一种基于Kinect的三维人脸识别方法技术

目前针对人脸识别的研究非常多，应用也较为广泛，在技术上，二维人脸在识别中最为常用，但是有些场合并适用，比如举着人物照片站在摄像头前，识别系统可能会识别成本人而非图片，这就会造成不法分子有机可乘，除此之外，二维人脸识别技术易受光照、表情、装束、姿态等因素的影响，本发明专利技术提出了一种基于Kinect的三维人脸识别方法，与一般的人脸识别方法相比，尤其是二维人脸识别方法，本发明专利技术的三维人脸识别方法具有精度高、识别稳定性强和防伪造能力强等优点。

A 3D face recognition method based on Kinect

The present research on face recognition very much, also the wider application in technology, 2D face recognition is the most commonly used in the field, but some combined application, such as holding pictures of people standing in front of the camera, the recognition system may identify cost instead of pictures, this will cause the criminals taking advantage, in addition besides, the 2D face recognition technology is easily affected by illumination, facial expression, clothing, posture and other factors, the invention proposes a 3D face recognition method based on Kinect, compared with the general method of face recognition, especially the two-dimensional face recognition, 3D face recognition method of the invention has the advantages of high precision and stability of recognition strong and anti-counterfeiting ability etc..

【技术实现步骤摘要】
一种基于Kinect的三维人脸识别方法
本专利技术涉及一种人脸识别方法，具体涉及一种基于Kinect的三维人脸识别方法。
技术介绍
在生活中经常需要使用个人生物特征进行身份识别，而人脸是生物特征中最重要的特征，在识别中最为常用。目前针对人脸识别的研究非常多，应用也较为广泛，在技术上，二维人脸在识别中最为常用，但是有些场合并适用，比如举着人物照片站在摄像头前，识别系统可能会识别成本人而非图片，这就会造成不法分子有机可乘，除此之外，二维人脸识别技术易受光照、表情、装束、姿态等因素的影响，而三维人脸识别技术可以突破这类瓶颈，它有如下几个特征：(1)容易获取深度信息：Kinect具有三个摄像头，能采集彩色信息和深度信息，更甚是获取骨骼信息，这对人的形体构建、人脸定位有很大的帮助。(2)提供功能强大的SDK：Kinect的SDK功能极为强大，一面世就让业界震撼，毕竟相对于一般的专业三维激光扫描仪来说，性价比极高。基于Kinect实现三维人脸识别有如下优点：(1)精确度高。Kinect可以较精确地采集到人脸的深度信息，通过相关算法的训练匹配，可以获得较高的识别精度。(2)识别稳定性强。Kinect采集的是深度数据，数据不受光照、化妆、姿态等因素影响，所以识别的稳定性更强。(3)防伪造能力强。在二维人脸识别系统中，当有举着人物照片站在摄像头前，如果没有其他防伪措施，识别系统可能会识别成本人而非图片，这就会造成不法分子有机可乘，而三维人脸识别可在原理上避免这类情况。综上所述，本专利技术有如下意义：(1)作为一款深度摄像头，Kinect的性价比极高，当下越来越多的产品基于Kinect来开发，可以保证产品性能、降低产品成本。(2)三维人脸识别技术是可以弥补二维人脸识别技术的不足，提高识别精度。(3)Kinect强大的SDK对开发应用有着极大的帮助，大大降低开发难度，尤其是能获取面部信息的FaceTrackingSDK，能减轻三维人脸识别设计的工作量以及获取满意的识别效果。本专利技术有如下意义：与一般的人脸识别方法相比，尤其是二维人脸识别方法，本专利技术的三维人脸识别方法具有精度高、识别稳定性强和防伪造能力强等优点。
技术实现思路
针对现有技术存在的不足，本专利技术提出了一种基于Kinect的三维人脸识别方法。该方法的整体流程为：(1)人脸区域检测：使用Kinect的彩色摄像头，获取彩色图像，然后使用成熟的二维人脸检测方法，检测出人脸区域；要求采集不同姿态的人脸数据10幅；(2)采集三维人脸点云数据：在获取人脸区域后，即可获得该区域的深度数据，然后使用一个三维向量表示该二维数据和深度数据；(3)对三维图像数据进行预处理；(4)特征提取：使用KPCA方法对三维人脸深度图像进行特征提取，其中训练集和测试集分别7幅和3幅；(5)分类器设计：使用SVM分类器进行分类，先后进行训练和测试。附图说明图1基于kinect深度图像的三维人脸识别流程图；图2三维人脸姿态校正过程；图3为核函数非线性映射。具体实施方式现对本专利技术的做进一步的描述，人脸识别过程中包括：降噪处理：由于kinect设备为了压缩成本，采用了的摄像头质量有限，采集的图像质量不高，常常包合毛刺噪声，为了保证识别精度，需要进行降噪处理，具体操作仅需对深度图像中的离散点进行滤波处理，步骤如下：(1)计算点云中的点的欧氏距离；(2)取一阈值，将欧氏距离小于此阈值的归位同类，统计每一类的点云数，将点云数最少的那5％的类删除。在进行特征提取及分类前，需要对数据进行方向距离矫正和归一化处理。由于kinect获取的三维数据是以kinect为中心建立的三维坐标，以此坐标系进行校正和归一化并不适合人脸目标的识别，考虑到鼻尖对表情不敏感，于是需要将目前的三维坐标系转换成以鼻尖为中心的三维坐标系。在一个通过面扫描获得的三维人脸数据中，一般鼻尖在某个方向上拥有最大投影。所以通过以下两个步骤可以估算鼻尖点的位置：(1)量化角度：首先将【-90°，90°】这个角度区间进行90等份等量分划。(2)鼻尖点确定：对每一个角度,在模型如下刚体变换后选择具有最大Z坐标Z1的点作为鼻尖点的一个候选点。记其坐标为Pi(Xi,Yi,Zi),令Z＝max{Zi}。与Z相对应的顶点就是鼻尖点。在采集三维数据时，人的姿态和距离的距离都会对采集到的数据造成影响，为了减少这种影响，需要对三维人脸数据进行校正和归一化处理。我们以鼻尖点为中心，90mm为半径对原有的三维人脸进行切割，然后用人脸姿态校正方法对切割后的三维人脸数据进行校正。先对三维人脸数据做主成分分析，将最小特征值向量作为Z轴，最大特征值特征向量作为新坐标系的Y轴，建立右手坐标系，将鼻尖点作为整个坐标系的原点，将三维人脸点云数据转换到坐标系中，就完成了对于人脸姿态校正，如图2所示。三维人脸图像进行降维提取特征，具体过程为：设x1,x2,...,xM为训练样本，{xi}表示输入空间。核主成分分析方法的基本思想，就是通过某种方式实现输入空间到某个高维空间(特征空间)的映射，并在特征空间中实现主成分提取，如图3所示。假设对应的映射为Φ，则定义为Φ：Xd→F(2)x→ξ＝Φ(x)(3)通过映射Φ，核函数实现将点x映射到F，并且在特征空间中数据满足中心化的条件，即相应的协方差矩阵为C的特征值λ≥0和特征向量V∈F\{0}Cv＝λv(Φ(xr)·Cv)＝λ(Φ(xr)·v)(6)将特征向量表示为Φ(x1)，Φ(x2)，...Φ(xm)，即可转化为其中v＝1,2,...M，定义矩阵K为MXM维Kuv＝(Φ(xu)·Φ(xv))(9)式子(8)可简化为MλKα＝K2α(10)可见，满足Mλα＝Kα(11)对(4)求解就能得到特征值和特征向量，测试样本在特征向量空间vk的投影为用核函数替换内积则有若(4)不成立，则需要调整，核矩阵修正为该特征提取速度快、特征信息保留充分等特征，被广泛的应用到模式识别中。比如去噪，人脸识别，三维物体识别，遥感图像分析等方面都有广泛的应用。本专利技术实现特征提取的过程如下：(1)将所获得的N个三维数据点(每个点对M个三维人脸样本)的一批数据写成一个(m*n)维数据矩阵(2)选定使用高斯径向核函数计算核矩阵，计算核矩阵K。(3)由(16)修正核矩阵得到KL。(4)按照Jacobi迭代方法求解KL的特征值λ1,...,λn，即对应的特征向量为v1,...,vn；(5)降序排序特征值得到λ'1＞...＞λ'n，并相应调整特征向量为v1',...,vn'；(6)通过施密特交化方法单位交化特征向量，得到α,...,αn；(7)计算特征值的累积贡献率B1,...,Bn，根据给定的提取率p，如果Bt≥p，则提取的t个主成分α1,...,αt(8)计算己修正的核矩阵X在提取出的特征向量上的投影Y＝KL·α，其中α＝(α1,...,αt)。所得的投影即为数据经过降维后所得的人脸特征数据，形成特征脸。以上对本专利技术的具体实施例进行了描述。需要理解的是，本专利技术并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本专利技术的实质内容。本文档来自技高网...

