三维人脸形体匹配与属性分类研究

论文摘要

人脸是人类最重要最直观的生物特性之一，在人脸上包含了丰富、重要的生物信息，例如：身份、性别、表情、年龄、种族等。与其它生物特征识别相比，人脸具有非接触性、直接性和方便性等优势。基于二维图像的人脸识别技术已经成为模式识别、计算机视觉和人工智能领域的研究热点。但是在光照、姿态变化的情况下，二维人脸识别性能将急剧下降。三维获取设备的发展使得三维人脸识别成为可能。在已获得数据的前提下，三维人脸几乎不受光线影响，而且三维数据具有的几何形体使三维人脸可以更好地克服姿态变化的影响。由于三维数据在应对光照、姿态变化方面比二维图像具有特定的优势，因此目前三维人脸匹配与属性分类受到越来越多的关注。本文针对三维人脸形体匹配与属性分类问题展开了研究。论文的主要工作与贡献如下：1.三维人脸特征点定位。三维人脸特征点定位是三维人脸识别的一个必要环节。在二维图像上可以较为容易地找到分界线，但三维数据是一个连续光滑的曲面，比较难定义分界线，所以三维人脸上的特征点定位要比二维人脸特征点定位更具挑战性。针对传统的三维曲率分析法无法应用于有洞、噪声数据和无法获得唯一的定位区域的问题，本文提出了基于递阶多层单位划分隐函数（Multi-levelPartition of Unity Implicits, MPU Implicits）重建和曲率分析的三维人脸特征点定位方法。该方法可以应用于有洞、噪声、夸张表情、姿态变化的模型，并且可以得到唯一的定位区域。它具有准确的定位效果，又克服了传统方法的不足。2.基于弱表情区域的多姿态三维人脸形体匹配。在预处理阶段，用提取的三个特征点做粗校准，准确的特征点定位可以较好的初始对准人脸，有利于之后的迭代算法的速度和收敛。表情变化是三维人脸匹配的难点，本文提取了弱表情区域用于配准，消弱表情对识别的影响。另外，针对三维人脸迭代最近点法（Iterative Closest Point , ICP）配准耗时较长的问题，本文提出了基于法线迭代最近点法，该方法可以用于点云模型与MPU隐函数模型的配准，减弱了ICP算法计算量大、耗时较多的缺点。3.三维人脸性别差异分析与识别。人类可以毫不费力地识别出性别，但是对于机器自动识别性别却是一个具有挑战性的难题。目前已有的研究工作主要集中在二维人脸性别识别中，对于三维的性别识别研究成果较少。本文围扰着三维人脸模型，针对三个问题展开了研究：1)三维人脸形体本身是否存在性别差异？2哪些特征具有更明显的性别区分能力？3)如何基于人脸的三维形体进行性别识别？基于以上问题，首先从三维人脸上提取了四类几何特征（坐标位置、欧式距离、比值和夹角），采用统计分析方法验证了三维人脸存在着性别差异，并通过G值分析研究得出了具有明显性别差异的特征。根据性别差异分析的结果进行特征选择，采用支持向量机方法实现了三维人脸的性别识别。进一步，将人脸分成若干子区域，分析了基于人脸子区域的性别识别率，并融合各个子区域的分类结果提高了性别识别率。4.三维人脸表情识别。本文提出了基于脊谷图的三维人脸表情识别。首先根据曲率特征，在三维人脸上提取了富含表情特征的脊区域与谷区域，映射到二维平面形成脊图和谷图。然后利用（2D）2PCA方法对脊图和谷图进行特征降维，采用K近邻、朴素贝叶斯、神经网络和支持向量机分类器分别进行表情分类。实验结果表明基于脊谷图的表情识别方法得到了较好的三维人脸表情识别效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 三维人脸的研究内容
• 1.3 三维人脸匹配与属性分类的研究现状
• 1.3.1 三维人脸数据库
• 1.3.2 三维人脸特征点定位的研究现状
• 1.3.3 三维人脸匹配的研究现状
• 1.3.4 人脸性别识别的研究现状
• 1.3.5 三维人脸表情识别的研究现状
• 1.4 研究内容和创新工作
• 1.5 论文结构及章节安排
• 第二章 基于隐函数重建的三维人脸特征点定位
• 2.1 前言
• 2.2 基于隐函数的三维人脸重建
• 2.2.1 基于MPU 隐函数的三维曲面重建
• 2.2.2 由粗到细递阶三维人脸重建
• 2.3 三维人脸特征点定位
• 2.3.1 人脸平均曲率图和高斯曲率图
• 2.3.2 基于HK 分类器的人脸分割
• 2.3.3 三维人脸特征点定位
• 2.4 实验结果与分析
• 2.5 本章小结
• 第三章 基于弱表情区域的多姿态三维人脸形体匹配
• 3.1 前言
• 3.2 三维配准
• 3.2.1 三维配准的意义
• 3.2.2 三维配准的定义
• 3.2.3 ICP 算法原理
• 3.3 基于法线迭代最近点法的三维人脸配准
• 3.3.1 粗配准
• 3.3.2 法线迭代最近点法
• 3.3.3 弱表情区域提取
• 3.3.4 三维人脸配准
• 3.4 实验结果与分析
• 3.5 本章小结
• 第四章 三维人脸性别差异分析与识别
• 4.1 前言
• 4.2 三维脸部特征提取
• 4.2.1 脸部特征点定位
• 4.2.2 三维脸部特征提取
• 4.3 性别差异分析
• 4.3.1 三维人脸性别差异
• 4.3.2 特征识别力分析
• 4.4 基于特征选择的三维人脸性别识别
• 4.4.1 SVM 分类方法
• 4.4.2 融合方法
• 4.4.3 实验结果与分析
• 4.5 基于三维人脸子区域的性别识别
• 4.5.1 脸部子区域分割
• 4.5.2 特征提取与分类
• 4.5.3 实验结果与分析
• 4.6 本章小结
• 第五章 基于脊谷图的三维人脸表情识别
• 5.1 前言
• 5.2 人脸表情的内容和分类
• 5.3 脊谷图的提取
• 5.3.1 曲面曲率计算
• 5.3.2 基于曲率的脊谷区域提取
• 5.3.3 脊谷图
• 5.4 特征提取与分类
• 5.4.1 特征提取
• 5.4.2 分类方法
• 5.5 实验结果与分析
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 研究展望
• 参考文献
• 攻读博士学位期间已发表或录用的论文
• 攻读博士学位期间参与的科研项目
• 致谢