论文部分内容阅读
人脸识别具有非接触性、唯一性、主动性等多种优势成为了生物特征识别领域的研究热点。二维人脸识别技术的发展已经趋于成熟,被广泛的应用到了人们的生活中。但是,由于二维图像在本质上只是三维图像在二维空间里的简单投影,很难从根本上克服光照、化妆、姿势、表情等因素的影响。三维图像包含了更多的人脸信息,如曲面距离信息,曲面曲率信息,空间结构信息等,三维人脸识别技术已经成为了人脸识别领域的研究热点。 本文提出了一种基于人体测量学和Curvelet信息融合的三维人脸识别算法ACFFR(Anthropometric Curvelet Fusion Face Recognition),论文主要工作如下: 1.对现有的著名三维人脸识别算法进行了总结,并且分类。将三维人脸识别算法分为三种:基于模型的三维人脸识别算法、基于特征的三维人脸识别算法、多模态融合的三维人脸识别算法。对现有的常用三维人脸数据库进行了简单总结。 2.提出了将人体测量学特征运用到人脸特征区域的定位中。在深度图中对人脸的基准点进行定位,运用人体测量学特征和人脸基准点的位置定位出人脸的特征区域。 3.基于Curvelet变换的特征提取。对人脸特征区域进行Curvelet分解,得到多尺度、多方向的Curvelet系数,对Curvelet系数矩阵进行求l1范数处理,得到该特征区域的特征向量。 4.通过最近邻方法在Texas3DFRD数据库中实验,分别对四个区域的特征向量进行匹配识别,将得到的四组识别结果进行决策级融合得到最后识别结果。与单独使用人体测量学特征和Curvelet特征的典型算法相比较,证明了本文所提算法的合理性。