基于表情變化下的局部描述符的三維人臉識別研究.pdf

1、人臉識別技術(shù)因直觀、友好和高性價比等優(yōu)勢在社會多個領(lǐng)域中都有著廣泛的應(yīng)用?；诙S人臉圖像的二維人臉識別技術(shù)取得了巨大成功，但仍難以解決光照、姿態(tài)等問題，其發(fā)展進入瓶頸期。隨著結(jié)構(gòu)光和立體視覺等三維成像技術(shù)的發(fā)展，實時采集三維數(shù)據(jù)成為現(xiàn)實，因此越來越多的學(xué)者將研究重點放在三維人臉識別上。三維人臉數(shù)據(jù)受光照、姿態(tài)等因素的影響較小，卻面臨著表情變化等方面的嚴峻挑戰(zhàn)。本文在對現(xiàn)有三維人臉識別算法分析和總結(jié)的基礎(chǔ)上，依據(jù)基于局部描述符的方法對表

2、情變化問題進行了研究，提出了兩種三維人臉識別算法。本文的主要工作和創(chuàng)新點如下:
　　1)提出了一種基于多元統(tǒng)計局部描述符(Multi-Statistics Local Descriptor, MSLD)的三維人臉識別算法。首先在人臉的半剛性區(qū)域內(nèi)利用人臉的側(cè)面輪廓線來提取關(guān)鍵點，依據(jù)對表情變化的敏感程度對其分類，再確定其鄰域;然后利用協(xié)方差矩陣和直方圖統(tǒng)計分別提取關(guān)鍵點鄰域內(nèi)的二階和一階統(tǒng)計信息，并對兩者進行特征融合以構(gòu)造多元統(tǒng)計

3、局部描述符;最后對受表情影響較小的關(guān)鍵點的鄰域特征賦予較高的權(quán)重并利用帶權(quán)重的多任務(wù)稀疏表示分類器完成分類。在FRGC v2.0數(shù)據(jù)庫和Bosphorus數(shù)據(jù)庫上的實驗結(jié)果充分證明了該算法的有效性以及對于表情變化的魯棒性。
　　2)提出了一種基于網(wǎng)格縱橫局部二值模式的三維人臉識別算法。首先在人臉的半剛性區(qū)域內(nèi)利用人臉的側(cè)面輪廓線來提取關(guān)鍵點并根據(jù)關(guān)鍵點確定中心面片，再利用中心面片及其周圍有序環(huán)確定關(guān)鍵點鄰域;然后將網(wǎng)格上中心面片及

4、其周圍有序環(huán)看成一個整體，從縱向（相鄰環(huán)上對應(yīng)面片之間）和橫向（同一環(huán)上相鄰標(biāo)號面片之間）分別提取關(guān)鍵點鄰域的網(wǎng)格縱向局部二值模式(Local Binary Pattern from Vertical on the mesh，mesh-VLBP)描述符和網(wǎng)格橫向局部二值模式(Local Binary Pattern from Horizontal on themesh，mesh-HLBP)描述符，并且對這兩者進行特征融合得到網(wǎng)格縱橫局部