CN103489011A - 一种具有拓扑鲁棒性的三维人脸识别方法 - Google Patents
一种具有拓扑鲁棒性的三维人脸识别方法 Download PDFInfo
- Publication number
- CN103489011A CN103489011A CN201310444624.8A CN201310444624A CN103489011A CN 103489011 A CN103489011 A CN 103489011A CN 201310444624 A CN201310444624 A CN 201310444624A CN 103489011 A CN103489011 A CN 103489011A
- Authority
- CN
- China
- Prior art keywords
- dimensional face
- face
- dimensional
- distance
- matrix
- 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
Abstract
Description
技术领域
本发明涉及一种具有拓扑鲁棒性的三维人脸识别方法,其具体是一种将三维人脸转化成散布距离构成的度量空间,通过相似度计算进行外形匹配来完成识别的三维人脸识别方法。
背景技术
尽管基于图像的二维人脸识别技术日趋成熟,在一定约束条件下已取得较好的识别结果,但是,实验研究表明,经光照、姿态、化妆、表情、年龄等的变化,会显著地降低二维人脸识别算法的性能。人脸的几何结构反映了重要且独一无二的个人身份信息,可看作是三维人脸识别的鲁棒性与准确性的关键依据。一般来讲,是在度量空间(Metric Space)使用欧式距离描述三维人脸外形的外在几何结构,而三维人脸不随表情变化的部分是由头骨的刚性特性决定的,可定义为“内在几何结构”,使用测地距离进行描述,它不受外在几何结构形变影响的鲁棒性,对表情的变化并不敏感。但人脸的几何结构在由高维非欧式空间映射到低维欧式空间的过程中,三维人脸的几何结构中的拓扑连通性受到坐标系改变的影响,令测地距离变化很大,因而导致测地距离变化很大而失去人脸内在几何结构的鲁棒性,丧失以测地距离对表情变化的鲁棒性。作为结论,将度量空间中的几何外形结构映射到有限维的欧式空间,在理论上是无法保持外形拓扑几何结构不发生扭曲的。另外,利用三维扫描获取人脸数据过程中也会因数据的缺失而引入拓扑噪声是无法根本性避免的。
发明内容
本发明的主要目的在于针对上述现有技术中的不足,而提出一种具有拓扑鲁棒性的三维人脸识别方法。
本发明解决现有技术问题所采用的技术方案是:一种具有拓扑鲁棒性的三维人脸识别方法,其包括如下步骤:
S1、对测试样本及三维人脸数据库中的训练集、测试集的三维人脸数据进行预处理;首先对初始情况下的测试样本和三维人脸数据库中的三维人脸数据作剪切处理,以消除三维人脸面部区域出现的孔洞和毛刺现象的噪声点;其次,通过非线性滤波器对人脸曲线做平滑滤波处理;最后,以三维人脸中不随表情变化而改变的人脸特征如鼻尖、鼻梁顶端以及眼角作为特征点进行检测定位;
S2、对预处理后的三维人脸在度量空间建模(X,dx);
S4、三维人脸识别结果判定。
下面对以上技术方案作进一步阐述:
优选的,步骤S1的剪切处理中采用的是三维人脸的二维纹理数据与三维坐标直方图大致性地将人脸与背景分开,并用320×240的二进制掩模图像约束人脸区域。
优选的,步骤S1的消除三维人脸面部区域出现的孔洞和毛刺现象的噪声点,采用的是计算人脸区域的像素点的深度值坐标的离散梯度范数
将计算结果高于设定阈值的像素点作为噪声点抛弃,然后在掩模上应用形态学算子,去除非联通区域并将人脸区域独立出来,最后通过插值算法填充人脸面部区域的缺失部分。
(2)
优选的,步骤S1的以三维人脸中不随表情变化而改变的人脸特征如鼻尖、鼻梁顶端以及眼角作为特征点进行检测定位的过程中,为保证头部旋转的不变性,采用一种基于几何曲率的特征检测算子以保证特征点可以得到准确检测区分,在检测过程中,还使用一组基于人脸面部先验知识的几何关系,如鼻梁顶端应该位于两眼之间、在鼻尖之上且有一定间隔距离来提高检测的成功率,特征检测完成后,进行对齐操作,以正面平和表情的三维人脸作为基准,其他的三维人脸经过旋转和平移操作与它对齐,基于检测到的特征点,利用ICP算法对所有三维人脸进行平移与粗配准。
优选的,步骤S2的对预处理后的三维人脸在度量空间建模(X,dx)的方法是:
接下来定义:
因此,基于拓扑鲁棒性的散布距离定义为:
