CN103310440A - 基于典型相关分析的颅骨身份认证方法 - Google Patents
基于典型相关分析的颅骨身份认证方法 Download PDFInfo
- Publication number
- CN103310440A CN103310440A CN2013101796057A CN201310179605A CN103310440A CN 103310440 A CN103310440 A CN 103310440A CN 2013101796057 A CN2013101796057 A CN 2013101796057A CN 201310179605 A CN201310179605 A CN 201310179605A CN 103310440 A CN103310440 A CN 103310440A
- Authority
- CN
- China
- Prior art keywords
- skull
- face
- correlation analysis
- people
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于典型相关分析实现从三维人脸模型库中寻找未知颅骨对应人脸的方法。通过对训练样本集中的颅骨和人脸分别进行处理得到规格化的训练样本数据;通过对整体颅骨和整体人脸面皮、及其对应的额头、眼睛、鼻子、嘴巴区域分别进行子空间分析得到十个相应的子空间;利用典型相关分析建立颅骨和人脸子空间特征的相关分析模型,包括整体和四个分区的相关分析模型;通过模型融合实现对未知颅骨的人脸识别。本发明的识别率可达到100%,在刑侦、灾难调查等领域具有重要的应用价值。
Description
技术领域
本发明涉及计算机应用技术领域,特别涉及一种利用颅骨与三维面部形态之间的相关性来实现从三维人脸数据库中寻找未知颅骨对应人脸的方法。主要用于刑侦、灾难调查、法医人类学等领域。
背景技术
根据人体骨骼形态进行身份鉴定是法医人类学中最重要的研究内容之一。颅骨是由硬组织构成,相对其它骨骼来说不易被破坏,在死后也能够较完整地留存下来。在很多情况下,刑侦现场仅留存受害人的颅骨,没有其它身源线索,使得DNA等经典检验技术无用武之地,仅能依靠颅骨进行尸源鉴定。根据颅骨对身份进行认证已经成为国际上信息学、人类学、法医学等相关领域的研究热点。
目前颅骨身份认证技术主要有两类:颅像重合和颅面复原。颅像重合技术是将无身源颅骨和失踪人二维人脸照片按相同位姿进行影像重叠,根据面部测量特征点与颅骨解剖特征点所形成的解剖一致性对应关系进行同一身源认证。颅像重合存在设备单一、操作复杂、重合配准效率低等缺陷。颅面复原是利用颅骨对死者去世时的面貌进行重构,旨在为相关人员提供线索,将目标锁定在有限的范围内,或者将复原的三维面貌与失踪人二维照片进行相似性比较,实现身份认证。由于颅面复原本身具有较大的不确定性,因而身份认证的准确率不高。这两种技术本质上都是利用颅骨和面貌形态间的本质关系来实现身份认证,但是如何精确地提取和表示这种复杂的本质关系仍然是科学家面对的难题。
随着CT、三维扫描、视觉重建等三维数据获取技术的迅猛发展,三维数据的获取变得越来越容易,相对于二维照片,三维数据有完整的形态信息,并且受光照,姿势的影响较小。因此,我们提出利用颅骨与三维面部形态之间的相关性来进行身份认证,即从三维人脸模型库中寻找未知颅骨的对应人脸。
发明内容
为了克服现有技术和方法的不足,本发明利用颅骨与三维面部形态之间的相关性,提供一种基于典型相关分析的颅骨身份认证方法。主要用于刑侦、灾难调查、法医人类学等领域。
为实现上述目的,本发明的技术解决方案是利用子空间分析技术将高维的颅骨和人脸数据投影到低维的子空间,提取子空间特征,利用典型相关分析建立颅骨和人脸子空间特征的相关分析模型,包括整体和额头、眼睛、鼻子、嘴巴四个分区的相关分析模型,通过模型融合实现对未知颅骨的人脸识别。方法简单易行,充分体现了颅骨和面貌之间的相关性,准确率高。
本发明所述颅骨身份认证方法的主要步骤包括:
1)模型训练
1.1)数据规格化:对训练样本集中的颅骨和人脸数据分别进行三维非刚性数据配准,并将颅骨和人脸的姿态和大小规格化,分别得到顶点个数相同、语义相同、连接关系一致的颅骨三维网格模型样本集和人脸三维网格模型样本集,然后从每个颅骨和人脸的三维网格模型中分割出额头、眼睛、鼻子、嘴巴四个区域的局部三维网格模型,最后分别将每个颅骨、人脸及额头、眼睛、鼻子、嘴巴四个区域相应的局部颅骨和局部面皮的三维网格模型按点的坐标规格化为一个高维原始特征向量;
1.2)子空间分析:对1.1)中得到的训练样本的整体颅骨、整体人脸及额头、眼睛、鼻子、嘴巴四个区域相应的局部颅骨和局部面皮的高维原始特征向量集分别进行子空间分析,得到十个子空间投影矩阵,并将这些高维原始特征向量投影到相应的低维子空间;
1.3)建立相关分析模型:利用典型相关分析建立颅骨和人脸子空间特征的相关分析模型,包括整体和四个分区的相关分析模型;
