三维人脸本征属性描述方法技术

本发明专利技术公开了一种三维人脸本征属性描述方法，用于解决现有的三维人脸本征属性描述方法算法复杂的技术问题。该方法对基于二次误差测度的模型简化方法进行分析并改进，使其能够在保持人脸五官区域特性的前提下最大限度的简化模型；采用基于特征约束的保形同构映射网格参数化方法对三维网格数据在二维平面进行展开；将三维人脸表面的本征属性在二维图像平面中进行离散化表示。本发明专利技术在降低计算复杂度的同时，采用基于特征约束的保形同构映射网格参数化方法对三维网格数据在二维平面上展开，将三维空间中的匹配问题简化为二维图像的匹配问题，８０％精度二维本征属性图单次识别所需时间由背景技术的０．９５１秒降低到０．５０４秒；而且多姿态人脸识别正确率达到了８９．７％。

【技术实现步骤摘要】

本专利技术涉及一种人脸本征属性描述方法，特别是一种。
技术介绍
三维人脸特征描述是三维人脸配准及识别的关键技术，有效简洁的特征是准确快 速识别的前提。特征提取的基本任务是研究如何从众多特征中求出那些对分类识别最有效 的特征，从而实现特征空间维数的压缩。特征的有用性与特征提取、配准，以及人脸识别的 具体算法密切相关。文 献 “S. Berretti, D. B. Alberto, P. Pietro. Analysis and retrieval of 3D facial modelsusing iso-geodesic stripes.International workshop on Content-based multimedia indexing, June 18—20，2008. pp :257_264. ”公开了一种三维 人脸本征属性描述方法。该方法通过提取三维人脸形状模型中的等测地距条纹组来对人脸 的本征属性进行分析与描述。首先，对人脸形状模型中不同的等测地距区域进行划分；然 后，通过建模技术对等测地距条纹进行数学表达，同时，对不同等测地距条纹间的距离进行 等量的测量，分析不同间距等测地距条纹所表达的三维形状；最后，通过一个属性关系图来 提取人脸的本征属性。但是，该方法存在以下问题首先，该方法要求人脸模型成正面标准 姿态，不允许有姿态的变化，无法进行多姿态人脸的自动识别；其次，采用局部属性特征对 人脸进行本征描述不能保证全局属性的最优；再次，该方法在三维空间对人脸表面进行描 述，算法复杂度较高，80%精度二维本征属性图单次识别所需时间为0. 951秒。
技术实现思路
为了克服现有的对模型姿态要求高、三维空间计算复 杂度大的不足，本专利技术提供一种。该方法采用改进的QEM方法 对三维人脸模型进行五官区域特征保持的模型简化，能够最大限度的简化三维模型，从而 降低计算复杂度；采用基于特征约束的保形同构映射网格参数化方法对三维网格数据在二 维平面上进行展开，将三维空间中的匹配问题简化为二维图像的匹配问题，可以降低80% 精度二维本征属性图单次识别的时间；而且可以对多姿态人脸进行识别。本专利技术解决其技术问题所采用的技术方案一种，其 特点是包括下述步骤(a)对高精度三维人脸模型S进行简化，即对三维人脸模型中的每个顶点，根据特 征保持的模型顶点误差度量算法计算其收缩代价Δ ‘ V= AV^weight式中，AV是QEM算法的误差测度；weight是收缩代价加权值；若S = = Φ或简化到指定结束条件，算法结束；取出顶点vIiiincost' col lapse (Vfrom，Vto)；4如果边折叠后vt。的相邻三角面存在重叠，对于重叠三角形上的每一个顶点，若其 相邻面全部都是重叠三角形，那么将其作为一个候选删除点；在所有的候选删除点中，选择邻接面数最少的一个顶点，作为当前边折叠的Vfram， 选择Vfram的任意一个相邻顶点作为vt。，collapse (vfroffl, vt0)；其中，Vfram及vt。分别表示半边收缩操作中被删除和被保留的顶点；C0llapSe(Vl， v2)表示对vl、v2顶点进行半边收缩操作；vmin。。