[发明专利]一种基于Ricci曲率流的三维人脸识别方法

说明书

本发明属于三维人脸识别方法技术领域，具体涉及一种基于Ricci曲率流的三维人脸识别方法，主要解决了当前人脸识别方法存在人脸曲面三维信息丢失和数据量大的问题。本发明通过同心圆的加权划分，并针对划分出的不同区域赋予不同权值，以此来尽最大可能的规避人脸面部表情变化对系统识别效率的影响；通过使用Ricci曲率流将三维人脸模型共形映射至二位平面圆盘中，使三维人脸模型中的三维特征在降维过程中被最大程度的保留；创新性的通过提取并统计共形映射后模型各点所特有的能量值，并生成能量直方图完成特征提取，具有一定应用价值。

技术领域

本发明属于三维人脸识别方法技术领域，具体涉及一种基于Ricci曲率流的三维人脸识别方法。

背景技术

生物特征是人类所特有的且可以唯一标识个人身份，包括生理特征和行为特征，如虹膜、手形、指纹、脸、声音等。生物特征不会随着人的转移、人的意志发生改变或是年龄的增长而改变，同时具备不易丢失、无需特别携带等特点，是人类固有的特征，并且随着生命的发展变得愈发稳定。由于生物识别技术的种种优势，其相关技术在全球范围内受到了高度关注，各国对生物认证的研究投入了大量的科研力量，也取得了重要的进展，部分生物识别技术已付诸实践。我们国家早在2008年北京奥运会就采用了基于虹膜、声音和步态的融合技术用于身份识别，以消除危险和犯罪的威胁和破坏，确保大会的顺利运转。

人脸识别技术是通过提取人脸的面部特征作为对比标准的一种生物识别技术。人脸识别具有自然、友好以及精确的优点。虽然基于虹膜和指纹特征的识别技术取得了非常准确的结果，但与人脸识别相比，仍然存在一些固有的缺陷，阻碍了更广泛的应用。但现有的人脸识别技术无论是基于整体特征直接匹配还是基于局部特征的人脸识别亦或是融合整体与局部特征的人脸识别技术等，都会因为三维人脸数据庞杂的数据量而造成系统运行效率的缓慢，而直接使用二维人脸图像又会造成人脸三维信息的丢失，使系统针对表情、光照等变化的鲁棒性降低。故如何保证在将三维人脸模型降维的过程中保持三维人脸模型的三维特征尽量被保留，同时保证系统针对光照、表情等变化具有较高的鲁棒性使现阶段研究最主要的问题。

发明内容

本发明的目的是解决当前人脸识别技术中由于提取二维人脸模型的过程中所造成的人脸曲面三维信息的丢失而造成系统在运行过程中容易受到姿态、表情、光照等因素影响的问题；同时由于直接采用三维人脸模型计算时容易由三维人脸模型中过于庞杂的数据量造成的系统运行过于缓慢的问题。针对上述三维人脸识别系统的局限性，提出一种基于Ricci曲率流的三维人脸识别方法。

为解决上述技术问题，本发明采用的技术方案为：

一种基于Ricci曲率流的三维人脸识别方法，包括如下步骤：

S1，提取待识别三维人脸模型的鼻尖点；

S2，使用Ricci曲率流将待识别三维人脸模型共形映射至二维平面圆盘之中，得到共形映射后的待识别二维人脸圆盘；

S3，以鼻尖点为圆心，将待识别二维人脸圆盘划分为刚性区域、半刚性区域以及非刚性区域，并确定待识别二维人脸圆盘的刚性区域、半刚性区域和非刚性区域的权重；

S4，根据待识别二维人脸圆盘的刚性区域、半刚性区域和非刚性区域中每个点的能量值，计算待识别二维人脸圆盘的刚性区域、半刚性区域和非刚性区域的能量直方图；

S5，分别计算待识别二维人脸圆盘的刚性区域、半刚性区域和非刚性区域的能量直方图与三维人脸数据库中的每个二维人脸圆盘的刚性区域、半刚性区域和非刚性区域的能量直方图之间的相似度；