2)身份认证
2.1)数据规格化:对未知颅骨和三维人脸模型库中的人脸模型进行与1.1)中训练样本相同的数据规格化,得到相应的整体和局部的高维原始特征向量;
2.2)子空间特征提取:分别利用1.2)中的十个子空间投影矩阵将未知颅骨和三维人脸模型库中的人脸模型的各个高维原始特征向量投影到相应的子空间,得到相应的子空间特征;
2.3)相关性分析:分别利用1.3)中得到的五个相关分析模型对未知颅骨和三维人脸模型库中每个人脸模型的相应子空间特征进行相关性分析,对每个三维人脸模型得到整体相关度和四个局部相关度;
2.4)身份识别:将2.3)得到的整体和四个局部相关度融合得到匹配分值,分值最大的人脸即为未知颅骨的人脸。
优选地,步骤1.2)中所述子空间分析采用独立成份分析ICA、主成份分析PCA中的一种。
优选地,步骤2.4)中所述的融合采用对整体相关度和四个局部相关度进行加权求和的融合策略。
附图说明
图1为本发明基于典型相关分析的颅骨身份认证方法的流程图。
图2为颅骨和人脸三维网格模型及对应的分区模型。
具体实施方式
为了更清楚地介绍本发明的技术方案,下面结合附图对本发明所述一种基于典型相关分析的颅骨身份认证方法作进一步详细的说明。
本实施例中所采用的三维颅骨和人脸数据是从头部CT影像数据重构得到的三维网格数据。
如图1所示,本发明所述基于典型相关分析的颅骨身份认证方法的主要步骤包括:
步骤S101,模型训练。
包含如下分步骤:
步骤S1011,数据规格化。
选择一个参考颅骨和参考面皮数据,人工去除参考颅骨和参考面皮中不属于面部的部分,对训练样本集中的颅骨和面皮分别进行非刚性三维数据配准,分别得到顶点个数相同、语义和连接关系一致的与人脸面部对应的颅骨三维网格模型样本集和人脸面皮三维网格模型样本集,然后从每个颅骨和人脸面皮的三维网格模型中分割出额头、眼睛、鼻子、嘴巴四个区域的局部三维网格模型,最后分别将每个颅骨、人脸面皮及额头、眼睛、鼻子、嘴巴四个区域相应的局部颅骨和局部面皮的三维网格模型按点的坐标分别规格化为一个高维的原始特征向量。在分割额头、眼睛、鼻子、嘴巴区域时,由于颅骨和人脸面皮数据已经经过配准,所有颅骨的三维网格模型和所有人脸面皮的三维网格模型都分别具有严格的顶点对应和一致的连接关系,因此仅需对参考数据进行手工操作,其它数据根据对应关系自动实现。非刚性三维数据配准是一个较成熟的技术,有大量的方法供选用,这里以一种迭代的TPS(Thin PlateSpline)配准方法为例描述对颅骨数据的配准,人脸面皮数据的配准过程与颅骨数据的配准过程相同。假定参考颅骨用S0表示,待配准的目标颅骨用T表示,其步骤为:
①在参考颅骨S0上随机选择一定数量的点M0={L0j|L0j=(x0j,y0j,z0j),j=1,...,N},N>6作为特征点,并通过ICP(Iterative Closest Point)方法在目标颅骨T上得到其对应点M2={L2j|L2j=(x2j,y2j,z2j),j=1,...,N},将这N对对应点作为TPS变换的控制点集,求取S0和T间的TPS变换f,得到变换后参考颅骨S1;
②在参考颅骨S0上重新随机选择一定数量的点M0={L0j|L0j=(x0j,y0j,z0j),j=1,...,N},N>6,根据得到的TPS变换f求取其在S1上的对应点M1={L1j|L1j=(x1j,y1j,z1j),j=1,...,N},通过S1和目标颅骨T间的ICP,得到这些点在目标颅骨T上的对应点M2={L2j|L2j=(x2j,y2j,z2j),j=1,...,N},将M0,M2这组对应点作为新的控制点集求取S0和T间的TPS变换f,更新变换后的参考颅骨S1;
③以S1为参考对S1和目标颅骨T进行ICP,如果S1与目标颅骨T间对应点的误差之和达到给定的阈值,或迭代次数超过设定的次数,转入下一步,否则转②;
④根据S1和目标颅骨T间的点对应即可获得目标颅骨T与参考颅骨S0间的点对应,根据点对应计算两者间的旋转、平移和尺度缩放,并对目标颅骨进行变换以实现姿态和尺度调整。
该方法中的阈值和迭代次数可以根据经验来设定。
步骤S1012,子空间分析。
对训练样本的整体颅骨、整体人脸面皮及额头、眼睛、鼻子、嘴巴四个区域相应的局部颅骨和局部面皮的高维原始特征向量集分别进行主成份分析PCA,保留98%的数据方差,得到十个子空间投影矩阵,并将这些高维原始特征向量投影到相应的低维子空间。以下步骤以整体颅骨和整体人脸面皮为例,其它各个分区的处理过程与整体相同。令Ss′×s和Ff′×f为整体颅骨和面皮的子空间投影矩阵,其中s,f,s′,f′分别为相应的高维原始特征向量的维数和子空间维数,假定x和y分别为颅骨和人脸面皮的高维原始特征向量,和为均值向量,则
为其相应的子空间特征向量。
步骤S1013,建立相关分析模型。
对训练样本的颅骨和人脸面皮子空间特征集进行典型相关分析CCA,建立颅骨和面皮子空间特征的相关分析模型,包括整体和四个分区的相关分析模型,即定义相关度。