特征映射矩阵由的特征值和特征向量定义为:
(13)
式(14)即为我们所要求解的,以基于拓扑鲁棒性的测距为元素的度量矩阵。
优选的,步骤S4的三维人脸识别结果判定的方法为:首先在三维人脸数据库中训练学习相似度匹配准则相似度,寻找最佳阈值,然后计算测试样本与数据库的训练集中的不同训练样本的,并进行比较,将最接近阈值结果的测试样本归类,得到人脸识别结果。
本发明的有益效果是:
其一、本发明将欧式距离和测地距离的优势互补,融合成新的几何学意义上的测距——散布距离,反映曲面上两点的平均距离而非仅反映最短路径,具有拓扑鲁棒性,因此,可以令人脸的几何结构特性得以保持,再将三维人脸外形映射到散布距离构成的度量空间,避免高维到低维嵌入过程中得到的人脸表示因拓扑噪声而产生误差,将不同人脸外形通过散布距离构成的度量空间在设计好的相似度准则计算下进行匹配,从而将人脸识别问题转化为不同的人脸外形曲面的匹配问题,同时兼顾到三维人脸外部几何结构形变与内部几何结构的本质,彻底解决因表情变化及拓扑几何结构改变导致识别率降低的问题,从而能够实现真正意义上的表情不变的具有拓扑鲁棒性的三维人脸识别。
附图说明
图1为本发明所述的具有拓扑鲁棒性的三维人脸识别方法的算法流程图;
图2 为本发明中对测试样本及三维人脸数据库中的训练集、测试集的三维人脸数据进行预处理的流程图;
图3 为本发明所述的三维人脸面部区域出现的孔洞和毛刺噪声点的图像显示;其中,左边人脸图像中的黑色区域为因数据丢失而形成的孔洞,对应右边人脸的深度图像中表现为脱离人脸曲面的毛刺;
图4 为本发明所述的对测试样本和三维人脸数据库中的三维人脸数据进行剪切处理的剪切过程流程图;
图6 为本发明所述的三维人脸的相似度图形化显示,其中为三个人的不同表情的对比;
图7为本发明所述的人脸识别实验的结果的ROC曲线显示图;
图8为本发明所述的人脸识别实验的结果的CMC曲线显示图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
以下将结合附图及具体实施例详细说明本发明的技术方案,以便更清楚、直观地理解本发明的发明实质。
图1为本发明所述的具有拓扑鲁棒性的三维人脸识别方法的算法流程图;
在本发明具体实施过程中,散布距离与相似度准则的计算拟采用C++实现,并在Matlab框架下调用,以提高算法性能,且依据三维人脸的真实几何结构,利用基于拓扑鲁棒性的散布距离,在度量空间内对不同的人脸模型表示计算相似度来进行非刚性外形匹配识别。
从而本实施例提供的一种具有拓扑鲁棒性的三维人脸识别算法,参照图1所示,包括以下步骤:
步骤S1:对测试样本及三维人脸数据库中的训练集、测试集的三维人脸数据进行预处理;
步骤S2:对预处理后的三维人脸在度量空间建模(X,dx);
步骤S3:用离散化Hausdorff距离作为三维人脸外形匹配的相似度准则来计算三维人脸的相似度;
步骤S4:三维人脸识别结果判定。
需要说明的是,在步骤S1中,训练集和数据集采用两个公开的三维人脸数据库,分别是国内中科院模式识别实验室的CASIA 3D Face Database与西班牙胡安卡洛斯国王大学的人脸识别及人工视觉研究组(Face Recognition and Artificial Vision Group)建立的FRAV3D Face Database,将数据进行统一预处理。其中,CASIA 3D Face Database,包含123人的数据,共2624个三维数据,2624个二维纹理数据图像;FRAV3D Face Database,包含106人的数据,共1696个三维数据,1696个对应的二维纹理数据图像。
选择这两个数据库的原因是:数据库规模较大,数据均包含二维人脸纹理图像与三维人脸外形数据(以VRML格式存储),可将纹理特征映射到三维人脸外形上,有利于进行三维特征的提取,由于过大角度的旋转将造成人脸遮挡,暂时不予考虑。
图2 为本发明中对测试样本及三维人脸数据库中的训练集、测试集的三维人脸数据进行预处理的流程图;
结合图2所示,步骤S1中对测试样本及三维人脸数据库中的训练集、测试集的三维人脸数据进行预处理,包括以下步骤:
步骤S11: 剪切,对测试样本和三维人脸数据库中的三维人脸数据进行剪切处理。其目的是,将背景与人脸面部区域分开,并消除三维人脸面部区域出现孔洞和毛刺现象的噪声点。
具体来说,如图3所示,图3 为本发明所述的三维人脸面部区域出现的孔洞和毛刺噪声点的图像显示;其中,左边人脸图像中的黑色区域为因数据丢失而形成的孔洞,对应右边人脸的深度图像中表现为脱离人脸曲面的毛刺;