【技术保护点】
一种基于Kinect的三维人脸识别方法，其特征在于：该方法包括：(1)人脸区域检测：使用Kinect的彩色摄像头，获取彩色图像，然后使用二维人脸检测方法，检测出人脸区域；(2)采集三维人脸点云数据：在获取人脸区域后，即可获得该区域的深度数据，然后使用一个三维向量表示该二维数据和深度数据；(3)对三维图像数据进行预处理；(4)对三维人脸深度图像进行特征提取；(5)分类器设计：使用SVM分类器进行分类，先后进行训练和测试。

【技术特征摘要】
1.一种基于Kinect的三维人脸识别方法，其特征在于：该方法包括：(1)人脸区域检测：使用Kinect的彩色摄像头，获取彩色图像，然后使用二维人脸检测方法，检测出人脸区域；(2)采集三维人脸点云数据：在获取人脸区域后，即可获得该区域的深度数据，然后使用一个三维向量表示该二维数据和深度数据；(3)对三维图像数据进行预处理；(4)对三维人脸深度图像进行特征提取；(5)分类器设计：使用SVM分类器进行分类，先后进行训练和测试。2.根据权利要求1所述的基于Kinect的三维人脸识别方法，其特征在于，人脸识别过程中包括：降噪处理：对深度图像中的离散点进行滤波处理，步骤如下：计算点云中的点的欧氏距离；取一阈值，将欧氏距离小于此阈值的归位同类，统计每一类的点云数，将点云数最少的那5％的类删除。3.根据权利要求1所述的基于Kinect的三维人脸识别方法，其特征在于，在进行特征提取及分类前，对数据进行方向距离矫正和归一化处理。4.根据权利要求3所述的基于Kinect的三维人脸识别方法，其特征在于，还包括：将三维坐标系转换成以鼻尖为中心的三维坐标系，先通过以下步骤估算鼻尖点的位置：(1)量化角度：首先将【-90°，90°】这个角度区间进行90等份等量分划；(2)鼻尖点确定：对每一个角度’在模型如下刚体变换后选择具有

【专利技术属性】
技术研发人员：钟凯宇，张学习，周雄宇，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44