st表示当前模型中半边收缩代价最小的顶 点；s表示三角网格模型；Φ表示没有任何顶点和面片的空模型；(b)假设S'为由三维空间中的Ι-ring邻域构成的简单网格，D'为S'的二维保 形结构；如果映射边界固定，二维I-ring形变仅与中心节点Iii相关；Dirichlet能量函数 为eA=Yj Cotai7j^N(i)式中，|n「nj|表示D'中边(i，j)的边长，N(i)为节点i的l_ring邻接点，α。 为夹角；令视/辦=0，则有QE—= Σ (cotCCij + COtβνXni -nj) = 0。ni j^N(i)对于整个人脸表面，由上式推导出BD = 0式中，D是平面域的二维坐标向量，B是一个稀疏矩阵，表示为 rcot(a, j) + cot(总 y) if je N(i)ΣJteW(Z) Bi Jc^ i _ J0otherwise 给定映射边界和相应的特征约束点，得到对应的二维平面展开 B1 .=BD =BDfree-0 -0 I^specCspecD被分解为自由点集Dfree和指定点集两部分，该稀疏线性系统能够通过广义 极小残差算法有效求解；(c)利用改进的QEM方法对原始人脸网格模型进行不同简化率的多分辨简化，得 到该原始人脸网格模型的多分辨简化模型表示；分别进行20%，50%，70%简化率的网格 简化，得到原始网格数据相应80%，50%以及30%精度的多分辨描述；(d)给定两个有着圆周拓扑的表面SjP S2，首先通过spin-image来获取曲率变化 较大顶点间的相应性，然后通过引入内部相应性作为约束，获取两表面相应的二维平面属 性图；表面S1和S2两表面间的归一化相应性系数^sl,S2以及相似性度量S(S1; S2)通过对相 应二维平面属性图的计算获得 式中，N是三维表面S1和S2 二维属性图中重叠部分顶点的个数，^ft表示表面Sk 二 维属性图中顶点i的属性值，k = 1，2。本专利技术的有益结果是由于本专利技术采用改进的QEM方法对三维人脸模型进行五官 区域特征保持的模型简化，能够最大限度的简化三维模型，从而降低了计算复杂度；采用基 于特征约束的保形同构映射网格参数化方法对三维网格数据在二维平面上进行展开，将三 维空间中的匹配问题简化为二维图像的匹配问题，80%精度二维本征属性图单次识别所需 时间由
技术介绍
的0. 951秒降低到0. 504秒；而且多姿态人脸识别正确率达到了 89. 7%。下面结合附图和具体实施方式对本专利技术作详细说明。附图说明附图是本专利技术的流程图。 具体实施例方式1、将高精度三维人脸模型进行基于改进QEM算法的模型简化。基于QEM的边收缩算法，在生成高质量简化模型的同时，大大提高算法效率，是改 进渐进网格算法中最常用的一种误差测度。为解决QEM算法存在重叠三角形及丢失局部细 节信息的问题，必须在边收缩操作之后对重叠三角形进行消除，同时修正模型顶点的误差 度量方法，使其对人脸五官区域进行最大特征保持。基于以上思想，本专利技术提出一种QEM改 进算法，使用半边折叠操作消除简化中间模型中所存在的重叠三角形，同时建立基于曲率 的自适应加权误差度量来保留模型的细节特征。具体描述如下消除重叠三角形问题。(1)搜索边折叠后与vt。相邻三角面中所有的重叠三角形；(2)若存在重叠三角形，进入步骤3，否则退出；(3)对于重叠三角形上的每一个顶点，若其相邻面全部都是重叠三角形，那么将其 作为一个候选删除点；(4)在所有的候选删除点中，选择邻接面数最少的一个顶点，作为当前边折叠的 vfM，选择vfM的任意一个相邻顶点作为 vto，collapse (Vfrom？ vt0)；(5)返回步骤1。其中，Vfram及vt。分别表示半边收缩操作中被删除和被保留的顶点；C0llapSe(Vl， v2)表示对vl、v2顶点进行半边收缩操作。特征保持的模型顶点误差度量。(1)计算人脸模型顶点曲率的变化范围，记作[Cmin，CfflaJ ；(2)令cmaxabs = max (| Cmin 本文档来自技高网...

