基于三维形变模型与PCA的人脸识别研究

论文摘要

随着社会的进步,计算机技术的迅猛发展,近年来,诸如视觉监控、远程教育、人机交互技术、自动身份验证以及银行安全等各方面都迫切希望能够进行快速、有效、稳定的身份验证,特别是在公安(罪犯识别等)、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统等方面有着巨大的发展空间。生物特征因为自身的稳定性和差异性,己经成为身份验证的主要手段;人脸作为一种自然形体具有很强的共性,但由于个体的差异及外界光照等因素的影响而使人脸图像具有比较复杂的模式变化,与其它利用视网膜识别(无法确保对人体的安全性)、指纹识别(涉及个人隐私)等的生物特征进行身份验证相比,人脸具有直观、友好、方便等特点,正越来越受到关注,在现实生活中具有广泛的应用前景,人脸识别技术已经成为模式识别和人工智能领域的一个研究热点。日前的人脸识别方法主要集中在二维图像方面,由于受到光照、姿势、表情变化的影响,识别的准确度受到很大限制。随着三维技术的发展,三维设备成本的降低,有很多研究者己经开始尝试使用基于三维人脸模型的人脸识别方法,进行人脸识别的研究。本文介绍了基于形变模型(Deformable Models)的三维人脸识别的方法及其特点,引入了基于PCA的方法,提出了在不同姿势和不同数据库大小的情况下,利用主成分分析进行识别的方法,实现并改进了基于该模型的PCA快速算法。文中给出了算法实现的基本流程、相关参数的选取准则和部分实验结果。实验发现算法中组件的不同分类方法和人脸姿势的变化对识别结果有较大影响。论文的重点及创新工作包括:(1)在三维人脸数据库的建立的部分,文中详细介绍了三维数据的获取,以及为建立三维人脸数据库而进行的后续数据加工过程(预处理和规格化)。(2)在形变模型的建立部分,本文首先介绍了二维和三维形变模型的概念、理论基础和模型的特征。然后提出了直接从每个人脸个体的3D数据得到三维形变模型的方法。通过将每个人脸个体的3D数据,表示为一个形状向量和一个纹理向量,对所有获得的人脸个体的3D数据进行处理,获得三维形变模型。建立三维形变模型的目的,是在建立的三维可形变模型的基础上,合成一个人在不同姿势,不同视角下的多幅照片,组成一个人脸训练库,供待识别人脸进行检索识别。(3)在识别的部分,将三维形变模型和PCA的方法相结合,实现了对多姿态的人脸的识别。(4)在实验数据的部分,取得了较好的识别效果。实验结果表明,实验证明三维人脸识别能够达到很高的精度,但是识别速度还有待进一步的提高。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 前言
• 1.2 人脸识别技术的研究概况
• 1.2.1 人脸识别技术的发展
• 1.2.2 三维人脸识别技术的研究概况
• 1.3 三维人脸识别难点
• 1.4 人脸识别系统的性能评价
• 1.5 图像识别技术的应用现状
• 1.6 提供三维人脸识别解决方案的主要国际厂商
• 1.7 本课题的研究目的和论文结构安排
• 第二章 三维人脸识别技术文献综述
• 2.1 三维人脸识别技术的分类
• 2.1.1 三维到三维
• 2.1.2 三维模型辅助的二维识别
• 2.1.3 三维和二维结合的识别
• 2.2 基于曲率特征的识别方法
• 2.3 最靠近点迭代法
• 2.4 基于样条平滑的方法
• 2.5 基于几何特征的方法
• 2.6 基于曲面极光谱的方法
• 2.7 基于形变模型的方法
• 第三章 三维人脸数据的获取和预处理
• 3.1 三维人脸图像数据库
• RMA'>3.1.1 3D_RMA
• 3.1.2 GavabDB
• 3.1.3 3D face database of York University
• 3.1.4 XM2VTS database
• 3.1.5 Notre Dame database
• 3.1.6 MPI face database
• 3.1.7 BJUT-3D
• 3.2 三维人脸数据的获取
• 3.2.1 三维扫描仪
• 3.2.2 光照
• 3.2.3 数据采集涉及的其他问题
• 3.3 三维人脸数据的预处理和规格化
• 3.3.1 预处理
• 3.3.2 规格化
• 第四章 基于三维形变模型与PCA 的人脸识别算法
• 4.1 引言
• 4.1.1 标准人脸
• 4.1.2 形变模型的结构与特性
• 4.2 三维人脸识别系统的组成
• 4.3 三维形变模型的获得
• 4.4 人脸图像和三维形变模型的匹配
• 4.5 与PCA 相结合的识别算法
• 4.5.1 PCA 方法
• 4.5.2 算法的描述
• 4.6 本章小结
• 第五章 实验结果
• 5.1 前期准备工作
• 5.2 实验一：基于三维形变模型的识别
• 5.3 实验二：加大训练图像库后的结果
• 5.4 实验结果与比较
• 5.5 小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 未来工作展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果