[发明专利]一种基于三维优化子曲面的人脸识别方法及系统

权利要求书

1.一种基于三维优化子曲面的人脸识别方法，其特征在于，步骤如下：

采集三维人脸数据，将三维人脸转化为标准姿态；

将标准姿态的三维人脸投影后采样得到当前人脸的二维深度图，与预存储的深度图进行差值计算，得到两张互反的差值图；

根据得到的差值图进行特征选择与最优化分类器的训练，得到基于差值图的不同子曲面的特征选择与最优化分类器模型；

对于输入的每张三维人脸计算差值图，根据计算得到的差值图和特征选择与最优化分类器模型，计算子曲面特征加权得分，找到得分最高的预存储深度图，得到人脸识别结果。

2.如权利要求1所述的基于三维优化子曲面的人脸识别方法，其特征在于，将三维人脸转化为标准姿态，进行三维人脸的自对齐，具体为：利用人脸的自对称性找到人脸中轴面、鼻尖点和鼻梁，进而自动将三维人脸矫正到标准姿态。

3.如权利要求2所述的基于三维优化子曲面的人脸识别方法，其特征在于，三维人脸的自对齐，具体为：

(3-1)进行三维人脸的分割，根据二维人脸检测结果，从三维人脸中分割出人脸所在区域；

(3-2)进行三维人脸的中轴定位，所述中轴用于将人脸分割成左右相等区域的三维轮廓，利用人脸的左右自对称性，找到人脸中轴所在平面，中轴为该平面与三维人脸的交集；

(3-3)进行三维人脸鼻尖定位，在中轴中找到人脸的鼻尖所在点，鼻尖所在点为距离中轴基线最远，且位于中轴基线最上方的点，所述中轴基线为中轴两端点的连线；

(3-4)进行三维人脸鼻梁定位，在鼻尖点附近找到鼻梁所在方向，鼻梁所在方向由鼻尖点附近靠近眉心侧的点确定；

(3-5)进行三维人脸对齐，根据步骤(3-3)和步骤(3-4)的结果，确定3D人脸姿态，将三维人脸矫正到标准的位置。

4.如权利要求1所述的基于三维优化子曲面的人脸识别方法，其特征在于，所述差值图的获取，具体为：在鼻尖点周围一定区域内进行采样，将规则化的三维人脸投影到二维平面，形成一张标准的深度图，并与库中预先存储的深度图进行差值计算，得到两张互反的差值图；

或，根据得到的差值图进行特征选择与最优化分类器的训练，具体为：

(5-1)计算单人脸类内差值图与不同人脸类间差值图，作为训练使用的数据集，其中类内差值图数量较少，全部使用，类间差值图根据样本的权重和分类器表现进行替换；

(5-2)初始情况下所有数据的权重相同，根据样本权重选择表现最好的特征进行训练；

(5-3)根据所有分类器的加权预测结果更新样本权重，若分类器预测表现为全部正确，则替换部分权重较小的类间样本；

(5-4)重复步骤(5-2)和步骤(5-3)，直至达到指定的特征数目，得到对应的分类器模型和相应的权重。

5.如权利要求4所述的基于三维优化子曲面的人脸识别方法，其特征在于，采用Haar特征作为分类器分类差值图时使用的特征，针对每个Haar特征，计算深度图的积分图子区域加权和，根据加权和划分成不同的子区间，子区间对应的输出根据落在该子区间内的训练样本权重计算，每个Haar特征作为一个子分类器，根据其表现赋予权重，并更新样本权重，替换部分类间样本，在实际测试时，根据加权和进行查表。

6.如权利要求1所述的基于三维优化子曲面的人脸识别方法，其特征在于，根据计算得到的差值图和特征选择与最优化分类器模型，计算子曲面特征加权得分，具体计算方式为：

其中I_i表示库中的深度图，I_p表示需要识别的三维人脸经处理得到的深度图，H_T表示训练得到的分类器，S_i表示当前库中样本的最终得分，得分最高的为识别结果。