CN108052912A - 一种基于矩傅里叶描述子的立体面像识别方法 - Google Patents
一种基于矩傅里叶描述子的立体面像识别方法 Download PDFInfo
- Publication number
- CN108052912A CN108052912A CN201711385924.8A CN201711385924A CN108052912A CN 108052912 A CN108052912 A CN 108052912A CN 201711385924 A CN201711385924 A CN 201711385924A CN 108052912 A CN108052912 A CN 108052912A
- Authority
- CN
- China
- Prior art keywords
- face
- dimensional
- image
- recognition
- contour
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000000284 extract Substances 0.000 claims abstract description 7
- 230000036544 posture Effects 0.000 claims abstract 2
- 238000000605 extraction Methods 0.000 claims description 5
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于矩傅里叶描述子的立体面像识别方法，涉及三维成像技术领域，对不同姿态下的三维人脸深度图，首先利用微分几何相关理论校正到正中面，再通过提取人脸面部的等高线特征，将三维人脸变成容易处理的二维曲线，针对如何能够更好的描述该二维曲线，提出了一种把矩和傅里叶描述子相结合的新方法，最后利用提取的曲线特征进行人脸识别，针对传统的三维人脸识别方法准确性低、识别速度慢，能有效的减少运算时间，同时识别率也较高。
Description
技术领域
本发明涉及三维成像技术领域，具体涉及一种基于矩傅里叶描述子的立体面像识别方法。
背景技术：
人脸识别和掌纹识别，指纹识别，声音识别等一样，是一种基于生物特征的身份认证技术，它通过提取分析人脸视觉特征信息进行身份认证，具有非接触性，不侵犯隐私等特点，是模式识别和机器视觉领域中最为活跃和最具潜力的研究方向之一，具有广阔的应用前景，例如在电子商务，门禁系统等。
最初的人脸识别主要是基于二维人脸特征，在条件适宜的情况下，可取得比较好的识别效果。但在实际应用中，二维人脸识别方法无法克服光照、姿态、表情等因素的影响，识别效果往往不理想。三维人脸信息更丰富，更能够精确的描述人的脸部特征，而且基于三维人脸的识别方法相比较二维人脸，对光照、姿态及表情等因素有更强的鲁棒性，特别是对光照因素不敏感，随着三维成像技术的发展，基于三维人脸识别技术的研究逐渐成为热点。目前主要的三维人脸识别方法包括：基于主成分分析的特征脸识别方法，基于神经网络的人脸识别方法，基于弹性匹配的人脸识别方法等。
但是常见的人脸识别方法都是将图像中每个像素点所代表的信息作为人脸识别过程中的基础。随着成像技术的不断发展，拍摄的图像分辨率会越来越高，单幅人脸图像所包含的像素点越来越多，那么所携带的信息也就会越来越丰富。面对大规模的数据信息，以上这些算法在识别的准确性上有比较明显的不足，同时识别所需要的时间开销也较大，速度较慢，不能够令人满意。
如申请号为CN201210194538.1公开了一种基于图像传感器成像系统的人脸识别算法，该算法在基于相关型图像传感器(CIS)的三维人脸成像系统获得的三维人脸数据基础上，首先利用等深度线和傅里叶描绘子表示三维人脸数据，再利用改进的流形学习方法实现特征提取，最终使用基于欧式距离的最邻近分类器实现分类识别。该算法将人脸识别中使用的三维数据转变为二维数据(等深度线)进行处理，在保留原始人脸信息的基础上降低了数据处理的复杂度；同时使用改进的流形学习方法实现特征提取，识别率和识别速度都有较大提高，但是该种算法采用的是频域方法，运算量大，花费的时间长。
如申请号为CN201520790722.1公开了一种基于三维点云的人脸识别装置，包括中央控制模块、与中央控制模块连接的工作电源模块、无线通讯模块、人脸识别模块和三维人脸视觉字典库，所述三维人脸视觉字典库与人脸识别模块连接，该基于三维点云的人脸识别装置通过三维数据特征区域定位模块利用鼻尖区域曲率比较大且点云分布比较密集的特性，进行了鲁棒的三维鼻尖区域精确定位；再通过Gabor滤波器响应模块，可以提取多个尺度多个方向的数据响应信息，以此来进行深层次的人脸图像局部信号对比并获得更加精细的纹理内部特性，从而提高了装置的精确性；不仅如此，装置通过SVM分类器对数据进行分类，提高了分类的精确度和可靠度，从而提高了装置的可靠性，但是该种装置并未提及如何做到有效的进行快速识别的方法。
发明内容
本发明的目的在于提供一种基于矩傅里叶描述子的立体面像识别方法，以解决现有技术中导致的上述多项缺陷。
一种基于矩傅里叶描述子的立体面像识别方法，该方法包括如下步骤：
(1)通过图像采集器采集人的脸部数据；
(2)将不同姿态的三维人脸深度图校正到“正中面”：
a、计算离散人脸曲面的各处曲率值，对人脸的左眼点、右眼点、鼻尖点和鞍点进行精确定位；
b、根据高斯曲率和平均曲率的不同，把曲面分成若干个区域，通过计算鼻尖点、鞍点和左右眼点在空间位置的坐标，可以准确估计人脸的偏转角度；
c、确定人脸图像的旋转轴心，将人脸图像校正到“正中面”；
(3)提取校正后的“正中面”人脸深度图像的等高线；
(4)把矩和傅里叶描述子结合起来描述等高线特征；
将三维人脸视为一个曲面，提取校正后的三维人脸深度图的等高线来描述人脸的几何特征，每条等高线都是封闭的二维曲线；
(5)基于相似度的人脸识别方法；
从CASIA人脸库中随机选取10个对象，每个对象包含不同姿态变化的7幅三维人脸深度图像，对这些人脸图像校正后，随机选取每个对象的三幅深度图像，用等高线和矩傅里叶描述子提取人脸特征，对剩下的四幅深度图像进行识别测试。
本发明的优点在于：该种基于矩傅里叶描述子的立体面像识别方法将等高线理论应用在三维人脸深度图上，可以有效的表示人脸区域的几何特征，同时大大减少了运算的数据量，明显减少了识别时间，用提取的特征来进行人脸识别实验，取得很好的效果。
附图说明
图1为本发明的结构示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1所示，一种基于矩傅里叶描述子的立体面像识别方法，该方法包括如下步骤：
(1)通过图像采集器采集人的脸部数据；
(2)将不同姿态的三维人脸深度图校正到“正中面”：
a、计算离散人脸曲面的各处曲率值，对人脸的左眼点、右眼点、鼻尖点和鞍点进行精确定位。针对此曲面S:z＝f(x,y),任意一点(x,y,f(x,y))的高斯曲率和平均曲率可表示为：
b、根据高斯曲率和平均曲率的取值不同，曲面可以分成若干区域，其中顶面区域K>0，H<0；鞍脊面区域K<0,H<0。由人脸面部的先验知识和微分几何知识可知，鼻尖点是整个人脸曲面中顶面区域内高斯曲率最大处，鞍脊点是整个人脸曲面中鞍脊面区域内高斯曲率最小处，而左眼点和右眼点是局部区域中顶面区域内高斯曲率最大处。在特征点定位的基础上，通过计算鼻尖点、鞍点和左右眼点在空间位置的坐标，可以准确估计人脸的偏转角度。绕x、y、z轴偏转的角度分别为：
c、根据人体解剖学的相关知识和实际经验，确定人脸三维图像的旋转轴心，结合计算的三个方向上的旋转角度，将人脸深度图像校正到“正中面”，旋转后的人脸部分区域会出现“空洞”，利用邻域点和对称区域信息对这些“空洞”进行插补，从而获得完整的“正中面”的人脸深度图像。
(3)提取校正后的“正中面”人脸深度图像的等高线；
选定一个基准点作为人脸的三维坐标的坐标原点，在选定合适的轴，并以此为基准对三维人脸深度图进行等高线的分割。以Z轴为例阐述具体分割方法：首先设定一个Z值，设为T,再讲Z>T的点投影到一张图上，得到一个二维图像。对于这个二维图像做边缘提取即可得到Z＝T的等高线图。通过设定不同的T值可以得到不同的等高线，从而可以得到整个人脸深度图模型的等高线图。
(4)矩-傅里叶描述子算法提取等高线特征；
等高线看成是是由N个离散点组成的，将这些离散点用直线段相连，形成连续边界曲线的封闭区域。计算区域的质心，以质心为中心，等角度的向外作N条射线，这N条射线和边界直线段将区域分割成N个等角度的扇形区域，在每个扇形区域计算同一种矩，得到的一系列矩值用来表示曲线的形状特征，最后对这些矩特征值进行离散傅里叶变换并归一化，得到具有平移、尺度和旋转不变性的形状特征描述子来表示人脸曲面的等高线。
由于等高线是二维的闭合曲线，由N个离散点组成，相邻的边界点和质心之间用线连接，形成一个三角形，N个边界点形成N个三角形，整个等高线的矩可以通过这些三角形的矩获得。三角形的(p+q)阶矩为：mpq＝mpq,1+mpq,2-mpq,3
整个形状区域的(p+q)阶矩为：
为了定义一个简单，运算量小，同时又能够识别形状特征，我们选取Hu提出的七个不变矩中的第一个矩来作为扇形区域的矩特征值：
其中u20,u02由几何矩mpq根据下式可得：
本文算法中计算的矩特征值序列已经是对整个区域进行等角度均匀分割后得到的，所以不需要再进行等距离离散化，直接对矩值序列进行离散傅里叶变换。为了得到具有平移、旋转，尺度不变性和起始位置无关的傅里叶描述子，需要对其进行归一化处理。
(5)相似度计算；
假设任一幅人脸深度图像，提取面部区域的n条等高线，每条等高线选择前m个矩傅里叶描述子表示其形状特征，那么整幅人脸由n×m个矩傅里叶描述子描述其特征。由于矩傅里叶描述子是复数形式，则一幅人脸图像的特征可表示为：
Ip(t)＝xp(t)+i*yp(t)t＝1,2,…,m×n
在人脸识别时，我们选取不同人脸图像特征之间最近的距离为识别结果。不同人脸深度图特征之间的距离定义为：
从CASIA人脸库中随机选取10个对象，每个对象包含不同姿态变化的7幅三维人脸深度图像，对这些人脸图像校正后，随机选取每个对象的三幅深度图像，用等高线和矩傅里叶描述子提取人脸特征，对剩下的四幅深度图像进行识别测试。
基于上述，该种基于矩傅里叶描述子的立体面像识别方法，对不同姿态下的三维人脸深度图，首先利用微分几何相关理论校正到正中面，再通过提取人脸面部的等高线特征，将三维人脸变成容易处理的二维曲线，针对如何能够更好的描述该二维曲线，提出了一种把矩和傅里叶描述子相结合的新方法，最后利用提取的曲线特征进行人脸识别，针对传统的三维人脸识别方法准确性低、识别速度慢，能有效的减少运算时间，同时识别率也较高。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (1)
1.一种基于矩傅里叶描述子的立体面像识别方法，其特征在于，该方法包括如下步骤：
(1)通过图像采集器采集人的脸部数据；
(2)将不同姿态的三维人脸深度图校正到“正中面”：
a、计算离散人脸曲面的各处曲率值，对人脸的左眼点、右眼点、鼻尖点和鞍点进行精确定位；
b、根据高斯曲率和平均曲率的不同，把曲面分成若干个区域，通过计算鼻尖点、鞍点和左右眼点在空间位置的坐标，可以准确估计人脸的偏转角度；
c、确定人脸图像的旋转轴心，将人脸图像校正到“正中面”；
(3)提取校正后的“正中面”人脸深度图像的等高线；
(4)把矩和傅里叶描述子结合起来描述等高线特征；
将三维人脸视为一个曲面，提取校正后的三维人脸深度图的等高线来描述人脸的几何特征，每条等高线都是封闭的二维曲线；
(5)基于相似度的人脸识别方法；
从CASIA人脸库中随机选取10个对象，每个对象包含不同姿态变化的7幅三维人脸深度图像，对这些人脸图像校正后，随机选取每个对象的三幅深度图像，用等高线和矩傅里叶描述子提取人脸特征，对剩下的四幅深度图像进行识别测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711385924.8A CN108052912A (zh) | 2017-12-20 | 2017-12-20 | 一种基于矩傅里叶描述子的立体面像识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711385924.8A CN108052912A (zh) | 2017-12-20 | 2017-12-20 | 一种基于矩傅里叶描述子的立体面像识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108052912A true CN108052912A (zh) | 2018-05-18 |
Family
ID=62130293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711385924.8A Pending CN108052912A (zh) | 2017-12-20 | 2017-12-20 | 一种基于矩傅里叶描述子的立体面像识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108052912A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035207A (zh) * | 2018-07-03 | 2018-12-18 | 电子科技大学 | 密度自适应的激光点云特征检测方法 |
| CN111311661A (zh) * | 2020-03-05 | 2020-06-19 | 北京旷视科技有限公司 | 人脸图像处理方法、装置、电子设备及存储介质 |