令Wx和Wy为对整体颅骨和人脸面皮的子空间特征进行CCA得到的投影矩阵,则一个颅骨和一个面皮的相关度为
类似,可计算各分区颅骨和面皮的局部相关度。
步骤S102,身份认证。
包含如下步骤:
步骤S1021,数据规格化。
以S1011中的参考颅骨和参考面皮为参考,对未知颅骨和三维人脸模型库中的人脸模型进行S1011中相同的数据规格化,得到相应的整体和局部的高维原始特征向量。
步骤S1022,子空间特征提取。
分别利用S1012中的十个子空间投影矩阵将未知颅骨和三维人脸模型库中的人脸模型的各个高维原始特征向量投影到相应的子空间,得到相应的子空间特征,投影方式如同公式(a)与公式(b)。
步骤S1023,相关性分析。
与公式(c)类似,分别利用S1013中得到的五个相关分析模型计算未知颅骨和三维人脸模型库中每个人脸模型的整体相关度和四个分区的局部相关度。
步骤S1024,身份识别。
对S1023中得到的整体相关度和四个分区的局部相关度按如下方式进行加权求和得到一个匹配分值,
Score=w0F0+w1Fk+w2Fe+w3Fn+w4Fm (d)
其中F0,Fk,Fe,Fn,Fm分别为整体相关度和额头、眼睛、鼻子、嘴巴的局部相关度,wi,j=0,1,...,4是权值,在0与1之间,分值最大的人脸即为未知颅骨的人脸。
本实施例中采用的w0,w1,w2,w3,w4为0.2,0.3,0.1,0.1,0.1。
我们采用了127套男性和81套女性颅骨和人脸面皮数据进行实验,随机选择了108套数据进行模型训练,用剩余的100套进行身份认证测试,识别率为100%。
总之,本发明的实施例公布的是其较佳的实施方式,但并不限于此。本领域的普通技术人员极易根据上述实施例,领会本发明的精神,并做出不同的引申和变化,但只要不脱离本发明的精神,都在本发明的保护范围之内。
Claims (4)
1.基于典型相关分析的颅骨身份认证方法,其特征在于,包括下列步骤:
1)模型训练
1.1)数据规格化:对训练样本集中的颅骨和人脸数据分别进行三维非刚性数据配准,并将颅骨和人脸的姿态和大小规格化,分别得到顶点个数相同、语义相同、连接关系一致的颅骨三维网格模型样本集和人脸三维网格模型样本集,然后从每个颅骨和人脸的三维网格模型中分割出额头、眼睛、鼻子、嘴巴四个区域的局部三维网格模型,最后分别将每个颅骨、人脸及额头、眼睛、鼻子、嘴巴四个区域相应的局部颅骨和局部面皮的三维网格模型按点的坐标规格化为一个高维原始特征向量;
1.2)子空间分析:对1.1)中得到的训练样本的整体颅骨、整体人脸及额头、眼睛、鼻子、嘴巴四个区域相应的局部颅骨和局部面皮的高维原始特征向量集分别进行子空间分析,得到十个子空间投影矩阵,并将这些高维原始特征向量投影到相应的低维子空间;
1.3)建立相关分析模型:利用典型相关分析建立颅骨和人脸子空间特征的相关分析模型,包括整体和四个分区的相关分析模型;
2)身份认证
2.1)数据规格化:对未知颅骨和三维人脸模型库中的人脸模型进行与1.1)中训练样本集相同的数据规格化,得到相应的整体和局部的高维原始特征向量;
2.2)子空间特征提取:分别利用1.2)中的十个子空间投影矩阵将未知颅骨和三维人脸模型库中的人脸模型的各个高维原始特征向量投影到相应的子空间,得到相应的子空间特征;
2.3)相关性分析:分别利用1.3)中得到的五个相关分析模型对未知颅骨和三维人脸模型库中每个人脸模型的相应子空间特征进行相关性分析,对每个三维人脸模型得到整体相关度和四个局部相关度;
2.4)身份识别:将2.3)得到的整体和四个局部相关度融合得到匹配分值,分值最大的人脸即为未知颅骨的人脸。
2.根据权利要求1所述的基于典型相关分析的颅骨身份认证方法,其特征在于,步骤1.1)中所述的颅骨三维网格模型和人脸三维网格模型仅包含与人脸面部对应的头部部分。
3.根据权利要求1所述的基于典型相关分析的颅骨身份认证方法,其特征在于,步骤1.2)中所述子空间分析采用独立成份分析ICA、主成份分析PCA中的一种。
4.根据权利要求1所述的基于典型相关分析的颅骨身份认证方法,其特征在于,步骤2.4)中所述的融合采用对整体相关度和四个局部相关度进行加权求和的融合策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101796057A CN103310440A (zh) | 2013-05-16 | 2013-05-16 | 基于典型相关分析的颅骨身份认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101796057A CN103310440A (zh) | 2013-05-16 | 2013-05-16 | 基于典型相关分析的颅骨身份认证方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103310440A true CN103310440A (zh) | 2013-09-18 |
Family
