[发明专利]基于曲面法向分量图神经网络表示的三维人脸识别方法

权利要求书

1.一种基于曲面法向分量图神经网络表示的三维人脸识别方法，其特征在于，包括以下步骤：

步骤1.给定一张三维人脸曲面，首先进行预处理；

步骤2.将预处理后的正面三维人脸曲面的三维坐标投影到二维平面上，其投影过程采取最近邻插值法，利用投影后的坐标信息估计逐点的法向量，以此生成X、Y和Z三个方向的法向分量图；

步骤3.提取法向量分量图的特征

利用在二维人脸识别中训练好的深度卷积神经网络提取三维人脸各个法向分量图的特征；

步骤4.人脸比对

在神经元位置敏感的匹配模式下，对步骤3得到的提取各个法向分量图的深度特征，采用稀疏表示分类器实现三维人脸的比对。

2.根据权利要求1所述的基于曲面法向分量图神经网络表示的三维人脸识别方法，其特征在于，预处理包括：三维人脸曲面去噪、鼻尖点自动检测、人脸区域切割以及姿态配准。

3.根据权利要求1或2所述的基于曲面法向分量图神经网络表示的三维人脸识别方法，其特征在于，预处理的具体过程为：首先对原始三维人脸曲面进行高斯滤波和中值滤波，在滤波后的人脸曲面上计算高斯曲率和中值曲率，根据曲率信息结合一个三维模型来确定鼻尖点的位置；人脸区域定义为以鼻尖点为球心，90cm半径球面与三维人脸曲面的交集部分，采用ICP算法进行姿态配准。

4.根据权利要求1所述的基于曲面法向分量图神经网络表示的三维人脸识别方法，其特征在于，生成X、Y和Z三个方向的法向分量图的具体过程如下：

步骤2.1三维人脸投影及法向量的矩阵表示

将预处理后的三维人脸曲面投影到二维平面上生成对应的深度图，该深度图用一个m×n×3的矩阵表示：

P＝[p_ij(x,y,z)]_m×n＝[p_ijk]_{m×n×{x,y,z}}

其中，p_ij(x,y,z)＝(p_ijx,p_ijy,p_ijk)^T表示大小为m×n的深度图像P上ij位置处的三维坐标，与此类似，将深度图像P的单位法向量表示成如下矩阵形式：

N(P)＝[n(p_ij(x,y,z))]_m×n＝[n_ijk]_m×n×{xyz}

其中，N(P)为单位法向量矩阵，n(p_ij(x,y,z))＝(n_ijx,n_ijy,n_ijz)^T表示点p_ij的单位法向量；

步骤2.2逐点估计法向量估计

深度图像P上点p_ij的法向量用该点的局部邻域点拟合平面的法向量来估计：

n_ijxq_ijx+n_ijyq_ijy+n_ijzq_ijz＝n_ijxp_ijx+n_ijyp_ijy+n_ijzp_ijz

其中，(n_ijx,n_ijy,n_ijz)^T是p_ij的法向量，(q_ijx,q_ijy,q_ijz)^T是p_ij邻域内的任意一点的坐标，(p_ijx,p_ijy,p_ijz)^T是p_ij的坐标；

步骤2.3生成X、Y和Z三个方向的法向分量图

将单位法向量矩阵N(P)中的元素n(p_ij(x,y,z))表示为点p_ij(x,y,z)的三个法向分量(n_ijx,n_ijy,n_ijz)，把单位法向量矩阵N(P)分解成三个单位法向分量矩阵：

N(P)=N(X)=[nijx]m×nN(Y)=[nijy]m×nN(Z)=[nijz]m×n]]>

其中，N(X)、N(Y)和N(Z)分别是单位法向量矩阵N(P)在X、Y和Z方向上的法向分量矩阵，其矩阵元素分别是点p_ij的法向量在X、Y和Z方向上的分量。