进一步的,图4 为本发明所述的对测试样本和三维人脸数据库中的三维人脸数据进行剪切处理的剪切过程流程图;
结合图4,步骤S11的剪切中,对测试样本和三维人脸数据库中的三维人脸数据进行剪切处理的过程包括:
S111:三维直方图分离人脸区域与背景。其主要是利用三维人脸的二维纹理数据与三维坐标直方图大致性地将人脸与背景分开。
(1)
将计算结果高于设定阈值的像素点作为噪声点抛弃。
S113:使用二进制模板约束人脸区域。在本实施例中,采用的是320×240的二进制掩模图像来约束人脸区域。
S114:形态学算子移除非联通区域。具体来说,是在掩模上应用形态学算子,去除非联通区域并将人脸区域独立出来。
S115:通过插值算法填充人脸面部区域缺失部分。
步骤S12:通过非线性滤波器对人脸曲线作平滑滤波处理。其核心思想就是曲面区域最小化求解,即求解Polyakov泛函的最小解:
步骤S13:人脸特征点的检测。以三维人脸中不随表情变化而改变的人脸特征如鼻尖、鼻梁顶端以及眼角作为特征点进行检测定位,为保证头部旋转的不变性,采用一种基于几何曲率的特征检测算子以保证特征点可以得到准确检测区分,在检测过程中,还使用一组基于人脸面部先验知识的几何关系,如鼻梁顶端应该位于两眼之间、在鼻尖之上且有一定间隔距离来提高检测的成功率。
人脸特征点检测完成后,进行对齐操作,以正面平和表情的三维人脸作为基准,其他的三维人脸经过旋转和平移操作与它对齐,基于检测到的特征点,利用ICP算法对所有三维人脸进行平移与粗配准。
步骤S2 :对预处理后的三维人脸在度量空间建模(X,dx)。
具体来说,在度量空间中将欧式距离与测地距离融合为散布距离,对预处理后的三维人脸建模(X,dx),并建立数值计算框架。
定义非负对称的邻近亲和度函数(affinity function),其中点,均属于上的点。因为离散点集,邻近亲和度函数可表示为的矩阵,为数据点的个数,该矩阵是对称且非零。为简单起见,若点,间存在连接路径,则,否则。可以使转化为非常稀疏的矩阵,便于计算。
接下来定义:
中包含的测地距离保持了人脸内在几何结构特点;不仅如此,还包含两点之间各种路径的距离,整体表达的是点与点之间的平均距离,即使拓扑结构发生改变造成测地距离失去鲁棒性,也不会导致出现较大改变,很好保持了人脸的外部几何结构与内部几何结构特性。
由此,的矩阵为上马尔科夫随机过程的转移矩阵,其中可看作是由点到点的1步转移概率。利用马尔科夫随机过程的公式,点到点的步转移概率可以由矩阵表示,里面的元素可以想象成以为中心的“隆起”,其宽度与的大小成正比。
因此,基于拓扑鲁棒性的散布距离定义为:
(11)
步骤S3 :用离散化Hausdorff距离作为三维人脸外形匹配的相似度准则来计算三维人脸的相似度。具体来说,(离散化Hausdorff距离定义为度量空间内两个子集的相似度)。若和分别为度量空间中的两个非空子集,则和之间的Hausdorff距离被定义为:
由于我们将三维人脸外形建模为散布距离构成的度量空间,三维人脸外形的匹配需要进行度量空间之间的比较而不是度量空间之内的比较,而且Hausdorff距离是被定义在连续曲面上的数值最小化的求解,在算法实现上很难处理,所以将其进行扩展并离散化处理。
(16)
步骤S4:三维人脸识别结果判定
结合图1所示, 在三维人脸数据库中训练学习相似度匹配准则相似度,寻找最佳阈值,然后计算测试样本与数据库的训练集中的不同训练样本的,并进行比较,将最接近阈值结果的测试样本归类,得到人脸识别结果。
进一步的,图7为本发明所述的人脸识别实验的结果的ROC曲线显示图;图8为本发明所述的人脸识别实验的结果的CMC曲线显示图。
通过本发明所采用的具有拓扑鲁棒性的三维人脸识别方法,所得到的三维人脸识别算法在为参照两个数据库共229人的实验结果。其中,ROC曲线用来描述错误接受率(FAR)与错误拒绝率(FRR)之间的平衡性,在ROC曲线中可得到等错误率(EER)为4%,这样的结果介于同样规模数据库测试情况下的指纹识别(~2%)与商业二维人脸识别系统(至少2%)之间,具有很明显的优势;而CMC曲线描述的是在数据库上测试所得的识别误差,可以看出本发明所述算法的Rank-1识别错误是接近于0的。
