三维人脸识别系统的设计思路.doc

三维人脸识别系统的设计思路
发布:2008-2-0316:29|作者:李华明|来源:CSAI|查看:376次|进入HYPERLINK"http://bbs.ltesting.net"\t"_blank"软件测试论坛讨论
HYPERLINK"http://www.ltesting.net"\t"_blank"领测软件测试网一、序言
基于生物特征的身份认证技术近年来发展迅速，这其中，利用人脸特征进行身份验证又是最自然直接的手段,相比其它人体生物特征它具有直接、友好、方便的特点，易于为用户所接受。因此计算机人脸识别技术是生物特征最为活跃最有挑战性的领域之一。它结合了认知科学、图象处理、计算机图形学、机器视觉和模式识别等多个研究领域，研究的成果有着广阔的应用前景。
计算机人脸识别由于有着广泛的应用前景而成为计算机模式识别领域的一个十分活跃的研究课题。计算机人脸识别技术也就是利用计算机分析人脸图像,进而从中提取出有效的识别信息,用来"辨?quot;身份的一门技术。人脸识别技术应用背景广泛,例如：可用于公安系统的罪犯身份识别、驾驶执照及护照等与实际持证人的核对、HYPERLINK"http://www.ltesting.net/html/01/category-catid-101.html"\t"_blank"银行及海关的监控系统及自动门卫系统等。特别是在非接触环境和不惊动被检测人的情况下，人脸识别技术的优越性远远超过已有的虹膜、指纹等检测方法。在众多科研人员的不懈努力下，迄今为止在计算机人脸识别方面已经取得许多科研成果，产生了一系列的方法与理论，但均存在着这样或那样的限制，如识别率易受姿态、表情、光照等因素的影响。它的困难体现在：
(1)人脸塑性变形(如表情等)的不确定性;
(2)人脸模式的多样性(如胡须、发型、眼镜、化妆等);
(3)图像获取过程中的不确定性(如光照的强度、光源方向等)。
识别人脸主要依据人脸上的特征，也就是说依据那些在不同个体之间存在较大差异而对于同一个人则比较稳定的HYPERLINK"http://www.ltesting.net/html/64/category-catid-164.html"\t"_blank"度量。由于人脸变化复杂，因此特征表述和特征提取十分困难。这诸多因素使得人脸识别成为一项极富挑战性的课题。
通常的面貌识别系统多是针对二维照片或动态视频序列进行研究，以图象处理技术为基础，但是，基于二维照片进行识别存在严重的障碍，无法解决上述的问题对识别的影响。产生这些问题的主要原因是人的面貌本身是三维的，而照片是对三维面貌进行平面投影的结果，在此过程中必然丢掉一部分重要信息。采用三维识别与传统的方法最大的区别就在于，人脸的信息可以更好的表现和存储，例如人脸的特征点的深度信息及点之间的拓扑结构等等。通过更全面的信息，可以较好的解决识别过程中的误识率和虚警率问题，同时由于三维人脸模型具备光照无关性和姿态无关性的特点，能够正确反映出人脸的基本特性，同时人脸主要的三维拓扑结构不受表情的影响，从而形成相对稳定的人脸特征表述。因此基于三维人脸模型的识别方法可以很好的解决目前在这一领域存在的研究瓶颈。国外研究者已经开始研究三维的面貌识别系统，但研究很不充分，并且针对实际应用系统的研究更少。正是基于这样的原因，我们开始了三维人脸识别系统的研究
二、三维人脸识别过程及系统功能
真正的三维面貌鉴别是自80年代末期开始，目前已经取得了一定的进展。国外三维人脸识别的典型方法主要是利用深度图象自身的几何特征，利用深度图象处理技术，分析面貌曲面的曲率等几何特征，对面貌曲面进行凹凸区域的分割、正侧面轮廓边缘的提取。最早对三维图象面貌识别的研究有Lapreste提出的基于轮廓线的方法，通过对人脸面貌曲率的分析，提取轮廓线上的特征点，利用轮廓线作为特征进行面貌的识别。Lee&Milios从人脸面貌深度图象中抽取凸区域，这些凸区域形成了特征集，计算出所有凸区域相关的扩展高斯图，两幅面貌特征的匹配就是利用这些扩展高斯图象进行的。当然还有很多基于轮廓线和凸区域的改进方法，例如：凸凹点多阶段融合过程方法、轮廓线的欧氏距离识别方法、轮廓线曲率比较方法等等。但这些方法还停留在理论研究的层次，没有实质的自动化系统的出现。
对于国内而言，三维人脸识别的研究也相应的展开，但与国外的研究相比还处于刚起步的状态。目前，三维数据获取已经成为可能，并已经成熟的在实际工作中使用(如三维激光扫描技术、CT成像技术、结构光方法等)，使得三维图形识别技术得到了应用的可能，可以迅速地完成人头三维面貌数据获取。这也为我们的研究提供了实现的基础。
总的来说，要实现一个自动的人脸识别系统主要要完成以下的4个功能：
①人脸检测(Detection)与分割(S