基于三维人脸模型的多姿态人脸识别

论文摘要

人脸识别是当前生物特征识别的热点问题之一,在信息安全、视频监控、视频跟踪等领域有着广泛的应用前景。目前,人脸识别方法主要集中在二维图像方面,但由于受到光照、姿态、表情变化等因素的影响,其识别的准确度受到很大的限制。到目前为止,建立一个鲁棒的人脸识别系统仍然是一个很困难的问题。三维人脸模型具有比二维人脸图像更丰富的信息,利用三维人脸模型是解决目前问题的有效方法之一。三维人脸识别的核心部分是建立对应的三维人脸模型,而如何获得形状模型和精确的纹理映射是构建模型的关键。这个问题在人脸重建领域尚未得到很好解决。本文深入研究了基于图像和模型的人脸模型重建方法,提出了全新的重建思路;探讨了如何利用模型解决二维人脸识别中的姿态问题;提出了一种利用三维人脸模型的多姿态二维人脸识别方法。具体研究内容包括:(1)采用径向基函数与B样条曲线相结合的方法,进行三维人脸建模采用立体视觉重建三维特征点,通过人脸正侧面图像特征点的分层、分部位的径向基函数重构一般人脸模型,得到部位轮廓特征明显的三维特定人脸模型,利用B样条曲线进行三维人脸曲面重构;然后运用拉普拉斯金字塔法得到近似的人脸全视角纹理图;再将近似人脸全视角纹理图映射到三维特定人脸模型,从而得到三维特定真实感的人脸模型。(2)通过计算人脸旋转的三个自由度,估计出人脸的姿态参数提出了一种无需任何附加设备,在单目摄影环境下,根据摄影几何理论,配合人面貌形态特征,仅使用一张单目环境下拍摄的图像,对人脸姿态参数进行近似估计。通过分别计算人脸旋转的三个自由度,可以快速估计出人脸的姿态。经过实验证明,估计出的结果值与真实姿态十分近似,是一种有效的人脸姿态参数估计方法。(3)应用三维人脸模型,解决了姿态对人脸识别的影响首先,通过正侧面图像,采用B样条曲线与径向基函数相结合的方法进行三维人脸重建,保存三维人脸模型做为库存图像;然后通过计算待匹配人脸图像的三个自由度,估计出人脸的姿态参数;再结合待匹配人脸图像的姿态参数与三维人脸模型库,生成与待匹配图像相同姿态的二维人脸图像;最后,此新生成的二维图像与待匹配图像进行比较,得出识别结果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究意义及课题来源
• 1.2 国内外研究现状
• 1.2.1 人脸参数模型
• 1.2.2 生理肌肉模型
• 1.2.3 基于图像的建模
• 1.2.4 基于人脸库的形变模型
• 1.3 本文的研究内容
• 1.4 本文的章节安排
• 第二章 基于图像的人脸特征点提取
• 2.1 特征点的选取准则
• 2.2 立体视觉原理
• 2.3 基于正侧面图像的三维特征点重建
• 2.3.1 图像归一化
• 2.3.2 特征点重建
• 2.4 本章小结
• 第三章 特定三维人脸模型的建立
• 3.1 三维人脸模型概述
• 3.1.1 网格模型
• 3.1.2 统计模型
• 3.1.3 本文所使用的一般人脸模型
• 3.2 径向基函数
• 3.3 B样条曲线
• 3.4 基于径向基函数与B样条曲线的三维人脸重建
• 3.4.1 基于径向基函数的特定人脸模型重构
• 3.4.2 基于B样条曲线的人脸模型光顺处理
• 3.5 基于图像金字塔算法的纹理贴图技术
• 3.5.1 纹理贴图概述
• 3.5.2 改进的图像金字塔法
• 3.5.3 纹理映射
• 3.6 本章小结
• 第四章 姿态估计
• 4.1 自由度
• 4.2 姿态参数估计的方法
• 4.2.1 人脸对应于z轴的旋转角度γ计算方法
• 4.2.2 人脸对应于y轴的旋转角度β计算方法
• 4.2.3 人脸对应于x轴的旋转角度α计算方法
• 4.3 姿态估计算法整体流程
• 4.4 结果分析
• 4.5 本章小结
• 第五章 三维人脸识别
• 5.1 三维人脸识别综述
• 5.2 三维人脸建模系统
• 5.3 多姿态人脸识别
• 5.4 本章小结
• 结束语
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