基于几何信息的三维人脸识别研究

论文摘要

经过科研人员近三十年不懈的努力,基于图像的二维人脸识别已经在一定约束条件下取得了较高的识别率。但是由于二维图像信息的局限性,二维人脸识别无法解决姿势、光照和表情问题。随着三维数据获取技术的不断成熟,三维人脸识别逐渐成为研究热点,科研人员希望其能解决二维人脸识别的瓶颈问题。本文主要研究了利用面部几何信息对三维人脸进行识别,文章主要做了如下四个方面的工作：1.系统的对现有三维人脸识别算法进行了分类和总结对现有三维人脸识别方法进行了综述,将现有三维人脸识别方法分为基于点云或网格的识别、基于深度图的识别和基于特征集的识别。并对多模态人脸识别和有表情下的三维人脸识别进行了讨论。2.研究了利用面部几何信息进行三维人脸识别本文提出使用三维面部特征点之间距离和面部特征点之间距离的比值来描述人脸的几何信息,进行三维人脸的识别。3.提出一种由粗到细的三维人脸识别算法借鉴图像搜索的思路,本文提出一种“由粗到精”的三维人脸识别方法。该方法首先利用粗略的面部几何信息对数据库(Gallery)中人脸进行粗步筛选,随后用最近迭代点法对筛选得的“候选脸”进行精确匹配。4.设计了多个实验验证我们提出的方法针对本文提出的方法,分别以Bosphorus三维人脸数据库和CASIA三维人脸数据库为样本,进行了多个针对算法性能的实验,实验结果有力的支持了本文提出算法的合理性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景及研究意义
• 1.2 生物特征识别
• 1.3 人脸识别
• 1.3.1 人脸识别系统
• 1.3.2 人脸识别的典型应用
• 1.3.3 人脸识别性能评价
• 1.4 二维人脸识别
• 1.4.1 二维人脸识别简述
• 1.4.2 二维人脸识别面临的困难
• 1.5 三维人脸识别
• 1.5.1 三维人脸识别的提出
• 1.5.2 三维人脸识别面临的困难和挑战
• 1.6 本文的主要工作和创新点
• 1.7 本文的各章节结构安排
• 第2章 三维人脸识别系统
• 2.1 三维人脸识别框架
• 2.2 三维数据获取
• 2.3 预处理
• 2.4 三维数据的配准
• 2.4.1 面部特征点定位
• 2.5 三维人脸识别算法
• 第3章 三维人脸识别综述
• 3.1 基于点云或网格结构的方法
• 3.2 基于深度图的识别方法
• 3.3 基于特征集表示的人脸识别
• 3.3.1 基于局部特征的三维人脸识别
• 3.3.2 基于整体特征的三维人脸识别
• 3.3.3 基于整体特征和局部特征结合的方法
• 3.4 多模态融合
• 3.5 对表情的处理
• 3.6 国内外主要公共人脸数据库
• 第4章 基于几何信息的三维人脸识别
• 4.1 几何信息在三维人脸识别中的理论基础
• 4.1.1 人脸生理构造
• 4.1.2 基于人体测量学的人脸分析
• 4.2 面部特征点的选取
• 4.3 基于距离信息的识别
• 4.3.1 面部特征点定位
• 4.3.2 空间欧式距离
• 4.3.3 测地距离
• 4.3.4 线性判别分析（LDA）
• 4.3.5 实验数据库介绍
• 4.4 实验结果
• 4.4.1 欧式距离在无表情和有表情下的识别
• 4.4.2 欧氏距离在三维人脸和二维人脸下的识别
• 4.4.3 测地距离在无表情和有表情下的识别
• 4.5 基于比例的识别
• 4.5.1 算法设计
• 4.5.2 实验结果
• 4.6 小结
• 第5章 由粗到细的三维人脸识别方法
• 5.1 引言
• 5.1.1 "由粗到细"基本思想
• 5.1.2 相关工作
• 5.2 由粗到细的识别方法
• 5.2.1 系统框架
• 5.2.2 基于几何结构的粗匹配
• 5.2.3 基于ICP算法的精确匹配
• 5.3 实验描述及结果分析
• 5.3.1 实验数据库介绍
• 5.3.2 预处理
• 5.3.3 基于几何结构的粗匹配
• 5.3.4 由粗到细的三维人脸识别
• 5.4 结论及分析
• 第6章 总结和展望
• 6.1 本文总结
• 6.2 未来工作展望
• 参考文献
• 攻读硕士期间发表论文情况
• 致谢