[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

说明书

本公开提供了一种基于三维优化子曲面的人脸识别方法，采集三维人脸数据，将三维人脸转化为标准姿态的三维人脸；将标准姿态的三维人脸投影后采样得到当前每张人脸的二维深度图，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；有效的减弱了外界环境对系统性能的影响，能够有效避免人脸识别中光照、姿态、表情等外界因素的干扰。

技术领域

本公开涉及人脸识别技术领域，特别涉及一种基于三维优化子曲面的人脸识别方法及系统，尤其涉及一种快速三维人脸对齐、三维子曲面选择与最优化的三维人脸识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

人脸识别是多学科交叉的研究课题。二维人脸识别的发展历史较长，取得了较多的研究成果并已经被广泛应用。由于二维图像是三维物体在平面上的投影，人脸识别的性能会受到光照、姿态、表情等外界因素干扰，从而影响准确性。因此，如何充分利用人脸的三维信息，提高系统的识别性能是近年来的研究热点。三维人脸识别通过采集三维的人脸数据与数据库预存储的数据进行匹配，从而识别人脸的身份。采集的三维人脸数据不易受光照、姿态、表情等外界因素干扰，同时由于具有深度信息，相较二维图像有更加丰富的信息量。

目前主流的三维人脸识别方法主要分为基于空域直接匹配、基于局部特征匹配、基于整体特征匹配三大类，基于空域直接匹配的方法不提取特征，直接进行曲面相似度匹配，一般分为对齐和相似度计算两步，常用的方法有ICP(Interative Closest Point，迭代最近点算法)和Hausdorff(豪斯多夫)距离法；基于局部特征匹配的方法着眼于从三维面部曲面中提取有效的形状集合特征，以保证特征在人脸模型旋转、平移、镜像等变化下都保持完备性和紧凑性，局部特征主要包括局部描述符、曲线特征以及其他一些局部几何特征或统计特征；基于整体特征匹配的方法注重三维模型的整体特征，如将三维人脸统一用深度图表示，或映射为EGI(扩展高斯图)并匹配。

本公开发明人在研究中发现，现有的三维人脸识别方法主要存在以下问题：(1)准确识别率不高，无法应用到现实场景中；(2)算法对光照、表情变化或附属物对人脸的遮挡不具有稳定性，会影响识别效果；(3)三维数据的数据量高于二维数据，常用算法需要针对库中每一个三维人脸进行处理和匹配，计算量较高，识别速度较低。

发明内容

为了解决现有技术的不足，本公开提供了一种基于三维优化子曲面的人脸识别方法及系统，包括快速三维人脸对齐和三维子曲面选择与最优化的三维人脸识别，解决了现有的三维人脸识别方法识别准确率不高且效率较低的问题。

为了实现上述目的，本公开采用如下技术方案：

第一方面，本公开提供了一种基于三维优化子曲面的人脸识别方法；

一种基于三维优化子曲面的人脸识别方法，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。