ID=49135617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101796057A Pending CN103310440A (zh) | 2013-05-16 | 2013-05-16 | 基于典型相关分析的颅骨身份认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103310440A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778474A (zh) * | 2016-11-14 | 2017-05-31 | 深圳奥比中光科技有限公司 | 3d人体识别方法及设备 |
CN108830163A (zh) * | 2018-05-21 | 2018-11-16 | 西京学院 | 一种基于局部判别cca的海关身份验证系统及方法 |
CN112381023A (zh) * | 2020-11-20 | 2021-02-19 | 中武(福建)跨境电子商务有限责任公司 | 一种跨境电商快速身份识别方法及其识别系统 |
CN115239909A (zh) * | 2022-07-07 | 2022-10-25 | 青海师范大学 | 一种基于谱分析的颅面关系研究方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070262983A1 (en) * | 2006-05-11 | 2007-11-15 | Anatomage Inc. | Apparatus for generating volumetric image and matching color textured external surface |
CN102592309A (zh) * | 2011-12-26 | 2012-07-18 | 北京工业大学 | 一种非线性三维人脸的建模方法 |
CN102855666A (zh) * | 2012-08-21 | 2013-01-02 | 北京师范大学 | 基于层次化回归模型的颅面重构方法 |
-
2013
- 2013-05-16 CN CN2013101796057A patent/CN103310440A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070262983A1 (en) * | 2006-05-11 | 2007-11-15 | Anatomage Inc. | Apparatus for generating volumetric image and matching color textured external surface |
CN102592309A (zh) * | 2011-12-26 | 2012-07-18 | 北京工业大学 | 一种非线性三维人脸的建模方法 |
CN102855666A (zh) * | 2012-08-21 | 2013-01-02 | 北京师范大学 | 基于层次化回归模型的颅面重构方法 |
Non-Patent Citations (2)
Title |
---|
DONGHUA HUANG ET AL.: "Face Reconstruction from Skull Based on Partial Least Squares Regression", 《2011 SEVENTH INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND SECURITY》 * |
WEILONG YANG ET AL.: "2D-3D Face Matching using CCA", 《8TH IEEE INTERNATIONAL CONFERENCE ON AUTOMATIC FACE & GESTURE RECOGNITION》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778474A (zh) * | 2016-11-14 | 2017-05-31 | 深圳奥比中光科技有限公司 | 3d人体识别方法及设备 |
CN108830163A (zh) * | 2018-05-21 | 2018-11-16 | 西京学院 | 一种基于局部判别cca的海关身份验证系统及方法 |
CN108830163B (zh) * | 2018-05-21 | 2021-11-09 | 西京学院 | 一种基于局部判别cca的海关身份验证系统及方法 |
CN112381023A (zh) * | 2020-11-20 | 2021-02-19 | 中武(福建)跨境电子商务有限责任公司 | 一种跨境电商快速身份识别方法及其识别系统 |
CN112381023B (zh) * | 2020-11-20 | 2022-01-11 | 中武(福建)跨境电子商务有限责任公司 | 一种跨境电商快速身份识别方法及其识别系统 |