| CN111710030A (zh) * | 2020-05-29 | 2020-09-25 | 上海红阵信息科技有限公司 | 基于ai对抗深度伪造人像的系统及方法 |
| CN111815619A (zh) * | 2020-07-22 | 2020-10-23 | 西北工业大学 | 基于高斯曲率的制造特征小转角检测及驱动几何构造方法 |
| CN113343916A (zh) * | 2021-06-30 | 2021-09-03 | 上海申瑞继保电气有限公司 | 变电站设备图像中的设备特征提取方法 |
| CN113378660A (zh) * | 2021-05-25 | 2021-09-10 | 广州紫为云科技有限公司 | 一种低数据成本的人脸识别的方法及装置 |
| TWI740143B (zh) * | 2019-05-16 | 2021-09-21 | 立普思股份有限公司 | 三維活體識別之人臉識別系統、三維活體識別方法及儲存媒體 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894254A (zh) * | 2010-06-13 | 2010-11-24 | 南开大学 | 一种基于等高线法的三维人脸识别方法 |
| CN102779269A (zh) * | 2012-06-13 | 2012-11-14 | 合肥工业大学 | 基于图像传感器成像系统的人脸识别算法 |
| CN105678235A (zh) * | 2015-12-30 | 2016-06-15 | 北京工业大学 | 基于典型区域多维度特征的三维人脸表情识别方法 |
| EP3198522A1 (en) * | 2014-09-23 | 2017-08-02 | Keylemon SA | A face pose rectification method and apparatus |
| CN107392953A (zh) * | 2017-09-20 | 2017-11-24 | 四川长虹电器股份有限公司 | 基于等高线的深度图像识别方法 |
-
2017
- 2017-12-20 CN CN201711385924.8A patent/CN108052912A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894254A (zh) * | 2010-06-13 | 2010-11-24 | 南开大学 | 一种基于等高线法的三维人脸识别方法 |
| CN102779269A (zh) * | 2012-06-13 | 2012-11-14 | 合肥工业大学 | 基于图像传感器成像系统的人脸识别算法 |
| EP3198522A1 (en) * | 2014-09-23 | 2017-08-02 | Keylemon SA | A face pose rectification method and apparatus |
| CN105678235A (zh) * | 2015-12-30 | 2016-06-15 | 北京工业大学 | 基于典型区域多维度特征的三维人脸表情识别方法 |
| CN107392953A (zh) * | 2017-09-20 | 2017-11-24 | 四川长虹电器股份有限公司 | 基于等高线的深度图像识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 叶长明等: "基于曲面等高线特征的不同姿态三维人脸深度图识别", 《模式识别与人工智能》 * |
| 张玉明等: "基于矩-傅里叶描述子的不同姿态三维人脸识别", 《安徽科技学院学报》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035207A (zh) * | 2018-07-03 | 2018-12-18 | 电子科技大学 | 密度自适应的激光点云特征检测方法 |
| TWI740143B (zh) * | 2019-05-16 | 2021-09-21 | 立普思股份有限公司 | 三維活體識別之人臉識別系統、三維活體識別方法及儲存媒體 |
| CN111311661A (zh) * | 2020-03-05 | 2020-06-19 | 北京旷视科技有限公司 | 人脸图像处理方法、装置、电子设备及存储介质 |
| CN111710030A (zh) * | 2020-05-29 | 2020-09-25 | 上海红阵信息科技有限公司 | 基于ai对抗深度伪造人像的系统及方法 |
