双目视觉中的人脸三维数据获取研究

论文摘要

人脸识别是基于生物特征的认证技术中最活跃的研究领域之一,也是一种自然友好的身份鉴别方式。由于三维人脸模型具备关键的空间结构(深度)数据,相比二维人脸图像具有更准确和丰富的信息,有望解决二维人脸识别中存在的光照、姿态和表情等种种变化所带来的复杂问题,因此,三维人脸识别技术成为当前研究的热点。三维人脸数据是三维人脸重建和识别的依据,而如何获取完整准确的三维人脸数据则成为三维人脸识别中的重要基础。本文基于计算机双目立体视觉技术,研究由标准双目人脸图像获取人脸的三维数据问题。首先采用基于肤色模型的人脸检测算法定位人脸区域,然后采用基于基准点的自适应窗口匹配算法获得人脸区域的视差图。由该视差图即可进一步获取三维人脸数据。本文的研究工作有:(1)在人脸检测和定位方面,首先对图像进行光照补偿,再根据肤色在色彩空间中的聚类特性,建立YCbCr色彩空间上的肤色区域模型对彩色人脸图像进行肤色分割;最后,从肤色区域中筛选出人脸区域。该方法简单快速,且对方向、姿态不敏感,可以从复杂背景中快速分离出人脸。(2)在人脸区域图像的立体匹配方面,提出了基于基准点的自适应窗口匹配算法。该算法自适应搜索得到最佳匹配窗口,在获取的较可靠匹配基准点上对匹配进行生长,经循环计算获得较准确的视差图。在误匹配校正方面,本文对零交叉校正算法进行了改进,有效提高了最终视差图的准确性。此外,在匹配计算中,引入整数图像技术,大大提高了计算速率。在对已定位的人脸区域灰度图像进行匹配之前,对其进行直方图均衡化操作,以减小图像间对应像素点的灰度差异,有助于提高匹配的准确性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景和研究意义
• 1.2 相关技术研究现状
• 1.2.1 人脸识别研究现状和存在困难
• 1.2.2 计算机视觉的发展历史和研究现状
• 1.3 论文主要工作及成果
• 1.4 论文组织结构
• 第二章 基于肤色模型人脸检测
• 2.1 引言
• 2.2 人脸检测方法分类
• 2.3 基于肤色模型的人脸检测
• 2.3.1 光照补偿
• 2.3.2 色彩空间选择
• 2.3.3 肤色模型建立
• 2.3.4 肤色检测
• 2.3.5 二值形态学处理
• 2.3.6 区域标记和筛选
• 2.3.7 区域生长
• 2.3.8 人脸区域定位
• 2.4 实验结果分析
• 2.5 本章小结
• 第三章 立体匹配
• 3.1 引言
• 3.2 立体匹配方法分类
• 3.2.1 特征匹配
• 3.2.2 区域匹配
• 3.2.3 相位匹配
• 3.2.4 动态规划
• 3.3 立体匹配的几何基础
• 3.3.1 立体视觉的极线几何
• 3.3.2 标准双目立体几何
• 3.3.3 成像坐标系统及坐标变换
• 3.3.4 不同坐标系下视差求解
• 3.4 立体匹配的约束
• 3.5 匹配测度
• 3.5.1 归一化互相关
• 3.5.2 差平方和
• 3.5.3 归一化差平方和
• 3.5.4 绝对差和
• 3.6 立体匹配的结果表示
• 3.7 立体匹配的难点
• 3.8 本章小结
• 第四章 基于基准点的自适应窗口匹配
• 4.1 引言
• 4.2 自适应窗口匹配算法
• 4.2.1 自适应窗口选择
• 4.2.2 窗口代价函数
• 4.2.3 最佳窗口搜索策略
• 4.2.4 自适应窗口匹配算法
• 4.2.5 算法验证和分析
• 4.3 待匹配人脸图像预处理
• 4.3.1 待匹配人脸区域获取
• 4.3.2 灰度化和直方图均衡化
• 4.3.3 实验结果分析
• 4.4 基于基准点的自适应窗口匹配算法
• 4.4.1 算法整体流程
• 4.4.2 匹配测度选择
• 4.4.3 初始视差估计值的求解
• 4.4.4 最佳窗口搜索
• 4.4.5 视差求解
• 4.4.6 改进的零交叉校正算法
• 4.4.7 利用整数图像提高效率
• 4.4.8 实验结果分析
• 4.5 本章小结
• 第五章 结论和展望
• 附录A 摄像机标定
• 附录B 空间物体的三维坐标计算
• 参考文献
• 硕士在读期间发表论文及参与项目
• 致谢