[发明专利]三维人脸识别方法及应用其的数据处理装置

摘要

本发明公开了一种三维人脸识别方法及应用其的数据处理装置，本发明首先将邻域系统中两种互补的不确定性度量进行组合，定义了一种更加全面的特征集成不确定性度量，用于度量特征的重要性；然后提出了一种基于邻域组合测度的特征约简算法，用于选择与人脸识别密切相关的特征，得到最优的特征组合；最后将选择的特征作为支持向量机分类器的输入向量，得到三维人脸的识别结果。实验结果表明，基于粗糙集和SVM的三维人脸识别方法在保证识别精度的同时，大大降低了识别时间，对变化的人脸表情具有一定的鲁棒性，具有更强的泛化性能。

主权项

1.一种三维人脸识别方法，包括：训练步骤，包括：获取样本三维人体图像及对应的人脸分类，所述样本三维人体图像至少包括人的面部；根据样本三维人体图像获取样本人脸点云；根据所述样本人脸点云获取对应的高维特征描述子；基于粗糙集约简方法对多个样本人脸点云的高维特征描述子进行降维获取样本人脸点云的低维特征描述子以及对应的特征约简方式，以使得所述低维特征描述子在增加任意一个维度的特征后获得的特征向量的特征重要性度量与低维特征描述子自身的特征重要性度量的差值小于预定阈值；其中，所述特征重要性度量为集合不确定性度量和知识不确定性度量的比值；以及，基于所述样本人脸点云的低维特征描述子及对应的人脸分类训练SVM分类器获取预定数量的SVM子分类器；以及，识别步骤，包括：获取待识别三维人体图像，所述待识别三维人体图像至少包括人的面部；根据待识别三维人体图像获取待识别人脸点云；根据所述待识别人脸点云获取对应的高维特征描述子；基于训练步骤获取的特征约简方式对所述待识别人脸点云的高维特征描述子进行降维获取待识别人脸点云的低维特征描述子；以及根据所述待识别人脸点云的低维特征描述子和所有SVM子分类器进行测试，积累不同人脸分类的权重，以权重最高的人脸分类作为所述待识别三维人体图像的人脸分类。