PDF《潘纲‘ 吴朝晖》

然后计算关键点的局部描 述符;

最后通过匹配2个人脸模型对应的关键点的 万方数据

822 计算机辅助设计与图形学学报 局部描述符实现人脸匹配. Chua等[1叼提出一种基于Point Signature(PS) 方法的人脸识别方法,该方法用人脸曲面上某点邻 域内一条曲线的形状信息来表征该点的形状.为脸 部各点建立PS后,通过匹配PS找到2个模型的多 组对应点对,然后粗略对齐2个模型,再用ICP精 确对齐模型.用高斯模型提取出脸部的刚性变化的 部分,匹配时采用投票的办法,类似的方法是最小平 方均值(1east squares mean,LSM)[3 21.三维人脸曲 面上某点的LSM定义为该点邻域内的曲面相对于 其空间位置的一个二维直方图. 为降低特征分量之间的相关性,Xu等[33]提出 用一个本质特征向量来描述一张三维人脸,一个本 质特征向量包含深度信息、余弦信号特征和余弦信 号特征的0―2阶矩;

然后用boost算法从该向量中 选择有效的特征分量,并训练级联的强分类器完成 三维人脸的分类. 1.2.2脸部曲线特征 如果人脸曲面形状用若干从曲面提取的二维曲 线近似表示,则可将三维人脸曲面形状的匹配问题 转化为二维曲线的匹配问题,从而可以大大降低问 题的复杂性.曲线匹配方法即基于此思想,二维曲线 可认为是曲面的一种稀疏采样,它能较好地表征曲 面的几何形状,其优势在于数据空间从三维降到了 二维.脸部曲面上的一些特征曲线(如中心侧影线) 不但可用来估计人脸的姿态[z引,也作为三维人脸识 别的重要特征. Nagamine等[9]提出基于脸部曲线匹配的三维 人脸识别方法.首先用启发式方法提取脸部的5个 特征点(内眼角,鼻尖,鼻根等),将人脸初步对齐;

然 后在对齐后统一的坐标系中提取3条曲线,分别是 过对称面的侧影线、眼睛下侧的水平曲线和鼻尖区 域曲线,离散成特征向量进行比较.Beumier等【3'

]用 曲率构建了侧影线之间的相似度量. 在人脸姿态任意变换的条件下,提取脸部基准 曲线并不容易,Pan等[35]提出一种鲁棒的对称面检 测方法,主要利用人脸自对称的特点,镜像后不丢失 原始的对应关系,只要配准原始模型和镜像模型,对 称面可以用最dx-- 乘法拟合得到.借助对称平面可 以定位中心侧影线,然后用侧影线进行识别. 1.2.3基于曲率特征 曲率作为三维曲面的一种重要的局部几何属 性,较早用于三维人脸曲面的分析与识别.对脸部曲 面进行关键点提取、区域分割等处理时,曲率特征起 着非常重要的作用凹 1'

24'

29'

36-373.但是,由于三维人 脸数据是离散的并随采集条件不同采样点并不完全 一致,难以直接使用曲率以点对点的方式进行匹配;

另一方面,由于三维数据采集时通常受不同程度的 噪声影响,离散估算获得的曲率值相对不准确,缺乏 鲁棒性.因此,通常还必须配合其他方法才能更有效 地利用曲率. 人脸形状具有近似圆柱的特点,Gordon[1妇将三 维人脸深度图转换到圆柱坐标系中,再计算每一点 的高斯曲率和平均曲率.由于高斯曲率和平均曲率 的符号可以较稳定地确定曲面的局部形状类型,因 此利用它们的符号将人脸划分为不同的区域,在各 个区域中检测特征点,这些特征点之间的空间关系 组成特征向量.Moreno等[373使用类似的方法,只是 构建的特征向量维数更大,匹配时采用最近邻方法. 1.2.4其他局部特征 最近,美国德克萨斯大学的研究者将人体测量 学原理用于提取三维人脸的特征[381,人体测量学........