CN115239909A (zh) * | 2022-07-07 | 2022-10-25 | 青海师范大学 | 一种基于谱分析的颅面关系研究方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6891351B2 (ja) | 多特徴検索と変形に基づく人体髪型の生成方法 | |
Krisshna et al. | Face recognition using transform domain feature extraction and PSO-based feature selection | |
Abaza et al. | A survey on ear biometrics | |
Muller et al. | Singular value decomposition, eigenfaces, and 3D reconstructions | |
Lemaire et al. | Fully automatic 3D facial expression recognition using differential mean curvature maps and histograms of oriented gradients | |
Du et al. | Robust face recognition from multi-view videos | |
Zhao et al. | Fingerprint image synthesis based on statistical feature models | |
Chellappa et al. | Recognition of humans and their activities using video | |
CN104834905A (zh) | 一种人脸图像识别仿真系统及方法 | |
Bryner et al. | 2D affine and projective shape analysis | |
CN106022218A (zh) | 一种基于小波变换和Gabor滤波器的掌纹掌静脉图像层融合方法 | |
CN113570684A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
Shen et al. | Hippocampal shape analysis: surface-based representation and classification | |
CN103310440A (zh) | 基于典型相关分析的颅骨身份认证方法 | |
Wei et al. | Image feature extraction and object recognition based on vision neural mechanism | |
Chandaliya et al. | Child face age progression and regression using self-attention multi-scale patch gan | |
CN109886091B (zh) | 基于带权重局部旋度模式的三维人脸表情识别方法 | |
Li et al. | Craniofacial reconstruction based on least square support vector regression | |
Wei et al. | Privileged modality learning via multimodal hallucination | |
Chen et al. | 2D facial landmark model design by combining key points and inserted points | |
Osman Ali et al. | Age-invariant face recognition using triangle geometric features | |
Ozkaya et al. | Discriminative common vector based finger knuckle recognition | |
Hussein | Robust iris recognition framework using computer vision algorithms | |
Khadilkar et al. | Face identification based on discrete wavelet transform and neural networks | |
CN107480604A (zh) | 基于多轮廓特征融合的步态识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130918 |