[发明专利]一种基于概率图模型的三维人脸识别方法

说明书

本发明公开了一种基于概率图模型的三维人脸识别方法，该方法利用三维测地线确定特征点模型并对待测三维人脸的特征点进行定位；利用Gabor小波提取特征点邻域特征；构建“弹性的”三维人脸概率图模型，利用概率图模型对三维人脸进行分类识别。本方法具有较高的识别精度，尤其对于人脸的表情变化具有较强的鲁棒性，并具有较低的计算复杂度。这对人脸识别的研究与实际应用的开发都具有重要的理论与实际意义。

技术领域

本发明涉及一种基于概率图模型的三维人脸识别方法，具体涉及一种通过对三维人脸进行概率图建模从而对三维人脸进行有效识别的方法，属于计算机图形学、数字图像处理以及人工智能技术领域。

背景技术

人脸识别不管是在国家安全、军事安全和公共安全领域，还是在民事和经济领域、家庭娱乐等领域，都有着重要的应用前景和实用价值。相比于二维人脸而言，三维人脸更能适应光照、视角与遮挡等因素的影响，使得人脸信息更为丰富准确。

目前，大多数主流的三维人脸识别算法从几何特征、局部特征以及整体特征出发，对三维人脸进行识别。其中，表情变化造成人脸肌肉的伸展收缩对三维人脸识别造成了不小的困难，表情的变化在一定程度上增大了类内间距，影响了识别率。已有部分学者针对表情不变的三维人脸展开研究，文献(Berretti S,Bimbo A D,Pala P.3D face recognitionusing isogeodesic stripes[J].IEEE TPAMI2010,32(12):2162-2177)提出了一种基于测地线的特征提取，以鼻尖点为中心，建立等距的测地线模型，通过测地线的稳健性，在一定程度上克服表情变化的干扰。文献(Nazari S,Moin M S.Face recognition using globaland localGabor features[C].ICEE 2013:1-4)提出采用Gabor提取特征点的方法，由于Gabor变换对光照变化不敏感，且能容忍一定程度的图像旋转和变形，在丰富了特征点信息的同时，数据信息更加完备，致使提取更为鲁棒的人脸描述。不过，人脸器官间的相对联系，也是影响人脸表情的主要因素。文献(Koller D,Friedman N.Probabilistic graphicalmodels:principles and techniques[M].MIT press,2009)提出了概率图模型，概率图模型能简洁有效地表示变量间的相互关系，为不确定性推理体系提供强有力的工具，近年来已成为人工智能和机器学习的热门研究领域。目前，概率图模型已在图像分析、生物医学和计算机科学等多个领域成功应用，其结合图论与概率论来紧凑地描述多元统计关系，对于图像分类尤其是三维人脸识别有着广泛的应用前景。

发明内容

本发明所要解决的技术问题是：提供一种基于概率图模型的三维人脸识别方法，对人脸各个器官之间的联系作出有效分析，从而对人脸进行识别，具有较高的识别精度和较小的计算复杂度。

本发明为解决上述技术问题采用以下技术方案：

一种基于概率图模型的三维人脸识别方法，包括如下步骤：

步骤1，获取待测三维人脸图像以及样本库中所有三维人脸样本图像，并对待测三维人脸图像进行归一化预处理；

步骤2，求取样本库中所有三维人脸样本图像的三维平均脸图像，在三维平均脸图像上选择多个特征点和一个基准点，计算各特征点到基准点的测地线距离，并根据测地线距离建立特征点模型，利用特征点模型定位待测三维人脸图像上的特征点；

步骤3，利用Gabor滤波器提取各三维人脸样本图像和待测三维人脸图像上特征点的邻域特征；

步骤4，根据步骤3得到的邻域特征对样本库中各三维人脸样本图像和待测三维人脸图像分别建立概率图模型；

步骤5，根据步骤4得到的概率图模型计算待测三维人脸图像与样本库中各三维人脸样本图像之间的相似度，根据相似度对待测三维人脸图像进行识别。