Print

全自动三维人脸识别框架

论文摘要

三维人脸识别技术是当前生物特征识别技术中的研究热点,具有巨大的发展潜力和广阔的应用空间。因为真实的三维信息与视角以及光照条件无关,所以与二维人脸识别方法相比,三维人脸识别技术具有更高的精确度,且能克服二维人脸识别中存在的若干问题。本文提出一个精确、高效的全自动三维人脸识别框架。主要解决了三维人脸姿态的规范化,通过改进已有的轮廓线提取算法和ICP方法,我们高效、准确地提取了三维人脸模型的对称轮廓线,并利用对称轮廓线作为拒绝分类器,实现了在三维人脸库中的快速检索。本文通过切割三维人脸模型、估计三维人脸姿态、提取三维人脸对称轮廓线以及定位三维人脸特征点等几个步骤,实现了三维人脸模型的全自动处理和识别。

论文目录

  • 提要
  • 第一章 绪论
  • 1.1 背景介绍
  • 1.1.1 基于PCA 的方法
  • 1.1.2 基于特征的方法
  • 1.1.3 基于点信号的方法
  • 1.1.4 基于ICP 的方法
  • 1.2 本文的研究背景与内容安排
  • 第二章 三维人脸面具
  • 2.1 鼻尖点定位
  • 2.2 三维人脸面具
  • 2.2.1 测地距离的计算
  • 2.2.2 测地面具
  • 2.3 人脸姿态估计
  • 第三章 特征定位
  • 3.1 镜像测地面具
  • 3.2 模型配准
  • 3.2.1 模型配准概述
  • 3.2.2 测地面具配准
  • 3.3 对称轮廓线提取与特征点定位
  • 第四章 相似性比较
  • 4.1 Hausdorff 距离
  • 4.1.1 Hausdorff 距离
  • 4.1.2 部分Hausdorff 距离
  • 4.1.3 基于平均值的Hausdorff 距离
  • 4.1.4 改进的Hausdorff 距离
  • 4.2 相似性度量
  • 4.3 实验结果
  • 第五章 总结与展望
  • 参考文献
  • 摘要
  • ABSTRACT
  • 致谢

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/0a649890df3e2a0618acf21c.html