【技术保护点】
一种三维人脸本征属性描述方法，其特征在于包括下述步骤：（ａ）对高精度三维人脸模型Ｓ进行简化，即对三维人脸模型中的每个顶点，根据特征保持的模型顶点误差度量算法计算其收缩代价：Δ′Ｖ＝ΔＶ＊ｗｅｉｇｈｔ式中，ΔＶ是ＱＥＭ算法的误差测度；ｗｅｉｇｈｔ是收缩代价加权值；若Ｓ＝＝φ或简化到指定结束条件，算法结束；取出顶点ｖ↓［ｍｉｎｃｏｓｔ］，ｃｏｌｌａｐｓｅ（ｖ↓［ｆｒｏｍ］，ｖ↓［ｔｏ］）；如果边折叠后ｖ↓［ｔｏ］的相邻三角面存在重叠，对于重叠三角形上的每一个顶点，若其相邻面全部都↓［１］，Ｓ↓［２］］／１－Ｍ↓［Ｓ↓［１］，Ｓ↓［２］］）↑［２］－１／２Ｎ式中，Ｎ是三维表面Ｓ↓［１］和Ｓ↓［２］二维属性图中重叠部分顶点的个数，ｐ↓［ｉ］↑［Ｓ↓［ｋ］］表示表面Ｓ↓［ｋ］二维属性图中顶点ｉ的属性值，ｋ＝１，２。是重叠三角形，那么将其作为一个候选删除点；在所有的候选删除点中，选择邻接面数最少的一个顶点，作为当前边折叠的ｖ↓［ｆｒｏｍ］，选择ｖ↓［ｆｒｏｍ］的任意一个相邻顶点作为ｖ↓［ｔｏ］，ｃｏｌｌａｐｓｅ（ｖ↓［ｆｒｏｍ］，ｖ↓［ｔｏ］）；其中，ｖ↓［ｆｒｏｍ］及ｖ↓［ｔｏ］分别表示半边收缩操作中被删除和被保留的顶点；ｃｏｌｌａｐｓｅ（ｖ↓［１］，ｖ↓［２］）表示对ｖ↓［１］、ｖ↓［２］顶点进行半边收缩操作；ｖ↓［ｍｉｎｃｏｓｔ］表示当前模型中半边收缩代价最小的顶点；Ｓ表示三角网格模型；φ表示没有任何顶点和面片的空模型；（ｂ）假设Ｓ′为由三维空间中的１－ｒｉｎｇ邻域构成的简单网格，Ｄ′为Ｓ′的二维保形结构；如果映射边界固定，二维１－ｒｉｎｇ形变仅与中心节点ｎ↓［ｉ］相关；Ｄｉｒｉｃｈｌｅｔ能量函数为：Ｅ↓［Ａ］＝＊ｃｏｔα↓［ｉｊ］｜ｎ↓［ｉ］－ｎ↓［ｊ］｜↑［２］式中，｜ｎ↓［ｉ］－ｎ↓［ｊ］｜表示Ｄ′中边（ｉ，ｊ）的边长，Ｎ（ｉ）为节点ｉ的１－ｒｉｎｇ邻接点，α↓［ｉｊ］为夹角；令＊Ｅ／＊ｎ↓［ｉ］＝０，则有：＊Ｅ／＊ｎ↓［ｉ］＝＊（ｃｏｔα↓［ｉｊ］＋ｃｏｔβ↓［ｉｊ］）（ｎ↓［ｉ］－ｎ↓［ｊ］）＝０对于整个人脸表面，由上式推导出：ＢＤ＝０式中，Ｄ是平面域的二维坐标向量，Ｂ是一个稀疏矩阵，表示为：＊＊＊给定映射边界和相应的特征约束点，得到对应的二维平面展开：＊＊＊Ｄ被分解为自由点集Ｄ↓［ｆｒｅｅ］和指定点集Ｄ↓［ｓｐｅｃ］两部分，该稀疏线性系统能够通过广义极小残差算法有效求解；（ｃ）利用改进的ＱＥＭ方法对原始人...