| CN111815619A (zh) * | 2020-07-22 | 2020-10-23 | 西北工业大学 | 基于高斯曲率的制造特征小转角检测及驱动几何构造方法 |
| CN111815619B (zh) * | 2020-07-22 | 2024-03-15 | 西北工业大学 | 基于高斯曲率的制造特征小转角检测及驱动几何构造方法 |
| CN113378660A (zh) * | 2021-05-25 | 2021-09-10 | 广州紫为云科技有限公司 | 一种低数据成本的人脸识别的方法及装置 |
| CN113378660B (zh) * | 2021-05-25 | 2023-11-07 | 广州紫为云科技有限公司 | 一种低数据成本的人脸识别的方法及装置 |
| CN113343916A (zh) * | 2021-06-30 | 2021-09-03 | 上海申瑞继保电气有限公司 | 变电站设备图像中的设备特征提取方法 |
| CN113343916B (zh) * | 2021-06-30 | 2024-02-09 | 上海申瑞继保电气有限公司 | 变电站设备图像中的设备特征提取方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108052912A (zh) | 一种基于矩傅里叶描述子的立体面像识别方法 | |
| CN106682598B (zh) | 一种基于级联回归的多姿态的人脸特征点检测方法 | |
| Kanhangad et al. | Contactless and pose invariant biometric identification using hand surface | |
| WO2017219391A1 (zh) | 一种基于三维数据的人脸识别系统 | |
| CN105447441B (zh) | 人脸认证方法和装置 | |
| CN103268483B (zh) | 开放式环境非接触采集下的掌纹识别方法 | |
| CN101650777B (zh) | 一种基于密集点对应的快速三维人脸识别方法 | |
| CN103440476A (zh) | 一种人脸视频中瞳孔的定位方法 | |
| CN108009472B (zh) | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 | |
| CN106022228B (zh) | 一种基于网格纵横局部二值模式的三维人脸识别方法 | |
| CN108182397B (zh) | 一种多姿态多尺度的人脸验证方法 | |
| CN103605965A (zh) | 一种多姿态人脸识别方法和装置 | |
| CN101894254B (zh) | 一种基于等高线法的三维人脸识别方法 | |
| CN106446773B (zh) | 一种全自动、鲁棒的三维人脸检测方法 | |
| Rouhi et al. | A review on feature extraction techniques in face recognition | |
| CN106778468A (zh) | 3d人脸识别方法及设备 | |
| CN105868716A (zh) | 一种基于面部几何特征的人脸识别方法 | |
| CN105354555B (zh) | 一种基于概率图模型的三维人脸识别方法 | |
| Direkoğlu et al. | Shape classification via image-based multiscale description | |
| CN101770566A (zh) | 快速三维人耳识别方法 | |
| CN102129556B (zh) | 一种虹膜图像清晰度判别方法 | |
| Naderi et al. | Fusing iris, palmprint and fingerprint in a multi-biometric recognition system | |
| CN104809457A (zh) | 一种基于区域化隐函数特征的三维人脸识别方法及系统 | |
| Yu et al. | Improvement of face recognition algorithm based on neural network | |
| CN106778491B (zh) | 人脸3d特征信息的获取方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180518 |