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，涉及計算機圖形學(xué)、計算機視覺、模式識別、機器學(xué)習(xí)、感知科學(xué)、人工智能、計算智能等技術(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過程。為了提高人臉的識別精度，本文對3D人臉的自動識別系統(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人臉自動識別系統(tǒng) 普通的人臉識別一般分為圖1所示的三個過程。圖2所示是一個典型的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、肌肉和表皮的運動。 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平均的人臉3D模型，其空間坐標(biāo)點集為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中每個空間點的位置變化來表達(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隊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3D人臉。在用3D人臉形變模型建模時，可將模型的形狀坐標(biāo)集合記為s=T，即包括N個頂點的x，y，z坐標(biāo)；再將對應(yīng)一個人臉的紋理表示為一個紋理向量t=T，即包括N個對應(yīng)頂點的RGB值（假設(shè)有效紋理的數(shù)據(jù)等于頂點數(shù)）。 形變模型由M個人臉樣本數(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（）的計算與p（）的計算類似。 終定義的3DMM為，由兩個變量參數(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)方差矩陣前幾個特征值對應(yīng)的特征向量構(gòu)成一個組基，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，從而得到一個權(quán)值向量。圖3所示是一個主分量分析的應(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展，但一般認(rèn)為，視頻人臉識別算法需要同時用到空間和時間信息，它的時間連續(xù)性是視頻圖像的一個非常重要的特性，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間的變化。只在跟蹤階段用到時間信息。識別還是采用基于靜態(tài)圖像的方法，而沒有用到時間信息。 （2）跟蹤-且-識別，這類方法中，人臉跟蹤和識別是同時開展的，在跟蹤階段和識別階段都要用到時間信息。 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器識別，目的是為了彌補二維方法的缺陷，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)時期，其本身還不成熟，主要存在以下困難： （1）海量存儲和計算的困難。由于三維識別過程中處理的數(shù)據(jù)容量和計算量十分

8、巨大，對于一般計算機來說，它們的存儲和運算還比較困難； （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，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誤； （3）對人的生理認(rèn)識的缺陷。由于計算機沒有人的經(jīng)驗和知識功能，而只有計算功能，同時由于對肌肉的運動理論和表情形成等問題，現(xiàn)在還不能提供應(yīng)計算機足夠的支持； （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，如光線的強弱、方向、遮蓋、陰影、背景等； （5）實現(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。例如由于動態(tài)圖像的計算量太大，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人臉的研究始于計算機動畫和生物醫(yī)學(xué)成像。計算機動畫方面的方法是在計