[发明专利]基于三维点云的三维人脸年龄分类装置及方法

说明书

技术领域

本发明涉及三维人脸识别技术领域，尤其涉及一种基于三维点云的三维人脸年龄分类装置及方法。

背景技术

三维人脸识别相对于二维人脸识别，有着其对光照鲁棒、受姿态以及表情等因素影响较小等优点，因此在三维数据采集技术飞速发展以及三维数据的质量和精度大大提升之后，很多学者都将他们的研究投入到该领域中。

CN20101025690提出了三维弯曲不变量的相关特征用来进行人脸特性描述。该方法通过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；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，并运用K最近邻分类方法对三维人脸进行识别。但是由于提取变量相关特征时需要复杂的计算量，因此在效率上限制了该方法的进一步应用；

CN200910197378提出了一种全自动三维人脸检测和姿势纠正的方法。该方法通过对人脸三维曲面进行多尺度的矩分析，提出了脸部区域特征来粗糙地检测人脸曲面，及提出鼻尖区域特征来准确地定位鼻尖的位置，然后进一步精确地分割出完整的人脸曲面，根据人脸曲面的距离信息提出鼻根区域特征来检测鼻根的位置后，建立了一个人脸坐标系，并据此自动地进行人脸姿势的纠正应用。该专利目的在于对三维人脸数据的姿态进行估计，属于三维人脸识别系统的数据预处理阶段。

三维人脸年龄分类是三维人脸领域的一个基础工作。准确的年龄分类不仅可以有效地获取人脸数据中的人脸特性，获取更多的人脸语义理解信息，同时还可以作为三维人脸识别的一个粗分类步骤，提升识别系统的精度。年龄分类的难点在于如何准确的描述人脸数据的年龄特性以及如何在特征空间的基础上实现准确的分类。

发明内容

为了解决上述技术问题，本发明公开一种基于三维点云的三维人脸年龄分类装置及方法，本发明采用如下技术方案来解决上述技术问题：

一种基于三维点云的三维人脸年龄分类装置，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；

将三维点云进行映射到深度图像空间的映射单元；

对映射后的深度图像进行深度图像表象特征计算的特征计算单元，特征包括Gabor特征以及LBP直方图特征；

基于深度图像表象特征进行年龄分类的年龄分类器计算单元。

优选的，在上述的一种基于三维点云的三维人脸年龄分类装置中，所述特征区域检测单元包括：

特征提取单元，针对三维点云区域特性提取三维点云数据的相应特征；

特征区域分类器单元，对特征提取单元提取的相应也正进行数据点的分类计算，判断其是否适于特征区域，所述特征区域分类器单元为为支持向量机或者Adaboost。

优选的，在上述的一种基于三维点云的三维人脸年龄分类装置中，所述映射单元包括：

按照深度信息将原始三维点云映射为深度图像的映射模块；

利用滤波器对获取的深度图像的空洞或者噪点信息进行去噪的去噪模块。

优选的，在上述的一种基于三维点云的三维人脸年龄分类装置中，所述年龄分类器计算单元包括：

用于存储利用训练集中的三维人脸数据进行训练获取的年龄随机森林分类参数的年龄随机森林分类器参数存储模块；

在表象特征计算获得的Gabor特征和LBP直方图特征集合的基础上，利用年龄随机森林分类器进行计算，实现年龄分类的年龄分类器计算模块。

本发明还公开一种基于三维点云的三维人脸年龄分类方法，包括如下步骤：

特征区域检测步骤，对于三维点云特征区域进行定位，作为配准的基准数据，然后对输入点云数据与基础人脸数据进行配准；

深度图像映射步骤，利用数据的三维坐标值，将检测定位的三维点云数据映射为深度图像；

表象特征计算步骤，对映射后的深度图像Gabor特征计算以及LBP特征计算以获得三维人脸Gabor特征和LBP直方图特征的表象特征集合；

分类步骤，对获得的三维人脸数据表象特征集合进行年龄分类计算，从而实现三维人脸年龄分类。

优选的，在上述的一种基于三维点云的三维人脸年龄分类方法中，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；