三维人脸检测

论文摘要

人脸是一种十分常见而又相当复杂的视觉模式,人脸所能反映的视觉信息在人们的生活中有着重要的作用和意义,对人脸进行处理和分析在社会信息安全、公共视频监控、出入口检测、网络视频跟踪、人机交互等领域都有着广泛的应用前景,因此长期成为模式识别和计算机视觉领域持续的研究热点。近几年来,由于人脸特征提取在人脸处理和分析中的地位,人脸特征提取已经引起了越来越多研究者的注意,并逐渐发展成为一个相对独立的研究方向,其研究方法和手段上也逐渐成熟,出现了各种各样实用的人脸检测算法。而三维视觉的出现,可以很好的克服外界环境因素对于人脸识别的影响,能够解决目前人脸识别所遇到的光照、姿态、表情等问题。本文结合计算机模式识别理论和三维人脸数据特征,基于中科院自动化所三维人脸数据库CASIA,重点对三维人脸检测系统中的各组成模块进行了深入的研究。主要工作包括:1、实现了对三维空间信息的点云数据进行曲面拟合,并对三维空间信息进行旋转、裁剪、各轮廓分离。2、实现了三维鼻尖点的快速定位算法,并以此为基准区域,对不同的三维人脸数据进行配准。3、改进了一种三维人脸数据降维的方法,使得最终产生的三维人脸深度图形轮廓更准确,表现出来的灰度范围变化更均匀。实验结果表明,此算法具有很好的鲁棒性,可以有效地运用于不同尺寸、不同表情、不同姿态的情况。4、实验中,比较基于特征脸的方法和基于曲面几何信息的特征提取这两种方法,并初步的探索和尝试,深入了解了一种基于曲面特征关联性的特征提取方法。总的来说,本文在基于三维空间信息的三维人脸数据预处理和三维人脸特征提取方面做了深入的研究,并取得了一些初步成果,希望本文的工作可以对进一步的开发研究有所帮助。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景、目的和意义
• 1.2 发展历史
• 1.3 核心技术思想
• 1.4 本文主要研究内容和论文结构
• 第2章 三维人脸检测研究现状
• 2.1 引言
• 2.2 三维人脸识别系统组成
• 2.3 三维数据获取
• 2.3.1 基于主动视觉的数据获取
• 2.3.2 基于被动视觉的数据获取
• 2.3.3 三维激光扫描仪介绍
• 2.4 三维人脸数据库介绍
• 2.4.1 国内三维人脸数据库
• 2.4.2 本文采用的数据库
• 2.5 三维人脸数据的表示方法
• 2.6 三维人脸检测的主要研究方向
• 2.6.1 基于三维空间信息
• 2.6.2 基于深度表象信息
• 2.6.3 深度和灰度信息的融合
• 2.6.4 利用三维模型辅助识别
• 2.7 三维人脸识别的优势和困难
• 2.7.1 三维人脸识别的优势
• 2.7.2 三维人脸识别的困难
• 第3章 三维数据预处理
• 3.1 引言
• 3.2 原始三维数据特点
• 3.3 噪声点的去除
• 3.4 二乘法拟合三维人脸曲面
• 3.5 三维曲面光滑处理
• 3.6 鼻尖点快速检测
• 3.7 三维人脸轮廓提取
• 3.8 深度图像转换
• 3.9 小结
• 第4章 三维人脸特征表达与提取
• 4.1 引言
• 4.2 基于特征脸方法
• 4.2.1 PCA 适用范围
• 4.2.2 PCA 基本原理
• 4.2.3 PCA 方法
• 4.3 基于几何形状信息
• 4.3.1 算法思路
• 4.3.2 曲面曲率计算
• 4.4 基于关联信息
• 4.5 小结
• 第5章 实验内容和结果分析
• 5.1 实验重点
• 5.2 实验内容
• 5.3 实验结果分析
• 第6章 总结和展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录