[发明专利]一种基于语义对齐多区域模板融合的三维人脸识别方法

权利要求书

1.一种基于语义对齐多区域模板融合的三维人脸识别方法，其特征在于，其步骤如下：

一、确定三维人脸数据库的注册人脸和测试人脸数据集，其中注册人脸数据集包含每人一个中性表情的三维人脸数据；

二、对所有注册人脸和测试人脸数据集进行预处理，包括鼻尖点检测、切割人脸区域、姿态矫正和数据填补，并将所有注册和待识别三维人脸模型与参考模型做点云稠密对齐；

三、将人脸区域预划分为多个不含表情影响的、可重叠的模版区域，得到多个相对可靠的区域分类器；

四、对每个模版区域，在人脸的三维结构上直接计算模版区域间的相似度值，其中相似度值定义为两人脸区域语义对应坐标点的欧式距离平方和，即

式中，p(x_j,y_j,z_j)为待测试人脸区域中某点，g(x_i,y_i,z_i)为注册库中人脸区域中其语义的对应点；

五、对每个区域分别单独投票，设区域相似度用S_i表示，其对应相似度阈值用T_i表示，则每个区域的投票结果表示为：

六、综合多个区域匹配结果，采用多数投票的方式确定最终的匹配结果，所有模版区域投票数总和(N)与一个总体阈值T_v(0≤T_v≤24)进行比较，当投票总数大于阈值T_v时，即认为匹配成功，否则匹配失败，公式表示为，

2.根据权利要求1所述的一种基于语义对齐多区域模板融合的三维人脸识别方法，其特征在于，所述步骤二中的鼻尖点检测，采用的是基于曲率的鼻尖点自动检测方法。

3.根据权利要求1所述的一种基于语义对齐多区域模板融合的三维人脸识别方法，其特征在于，所述步骤二中的切割人脸区域，过程是以鼻尖点为中心，计算任意点(x,y,z)与鼻尖点(x₀,y₀,z₀)的测地线距离d，若d≤100mm则保留该点到人脸区域，若d＞100mm则丢弃该点，依次剪切出整个人脸区域。

4.根据权利要求1所述的一种基于语义对齐多区域模板融合的三维人脸识别方法，其特征在于，所述步骤二中的姿态矫正，采用已对齐的中性三维人脸数据的平均人脸作为参考模型，将所有注册三维人脸和待测试三维人脸与该参考模型通过最近点迭代法(Iterative Closest Point，ICP)进行姿态矫正。

5.根据权利要求1所述的一种基于语义对齐多区域模板融合的三维人脸识别方法，其特征在于，所述步骤二中的数据填补，采用对称填补的方法对缺失人脸数据进行填补，缺失的部分数据使用相应的对称进行填补。

6.根据权利要求1所述的一种基于语义对齐多区域模板融合的三维人脸识别方法，其特征在于，所述步骤二中的点云稠密对齐过程为：设Q为待对齐模型，T为参考模型，则Q＝(V，E)，其中V是顶点，共n个，E表示边，X_i表示每个顶点的变换矩阵，则所有顶点的变换矩阵可表示为X＝[X₁,X₂,...,X_n]^T；然后分别最小化数据、平滑、以及关键点损失函数。

7.根据权利要求1所述的一种基于语义对齐多区域模板融合的三维人脸识别方法，其特征在于，所述步骤五中的相似度阈值T_i的取值过程为：当FAR(False Acceptance Rate，FAR＝0.1％即允许千分之一误识率的条件下)为定值，每个区域的真实样本通过率TAR(Truth Acceptance Rate)来确定每个区域的相似度阈值。

8.根据权利要求1所述的一种基于语义对齐多区域模板融合的三维人脸识别方法，其特征在于，所述步骤六中的总体阈值T_v的取值过程为：分别对每个区域所确定阈值进行投票，然后根据投票结果，获得的最多投票数即为最终的总体阈值。