[发明专利]一种基于网格纵横局部二值模式的三维人脸识别方法

摘要

本发明公开了一种基于网格纵横局部二值模式的三维人脸识别方法，步骤为：对三维人脸模型进行预处理，包括人脸区域切割、平滑处理和姿态归一化，将所有的人脸置于姿态坐标系下；从三维人脸模型的半刚性区域提取人脸7条侧面轮廓线，并对其中每条轮廓线进行均匀重采样以获得28个关键点来表征人脸面部曲面；提取关键点周围邻域，先分别用网格纵向局部二值模式描述符和网格横向局部二值模式描述符对关键点邻域进行表征，然后对两者进行特征融合获得网格纵横局部二值模式描述符，最后用LC‑KSVD2字典学习分类算法对3D人脸进行识别。本发明能够更加全面地描述均匀人脸网格表面由表情等原因引起的局部形状变化，具有较强的识别性能。

主权项

1.一种基于网格纵横局部二值模式的三维人脸识别方法，其特征在于：包括以下步骤：步骤1：从输入的三维人脸点云中提取出感兴趣的人脸区域，该区域为以鼻尖为球心，90mm为半径的球所包含的人脸区域；步骤2：对由步骤1所提取的三维人脸点云进行平滑去噪处理后，以鼻尖点为姿态坐标系的坐标原点，将其置于姿态坐标系中；所述姿态坐标系的获得方法为：对三维人脸点云采用主成分分析法，将最大特征值对应的特征向量作为Y轴，将最小特征值对应的特征向量作为Z轴，建立右手坐标系，即为姿态坐标系；步骤3：对由步骤2得到的三维人脸点云，根据坐标信息，在人脸的半刚性区域提取垂直方向的7条面部轮廓线并对面部轮廓线进行重采样，得到测试人脸的28个关键点；步骤4：对三维人脸点云进行均匀网格化，由步骤3获得的28个关键点也对应到网格上，提取以关键点所在面片为中心面片的有序面片环，并且确定关键点周围邻域；步骤5：计算由步骤4获得的关键点邻域的网格纵向局部二值模式描述符和网格横向局部二值模式描述符；并对这两者进行特征融合获得网格纵横局部二值模式描述符；所述步骤5的具体步骤为：步骤5.1：准备工作：依据有序环第一个面片位置的相对不变性的原则，按逆时针方向将每环上用于计算的面片标号为其中，r表示关键点邻域有序环的个数，其不同环上的相同位置编号的面片相互对应；步骤5.2：计算关键点邻域的网格纵向局部二值模式描述符，其计算过程为：第1环：将第一环上的面片与中心面片比较；从第二环开始，分别将该环上与前一环上标号对应的面片进行比较；用公式描述为：其中其中标量函数h(f)取为平均曲率H；fc表示中心面片；该描述符计算结果记为Y1；步骤5.3：计算关键点邻域的网格横向局部二值模式描述符，其计算基于同一个环上相邻面片之间的平均曲率值的大小关系，则将其计算式定义为：其中其中(k+1)\12表示对12取余，就表示当k＝11时，面片取为起始面片该描述符计算结果记为Y₂；步骤5.4：对网格纵向局部二值模式描述符和网格横向局部二值模式描述符进行特征融合，从而得到更加全面的描述符——网格纵横局部二值模式描述符，其融合结果记为Y3；步骤6：最后结合LC‑KSVD2字典学习分类算法对人脸进行分类实验，得出识别结果。