[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

说明书

本发明提供一种基于语义对齐多区域模板融合的三维人脸识别方法，其步骤如下，一、确定三维人脸数据库注册人脸和测试人脸的数据集；二、将所有注册和待识别的三维人脸模型进行预处理，并与参考模型做稠密对齐；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；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；五、根据相似度值对每个区域分别单独投票，再综合多个区域匹配结果，采用多数投票方式确定最终匹配结果。本发明所提供的人脸识别方法，利用多模板区域相互独立进行相似度预测，减小了算法对单一区域精准划分的依赖性，同时采用多区域模版共同投票策略，对表情和其他的受区域影响因素也具有一定的鲁棒性。

技术领域

本发明属于图像处理及模式识别技术领域，更具体的是涉及一种基于语义对齐多区域模板融合的三维人脸识别方法。

背景技术

人脸识别在公安刑侦、国家安全、市场金融等诸多领域具有广泛的应用前景。然而，鉴于三维人脸本身的可形变特性以及易受不同表情变化的影响，发展对表情鲁棒的人脸识别算法一直都是三维人脸识别领域的研究热点和难点问题。

目前，表情鲁棒的三维人脸识别方法主要分为统计模型方法、同等形变模型方法和基于区域的方法。其中统计模型方法即通过构建统计模型对表情变化引起的面部软组织形变关系进行刻画，算法的精度和鲁棒程度受训练统计模型所采用的三维人脸库的表情变化多样性、数据质量等的影响；同等形变模型方法即将表情变化引起的三维人脸形变转化为等距形变问题建模，将表情变化近似为等距形变，用等距形变特征近似表情变化特征，同等形变的方法通过弱化表情变化引起的三维形变达到表情鲁棒，然而，同等形变一定程度上也弱化了人脸原有三维结构。

由于表情变化呈现局部性，相较上述整体类方法，基于区域类方法表现出更多的灵活性和稳定性。基于区域的表情不变三维人脸识别方法即结合人脸表情的分布特点，将人脸区域划分为表情易变和表情不变区域，然后分别针对表情不变和表情易变区域设计不同的相似度匹配策略。传统基于区域类方法如，依据关键特征点位置进行人脸区域划分。此类方法将表情不变区域和表情易变区域分开处理，对表情变化具有较强的适应性，但是前提是表情不变和表情易变区域的划分要准确，否则将直接影响此类方法的整体准确度。

以往基于区域划分的表情鲁棒三维人脸识别方法很难将表情不变区域与表情易变区域准确划分，主要有两方面原因，首先，人脸区域的划分通常依赖面部特征点的准确定位，而三维人脸特征点的定位又是一个尚未完全解决的问题。其次，对于不同对象三维人脸，很难严格界定表情不变和表情易变区域。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提出了一种基于语义对齐多区域融合的三维人脸识别方法，解决了基于区域方法存在的比较依赖区域划分精准度以及没有充分利用整个人脸区域的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于语义对齐的多区域融合三维人脸识别方法，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进行点云稠密对齐；

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；