未来智讯 > 人脸语音识别论文 > 初探三维人脸识别技能

初探三维人脸识别技能

发布时间:2018-12-01 01:06:04 文章来源:未来智讯    
    初探三维人脸识别技能作者:未知   摘要:随着信息化技能的不时发展,用户信息的平安性成为备受关注的问题之一,传统的口令对身份的验证已经不能满足人们的需求,三维人脸识别技能作为一种典型的生物特征识别技能成为身份识别的重要发展方向。三维人脸识别技能既有非接触性、信息完备等独特的优点,又有数据处理难度大、姿态表情年龄等因素的制约,因而在研讨上具有重要的理论意义和现实意义。
  关键词:三维人脸识别;关键技能;生物特征
  中图分类号:TP391.4 文献标识码:A 文章编号:1007-9416(2017)09-0234-01
  1 三维人脸识别相关概括
  1.1 三维人脸识别的介绍
  现在的人类社会已经步入到了信息化时代,各种各样的信息充斥在我们的周围,在线支付、信息化办公、远程教育等都离不开身份的认证与识别,传统的验证方式常常是用户名与密码的联合,然而这种存在着不平安性,很容易被伪造或是窃取,口令验证越来越不适应社会信息的发展。而生物识别技能则主要是通过人类的生物特征来进行的一种身份验证的技能,由于生物特征的独特性和唯一性,能够满足身份验证的需要。比如:人脸识别、指纹识别、手型识别、虹膜识别、DNA识别等。而在众多生物识别中人脸识别则是便于信息的采集、能够非接触的、友好的人机交互的方式,尤其伴随着技能的成熟,也由原有的二维灰度图像逐渐的升级为三维人脸识别[1]。
  1.2 三维人脸识别与二维人脸识别的区别
  人脸识别的技能起源于上世纪初,经过数十年的发展,二维人脸识别逐渐转变为三维人脸识别。二维人脸识别的缺陷主要有:(1)光照条件对人脸识别的时候会因为光照角度或是光照强度的不同而得到不同的二维图像视觉效果。(2)人脸姿态在不同的姿态条件下会出现很大的差异性,最后导致识别判断的错误性。(3)人脸的面部表情会使人脸识别过程中出现偏差,破坏二维图像中。
  二维人脸识别存在的缺陷能够通过三维人脸识别技能有所改变,比如光照条件问题能够通过基于 Gamma 灰度矫正的方式解决,人脸姿态的问题能够通过对不同角度而变成的二维人脸识别的图像进行合成来建模从而控制姿态变化造成的成像影响,人脸的面部表情问题能够通过基于频率域或统计的方法提取表情特征,从而达到人脸识别。只管三维人脸识别能够极大程度的改善二维人脸识别,然而却存在着算法较多、规模较大、限制条件较多等问题,因而三维人脸识别技能也存在着一定的制约性。
  最初,人脸识别技能很多是对二维人脸识别技能的延续,许多技能方法与手段尚不成熟,未能完全发挥出三维图像的优势。其次,三维人脸图像对于光照条件不明感,对于姿态、表情、年龄等方面的因素也会对三维人脸识别的效果造成影响,仍需技能加以克服。最终,三维人脸的分别率要求越来越高,信息量也在不时加大,如何利用有效的数据降维方法和提高数据信息存储等,都需要较高的要求。
  2 三维人脸识别的关键技能
  2.1 基于几何特征直接匹配的方法
  三维人脸识别是一种空间的立体结构。基于几何特征的方法便是将识别到的人脸看成是一张张的曲面,不需要对人脸的图像特征进行提取,只需要在曲面上对数据进行相应的匹配。主要选取的方法为迭代近来点法(ICP)和豪斯多夫(Hausdorff)距离法。
  2.2 基于部分特征的方法
  基于部分特征的方法主要选取的思维便是通过利用有限的人脸部分的区域来对原始的人脸进行表征,这样就会使人脸特征的数据量在一定程度上削减,然而却需要对人脸部分的区域采用选择好的方案进行细致的分析与设计,这样才能确保在进行部分特征采用的时候选取的区域是具有代表性与可分性的。其中选取的方法主要有:基于LBP(Local Binary Patterns)即二值模式的方法、通过对特征表达与处理最后达到对人脸进行识别目的的部分描述符法以及基于曲率特征的方法[2]。
  2.3 多�稻荻嗉际跞诤系姆椒�
  多数据多技能的融合方式作为人脸识别技能中新的发展方向,任何一种人脸成像数据都是对客观对象的一种描述,都包含了若干有价值的信息;然而每一种数据也有自己的局限和不足。伴随着人脸识别技能的发展,技能和方法都在大大的改进,将多种手段与技能进行迭代和融合,能够极大程度的对人脸识别的效果得到提高。
  3 三维人脸识别的几种方法
  3.1 基于复数域的多数据融合三维人脸识别
  多数据融合技能是指利用计算机对按时序获得的若干观测信息,在一定规则下加以自动分析、综合,以完成所需的决策和评估任务而进行的信息处理技能。一般来说,多数据融合技能主要分为三个层次,即:数据级融合、特征级融合以及决策级融合。通过将多个数据进行融合的方法能够获取到更多的信息量,有用的信息量也在加大,这样就能够在多数据进行融合的基础上来彼此的取长补短,能够使提高的识别率有大幅度的增强,同时获取到的识别效果也更好,任何一个人的人脸都是一种客观对象数据的描述,里面包含了许多有价值的信息,多种的数据融合方式进行三维人脸识别优于单一传统的识别方法[3]。
  3.2 基于不同姿态三维人脸深度图识别
  对于人脸识别来说,姿态的问题是人脸识别问题研讨的瓶颈,也便是说当成像的对象面部的表情发生变化的时候,那么整个人脸的区域的成像就都会发生变化,在一些情况之下,人脸的图像会因为视觉的感官的改变而发生变化,这样就会导致整个人脸的区域成像效果也发生了相应的改变。这种变化是难以捕捉和把握的,因而就对人脸的识别增大了其难度。就目前来说对于人脸的不同姿态的三维人脸成像的方法主要有三种,最初是通过单幅或者是多幅的二维图像进行合成,其次是在不同的姿态之下进行图像的采集,使人脸的数据库信息得到丰富,从而构建出相应的多姿态的训练集,来提高最后的辨识度,最终便是能够通过人脸模型的架构,来变成多角度的表情人脸图像。可是建模是需要一定的算法与复杂性,规模也较大。
  3.3 基于曲面等高线特征的三维人脸识别
  曲率是一种部分几何的属性,三维人脸的曲面数据是分散的,所以会受到许多条件的制约,采集点也不相同,这样就会出现数据之间的格式不规范、不统一,所以三维人脸的识别是不能通过曲率的特征直接进行识别的,另外,除了主观与客观的因素之外,成像过程中出现的噪声也会造成成像的误差,因而曲率特征对于数据精度要求高,必须与其他方法联合使用。
  参考文献
  [1]苏煜,山世光,陈熙霖,高文.基于全局和部分特征集成的人脸识别[J].软件学报,2010,(8):1849-1862.
  [2]刘小军.人脸识别技能研讨[D].北京:中国科学院电子学研讨所,2011.
  [3]胡珍珍.基于深度数据的空间人脸旋转角度估计[D].合肥工业大学,2011.
转载请注明来源。原文地址:https://www.7428.cn/page/2018/1201/49636/
 与本篇相关的热门内容: