论文部分内容阅读
自动人脸识别技术由于其广阔的应用前景，目前已成为生物识别领域热点研究课题之一。经过近50年的发展，二维人脸识别技术已日趋成熟，但也易受姿态变化等影响。三维人脸识别的提出为解决二维人脸识别的瓶颈提供了契机，然而同样存在着表情变化等重大挑战。因此本文紧紧围绕二维人脸识别的多姿态问题及三维人脸识别的表情问题，分别提出解决方案。本文主要工作包括: (1)提出基于2DLDA特征与LBP特征融合的2D人脸识别方法。从现有人脸库选取部分图像构成三个子集库——光照子集、表情子集和姿态子集。通过在ORL库及三个子集库上实验，讨论PCA、LDA、2DPCA、2DLDA、DFT、LBP、Gabor共7种特征提取算法性能。得出没有一种算法能在光照、表情、姿态三种因素变化都较大情况下优于其他算法的结论。在此基础上，针对人脸多姿态问题，提出2DLDA全局特征与LBP局部特征融合方法，四个数据库上的实验结果充分证明了两种特征的互补性和融合算法的有效性。 (2)提出一个全自动的三维人脸模型预处理方案。算法首先根据定位的鼻尖点进行人脸区域的裁切，然后通过PCA初校正和对称面提取两步完成3D人脸模型姿态定位，最终将其转换至一个统一坐标框架下。 (3)提出一种表情鲁棒的快速三维人脸识别方法。本文在探讨了几何特征和ICP算法各自优劣的基础上，提出二者结合的两步识别方法。算法首先根据提取的13维几何特征对库集对象进行排除，然后对剩余的库集模型采用ICP进行精确配准，给出最终识别结果。另外，为了弱化表情变化带来的人脸曲面扭曲，本文还引入基于向导的表情变形技术。最后我们在ZJU-3DFED表情库的实验结果证明，该方法具有较好的鲁棒性和实时性。