论文部分内容阅读
人脸数据处理与识别技术一直是一项具有实际应用价值又具有挑战的研究课题。该研究课题将成为21世纪生物特征识别的主流。近几年发展起来的3D人脸数据处理与识别技术为3D人脸识别开辟了新的研究途径。3D人脸数据承载了人脸曲面的几何信息,它不易受光照、视角和场景的变化而改变,并且特征信息比较稳健。由于3D人脸多以点云数据表达几何信息,所以3D人脸对应的数据处理技术与2D人脸的数据处理技术是不同的。本文提出以非经典代数——几何代数(GA)理论作为几何计算与理论分析方法,从3D人脸的姿态矫正、姿态估算,特征提取及识别方法等几方面做了深入研究。提出3D人脸姿态矫正的几何代数算子快速矫正方法,及基于共形几何代数相对几何不变量姿态估算方法都较快实现姿态矫正与估算,以此为基础,进行3D人脸样本数据的标准化处理,其中包括姿态标准化,数据规整及特征提取,提出基于共形几何代数的各类几何约束神经元模型,进行3D人脸识别研究,全文主要工作如下:1.针对任意自由姿态的3D人脸数据,提出一种基于特殊点定位及几何代数旋转算子操作的快速矫正方法,以离散高斯曲率值为测度,计算人脸关键区域上的曲率,以上半脸曲率最小值所在处的左右外眼角为特殊点,并利用人脸近似对称性确定下巴中心点,以此确定人脸正面及其法向量,构造几何代数旋转算子进行矫正操作,实验结果表明,该方法实现简单,几何意义直观,精度高。2.针对自由姿态的3D人脸提出一种基于共形几何代数相对不变量的姿态估算方法,确定人脸姿态6个自由度几何参数,即平移与旋转自由度。该方法以两种相对几何不变量的几何参数来估算对应的6自由度姿态参数,其中包括点云距离最小单位球及距离最小单位轴,在共形几何代数空间上完成姿态估算,实验结果表明该方法实现简单,几何意义直观,估算精度高。3.对待识别样本进行标准化处理,以提取特征,为识别做准备。针对不同姿态的3D点云数据样本,在几何代数空间上以匹配为思路的研究策略,对每个样本以标准姿态样本为参考,计算其相对几何关系,包括旋转与平移,确定鼻尖点,获取姿态较为标准的点云数据集,并进行曲面拟合与固定大小模板进行重采样,获得深度数据,并采用主元分析进行特征提取。4.针对3D人脸识别方法,提出基于共形几何空间上的覆盖模型与计算方法,其中包括点约束神经元模型,线约束神经元模型及面约束神经元模型,对每类神经元计算问题提出共形几何代数的计算方法。最后采用仿生模式识别的识别思想,提出基于共形几何代数计算理论的线约束神经元训练算法与识别算法,并应用于3D人脸识别,实验结果表明该方法在小样本情况下具有一定泛化能力。本文提出的基于几何代数新理论的3D人脸计算与识别方法是可行的,也是有效的。3D人脸数据一般具有点云数多,空间姿态自由,表情丰富,特征维度高等特点,如何进行更有效的应用几何代数进行姿态计算、特征提取及空间样本的最佳覆盖与识别将是一个研究热点,这也是今后进一步深入研究的方向。