准。

8.根据权利要求5所述的一种基于三维点云的三维人脸识别方法，其特征在于,在特征提取步骤中，测试人脸图像输入后，经过Gabor滤波，将任一滤波向量都与其所在位置相对应的视觉分词典中的所有基元词汇比较，通过距离匹配的方式，将其映射到与之距离最为接近的基元上，提取出原始图像的视觉词典直方图特征。

9.根据权利要求5所述的一种基于三维点云的三维人脸识别方法，其特征在于，粗分类包括训练和识别两部分：在训练时，首先对数据集进行聚类，将所有数据分散到K个子节点中存储，将训练后得到的各个子类的中心作为粗分类参数存储；在粗分类识别时，将输入的数据与各子类参数进行匹配，选出最前的n个子节点数据进行匹配。

10.根据权利要求9所述的一种基于三维点云的三维人脸识别方法，其特征在于,数据匹配在粗分类选取的子节点中进行，每个子节点返回距离输入数据最近的m个注册数据，在主节点中对此n*m个注册数据，利用最近邻分类器实现人脸识别。