【技术特征摘要】
一种三维人脸本征属性描述方法，其特征在于包括下述步骤(a)对高精度三维人脸模型S进行简化，即对三维人脸模型中的每个顶点，根据特征保持的模型顶点误差度量算法计算其收缩代价Δ′V＝ΔV*weight式中，ΔV是QEM算法的误差测度；weight是收缩代价加权值；若S＝＝φ或简化到指定结束条件，算法结束；取出顶点vmincost，collapse(vfrom，vto)；如果边折叠后vto的相邻三角面存在重叠，对于重叠三角形上的每一个顶点，若其相邻面全部都是重叠三角形，那么将其作为一个候选删除点；在所有的候选删除点中，选择邻接面数最少的一个顶点，作为当前边折叠的vfrom，选择vfrom的任意一个相邻顶点作为vto，collapse(vfrom，vto)；其中，vfrom及vto分别表示半边收缩操作中被删除和被保留的顶点；collapse(v1，v2)表示对v1、v2顶点进行半边收缩操作；vmincost表示当前模型中半边收缩代价最小的顶点；S表示三角网格模型；φ表示没有任何顶点和面片的空模型；(b)假设S′为由三维空间中的1 ring邻域构成的简单网格，D′为S′的二维保形结构；如果映射边界固定，二维1 ring形变仅与中心节点ni相关；Dirichlet能量函数为 <mrow><msub> <mi>E</mi> <mi>A</mi></msub><mo>=</mo><munder> <mi>&Sigma;</mi> <mrow><mi>j</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow> </mrow></munder><mi>cot</mi><msub> <mi>&alpha;</mi> <mi>ij</mi></msub><msup> <mrow><mo>|</mo><msub> <mi>n</mi> <mi>i</mi></msub><mo>-</mo><msub> <mi>n</mi> <mi>j</mi></msub><mo>|</mo> </mrow> <mn>2</mn></msup> </mrow>式中，|ni nj|表示D′中边(i，j)的边长，N(i)为节点i的1 ring邻接点，αij为夹角；令则有 <mrow><mfrac> <mrow><mo>&PartialD;</mo><mi>E</mi> </mrow> <msub><mrow> <mo>&PartialD;</mo> <mi>n</mi></mrow><mi>i</mi> </msub></mfrac><mo>=</mo><munder> <mi>&Sigma;</mi> <mrow><mi>j</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow> </mrow></munder><mrow> <mo>(</mo> <mi>cot</mi> <msub><mi>&alpha;</mi><mi>ij</mi> </msub> <mo>+</mo> <mi>cot</mi> <msub><mi>&beta;</mi><mi>ij</mi> </msub> <mo>)</mo></mrow><mrow> <mo>(</mo> <msub><mi>n</mi><mi>i</mi> </msub> <mo>-</mo> <msub><mi>n</mi><mi>j</mi> </msub> <mo>)</mo></mrow><mo>=</mo><mn>0</mn> </mrow>对于整个人脸表面，由上式推导出BD＝0式中，D是平面域的二维坐标向量，B是一个稀疏矩阵，表示为 <mrow><msub> <mi>B</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow></msub><mo>=</mo><mfenced open='{' close=''> <mtable><mtr> <mtd><mi>cot</mi><mrow> <mo>(</mo> <msub><mi>&alpha;</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow> </msub> <mo>)</mo></mrow><mo>+</mo><mi>cot</mi><mrow> <mo>(</mo> <msub><mi>&beta;</mi><mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi></mrow> </msub> <mo>)</mo></mrow> </mtd> <mtd><mi>ifj</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow> </mtd></mtr><mtr> <mtd><mo>-</mo><msub> <mi>&Sigma;</mi> <mrow><mi>k</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow> </mrow></msub><msub> <mi>B</mi> <mrow><mi>i</mi><mo>,</mo><mi>k</mi> </mrow></msub> </mtd> <mtd><mi>ifi</mi><mo>=</mo><mi>j</mi> </mtd></mtr><mtr> <mtd><mn>0</mn> </mtd> <mtd><mi>otherwise</mi> </mtd></mtr> </mtable></mfenced> </mrow>给定映射边界和相应的特征约束点，得到对应的二维平面展开 <mrow><mover> <mi>B</mi> <mo>~</mo></mover><mi>D</mi><mo>=</mo><mfenced open='[' close=']'> <mtable><mtr> <mtd><mi>B</mi> </mtd></mtr><mtr> <mtd><mfenced open='' close=''> <mtable><mtr> <mtd><mn>0</mn> </mtd> <mtd><mi>I</mi> </mtd></mtr> </mtable></mfenced> </mtd></mtr> </mtable></mfenced><mfenced open='[' close=']'> ...

【专利技术属性】
技术研发人员：张艳宁，郭哲，林增刚，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[中国|西安]