3D人臉識別分析探索

1、【W(wǎng)ord版本下載可任意編輯】 D人臉識別分析探索 人臉識別是基于生物特征識別技術(shù)的身份中主要的方法之一，涉及計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺、模式識別、機(jī)器學(xué)習(xí)、感知科學(xué)、人工智能、計(jì)算智能等技術(shù)，3D人臉識別主要分為人臉檢測、人臉特征和人臉識別三個(gè)過程。為了提高人臉的識別精度，本文對3D人臉的自動(dòng)識別系統(tǒng)及識別算法開展了研究，給出了3D人臉識別存在的問題。 1 3D人臉自動(dòng)識別系統(tǒng) 普通的人臉識別一般分為圖1所示的三個(gè)過程。圖2所示是一個(gè)典型的3D人臉識別系統(tǒng)的組成框圖。其中，圖像獲取部分負(fù)責(zé)獲取來自于攝像機(jī)或是掃描儀等設(shè)備的圖像，通過程序?qū)⑵滢D(zhuǎn)換為可處理的數(shù)字圖像格式；檢測定位是通過對輸入的圖像

2、開展處理分析，判斷圖像中是否有人臉，如果有人臉，則作出準(zhǔn)確的定位；特征提取是在預(yù)處理后的人臉圖像中按照某種策略抽取出識別的特征。 圖1 人臉識別過程圖 圖2 典型的人臉識別系統(tǒng) 人臉模型主要分為剛性模型和塑性模式，剛性模型可以滿足對人頭部跟蹤檢測的要求，主要用于表示人的頭部位置、姿態(tài)、方向等；塑性實(shí)體主要處理人臉識別、表情識別、唇語識別等問題，它涉及面部器官、肌肉和表皮的運(yùn)動(dòng)。 目前主要的三維建模工具有3DSMAX，MAYA，AUTOCAD等。 1.1 結(jié)合一般人臉模型的建模 由于人臉的復(fù)雜性和相似性，直接采用視覺重建算法開展3D人臉的重建，在精度和實(shí)用性上，相對于昂貴的硬件采集方法，都不能到

3、達(dá)很好的效果。為了重建精度較高的人臉模型，下面引入了一般人臉3D模型。 一般人臉模型的主要思想是定義一個(gè)平均的人臉3D模型，其空間坐標(biāo)點(diǎn)集為Sg=xgi，ygi，zgi，i=1，2，n，該空間坐標(biāo)集表達(dá)了常見的人臉表面形狀的共同特性。該思想認(rèn)為，不同人臉的3D構(gòu)造S。都可 以通過一般人臉模型Sg中每個(gè)空間點(diǎn)的位置變化來表達(dá)，即特定的人臉模型Sp=Sg+S，（xpi，ypi，zpi=xgi+xi，yg+yi，zgi+zi。形變量S如何求取具有不同的方法，但思想是利用人臉模型提取表達(dá)五官特征（眼睛、鼻子、嘴、臉頰、眉毛）的輪廓點(diǎn)集Sf=xfj，yfj，zfj，j=1，2，m（其中mn），然后利用相

4、應(yīng)的輪廓信息或特征點(diǎn)隊(duì)形的深度信息在一般人臉模型和特定人臉模型之間建立一個(gè)光滑的3D位移插值函數(shù)f（Sg），并使f（Sg）對于輪廓或特征點(diǎn)集合均滿足f（Sj）=Sf，進(jìn)而從f（Sg）得到一般人臉模型上每一點(diǎn)的位移S。 1.2 結(jié)合3D人臉形變模型的建模 3D人臉形變模型的思想是利用有限數(shù)量的3D人臉模型的線性組合來表達(dá)任何一個(gè)3D人臉。在用3D人臉形變模型建模時(shí)，可將模型的形狀坐標(biāo)集合記為s=T，即包括N個(gè)頂點(diǎn)的x，y，z坐標(biāo)；再將對應(yīng)一個(gè)人臉的紋理表示為一個(gè)紋理向量t=T，即包括N個(gè)對應(yīng)頂點(diǎn)的RGB值（假設(shè)有效紋理的數(shù)據(jù)等于頂點(diǎn)數(shù)）。 形變模型由M個(gè)人臉樣本數(shù)據(jù)構(gòu)成，這些數(shù)據(jù)分別表示為它的3

