[发明专利]一种基于密集点对应的快速三维人脸识别方法有效

专利信息
申请号: 200910035187.8 申请日: 2009-09-07
公开(公告)号: CN101650777A 公开(公告)日: 2010-02-17
发明(设计)人: 达飞鹏;张永泽;李晓莉 申请(专利权)人: 东南大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 南京经纬专利商标代理有限公司 代理人: 叶连生
地址: 21009*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要: 一种基于密集点对应的快速三维人脸识别方法步骤如下:(1)对库集三维人脸模型进行预处理,并求出平均标志点。(2)利用薄板样条函数使所有库集人脸向平均标志点形变。(3)选取一张形变后的库集人脸并稀释得到参考人脸模型。(4)将形变后的库集人脸与参考人脸匹配得到形变且稀释的模型,然后在未形变的库集人脸中找对应序号的点,得到未形变且稀释的模型作为最终的库集人脸模型。(5)测试人脸模型进入时,对其进行与库集人脸同样的处理,得到未形变且稀释的测试人脸作为最终的测试人脸模型。(6)以测试人脸与每个库集人脸之间的点集距离作为相似度,在最终的库集人脸模型中选取与最终测试人脸模型点集距离最近的模型作为识别结果。
搜索关键词: 一种 基于 密集 对应 快速 三维 识别 方法
【主权项】:
1.一种基于密集点对应的快速三维人脸识别方法,其特征在于,该方法的步骤如下:步骤1.将原始库集三维人脸模型G转换到人脸的主轴坐标系下,并确定鼻尖点;以鼻尖点为中心,经验值90mm为半径,舍弃落在球体以外的点,保留球体内的点作为后续处理的人脸区域,记为Gpca;找到一共13个标志点作为薄板样条形变的控制点,并求出库集三维人脸模型的平均标志点,作为控制点形变的目标点;步骤2.根据库集人脸Gpca的标志点和平均人脸标志点,建立薄板样条函数映射,求得形变系数,然后将形变映射关系应用于整张库集人脸Gpca,得到每个库集人脸Gpca形变后的人脸Gwarp;步骤3.在所有形变后的库集人脸Gwarp中选取一张人脸,这张人脸应该满足:点云数目较少、各个区域数据比较完整平滑,并且包含的区域在所有人脸都出现,并将其进行空间采样稀释,得到参考人脸Ref;步骤4.将参考人脸模型Ref与形变后的库集人脸Gwarp进行ICP匹配,Ref的每一点在Gwarp上寻找对应的匹配点,记录下匹配点在Gwarp中的序号,并将匹配点集记为Gdwarp,相当于是形变且稀释过的;Gdwarp点的数目和Ref相同,且所有的点一一对应;遍历Gpca中的点,若当前点的序号出现在所记录的序号中,则取出该点,取出的点的集合记为Gdpca;步骤5.测试人脸Q进入时,采取步骤1,2,4所示的相同处理方法:首先得到Qpca,并求出13个标志点;根据这些标志点与平均标志点的对应,建立它们之间的薄板样条函数映射关系,求出形变系数;然后将形变映射应用于整张Qpca,得到形变后的Qwarp;然后将Ref与Qwarp进行ICP匹配,得到Qwarp上的匹配点,记为测试人脸的Qdwarp;最后在Qpca中找到与Qdwarp对应的Qdpca;步骤6.所有库集人脸的Gdpca和测试人脸Qdpca分别与参考人脸Ref之间建立了点一一对应的关系,因此Gdpca与Qdpca之间也是一一对应的关系;计算Qdpca与每个Gdpca之间对应点的距离之和,并作为相似度,取与Qdpca距离最小的Gdpca对应的库集人脸作为识别结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/200910035187.8/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top