5、D形狀和紋理兩部分，也可寫成M個(gè)樣本圖像的質(zhì)心坐標(biāo)表達(dá)式，即： 其中 使用PCA對3D人臉數(shù)據(jù)開展壓縮，再把基底變換到一個(gè)由對應(yīng)協(xié)方差距陣的特征值按降序排列對應(yīng)的特征向量si和ti形成的正交坐標(biāo)系下，則有（，RM-1）： 其中，a的概率分布滿足 式中：2是形狀協(xié)方差矩陣Cs的特征值。p（）的計(jì)算與p（）的計(jì)算類似。 終定義的3DMM為，由兩個(gè)變量參數(shù)確定a=T，b=T。這樣，任意新的人臉都可以通過變化a，b來控制其形狀和紋理。 2 基于視頻圖像的識別算法 特征臉方法通常利用主分量分析開展降維和提取特征。該方法選擇與原數(shù)據(jù)協(xié)方差矩陣前幾個(gè)特征值對應(yīng)的特征向量構(gòu)成一個(gè)組基，以到達(dá)表征原數(shù)據(jù)的目的。

6、在人臉識別中，由一組特征臉基圖像張成一個(gè)特征臉子空間，任何一幅人臉圖像（減去平均人臉后）都可投影到該子空間，從而得到一個(gè)權(quán)值向量。圖3所示是一個(gè)主分量分析的應(yīng)用舉例。圖中左邊的圖像為平均臉，其他為對應(yīng)7個(gè)特征值的特征向量。 圖3 人臉識別主分量分析例圖 但是，3D人臉識別是通過自動(dòng)檢測人臉區(qū)，從視頻中提取特征后才識別出人臉的身份。雖然視頻人臉識別是基于靜態(tài)圖像的人臉識別的直接擴(kuò)展，但一般認(rèn)為，視頻人臉識別算法需要同時(shí)用到空間和時(shí)間信息，它的時(shí)間連續(xù)性是視頻圖像的一個(gè)非常重要的特性，包括由此產(chǎn)生的人臉信息的不確定性。視頻人臉識別算法和基于靜態(tài)圖像的人臉識別算法的區(qū)別就是在人臉跟蹤和識別中利用時(shí)間

7、信息。目前這類算法大致可分為兩類： （1）跟蹤-然后-識別，這類方法首先檢測出人臉，然后跟蹤人臉特征隨時(shí)間的變化。只在跟蹤階段用到時(shí)間信息。識別還是采用基于靜態(tài)圖像的方法，而沒有用到時(shí)間信息。 （2）跟蹤-且-識別，這類方法中，人臉跟蹤和識別是同時(shí)開展的，在跟蹤階段和識別階段都要用到時(shí)間信息。 3 3D人臉識別存在的問題 近幾年才開始研究將三維方法用于人臉機(jī)器識別，目的是為了彌補(bǔ)二維方法的缺陷，或者是解決二維方法所無法根本解決的問題。 目前，三維人臉識別的處理方法和手段還是處于發(fā)現(xiàn)時(shí)期，其本身還不成熟，主要存在以下困難： （1）海量存儲和計(jì)算的困難。由于三維識別過程中處理的數(shù)據(jù)容量和計(jì)算量十分

8、巨大，對于一般計(jì)算機(jī)來說，它們的存儲和運(yùn)算還比較困難； （2）信息方面的困難。由于三維識別的完整信息難于獲取或者識別的信息往往不完整，同時(shí)，再加上圖像采集設(shè)備的差異和成像原理的不同，都可能造成識別算法本身不可糾正的錯(cuò)誤； （3）對人的生理認(rèn)識的缺陷。由于計(jì)算機(jī)沒有人的經(jīng)驗(yàn)和知識功能，而只有計(jì)算功能，同時(shí)由于對肌肉的運(yùn)動(dòng)理論和表情形成等問題，現(xiàn)在還不能提供應(yīng)計(jì)算機(jī)足夠的支持； （4）受環(huán)境和條件的約束。影響二維識別的不利因素在三維識別上同樣存在，如光線的強(qiáng)弱、方向、遮蓋、陰影、背景等； （5）實(shí)現(xiàn)方式和手段的缺陷。傳統(tǒng)的識別方法不能滿足三維識別的要求，必須改良或采用新的方法。例如由于動(dòng)態(tài)圖像的計(jì)算量太大，因此，適用于靜態(tài)圖像處理的神經(jīng)網(wǎng)絡(luò)就變得不適合了。 4 結(jié)語 3D人臉的研究始于計(jì)算機(jī)動(dòng)畫和生物醫(yī)學(xué)成像。計(jì)算機(jī)動(dòng)畫方面的方法是在計(jì)