藉此,综上所述,本发明所采用的具有拓扑鲁棒性的三维人脸识别方法,将欧式距离和测地距离的优势互补,融合成新的几何学意义上的测距——散布距离,反映曲面上两点的平均距离而非仅反映最短路径,具有拓扑鲁棒性,因此,可以令人脸的几何结构特性得以保持,再将三维人脸外形映射到散布距离构成的度量空间,避免高维到低维嵌入过程中得到的人脸表示因拓扑噪声而产生误差,将不同人脸外形通过散布距离构成的度量空间在设计好的相似度准则计算下进行匹配,从而将人脸识别问题转化为不同的人脸外形曲面的匹配问题,同时兼顾到三维人脸外部几何结构形变与内部几何结构的本质,彻底解决因表情变化及拓扑几何结构改变导致识别率降低的问题,从而能够实现真正意义上的表情不变的具有拓扑鲁棒性的三维人脸识别。
以上所述仅为本发明的优选实施例,并非因此限制其专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种具有拓扑鲁棒性的三维人脸识别方法,其包括如下步骤:
S1、对测试样本及三维人脸数据库中的训练集、测试集的三维人脸数据进行预处理;首先对初始情况下的测试样本和三维人脸数据库中的三维人脸数据作剪切处理,以消除三维人脸面部区域出现的孔洞和毛刺现象的噪声点;其次,通过非线性滤波器对人脸曲线做平滑滤波处理;最后,以三维人脸中不随表情变化而改变的人脸特征如鼻尖、鼻梁顶端以及眼角作为特征点进行检测定位;
S2、对预处理后的三维人脸在度量空间建模(X,dx);
S3、用离散化Hausdorff距离作为三维人脸外形匹配的相似度准则 来计算三维人脸的相似度;
S4、三维人脸识别结果判定。
2.根据权利要求1所述的一种具有拓扑鲁棒性的三维人脸识别方法,其特征在于,步骤S1的剪切处理中采用的是三维人脸的二维纹理数据与三维坐标直方图大致性地将人脸与背景分开,并用320×240的二进制掩模图像约束人脸区域。
5.根据权利要求1所述的一种具有拓扑鲁棒性的三维人脸识别方法,其特征在于,步骤S1的以三维人脸中不随表情变化而改变的人脸特征如鼻尖、鼻梁顶端以及眼角作为特征点进行检测定位的过程中,为保证头部旋转的不变性,采用一种基于几何曲率的特征检测算子以保证特征点可以得到准确检测区分,在检测过程中,还使用一组基于人脸面部先验知识的几何关系,如鼻梁顶端应该位于两眼之间、在鼻尖之上且有一定间隔距离来提高检测的成功率,特征检测完成后,进行对齐操作,以正面平和表情的三维人脸作为基准,其他的三维人脸经过旋转和平移操作与它对齐,基于检测到的特征点,利用ICP算法对所有三维人脸进行平移与粗配准。
6.根据权利要求1所述的一种具有拓扑鲁棒性的三维人脸识别方法,其特征在于,步骤S2的对预处理后的三维人脸在度量空间建模(X,dx)的方法是:
接下来定义:
归一化得:
(9)
因此,基于拓扑鲁棒性的散布距离定义为:
(13)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310444624.8A CN103489011A (zh) | 2013-09-16 | 2013-09-26 | 一种具有拓扑鲁棒性的三维人脸识别方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310422269 | 2013-09-16 | ||
CN201310422269.4 | 2013-09-16 | ||
CN201310444624.8A CN103489011A (zh) | 2013-09-16 | 2013-09-26 | 一种具有拓扑鲁棒性的三维人脸识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103489011A true CN103489011A (zh) | 2014-01-01 |
Family
ID=49829217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310444624.8A Pending CN103489011A (zh) | 2013-09-16 | 2013-09-26 | 一种具有拓扑鲁棒性的三维人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103489011A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868727A (zh) * | 2016-04-08 | 2016-08-17 | 青岛大学 | 一种三维人脸相似性度量方法 |
CN106156740A (zh) * | 2016-07-05 | 2016-11-23 | 张宁 | 民航机场候机楼人脸快速识别系统 |
CN106372629A (zh) * | 2016-11-08 | 2017-02-01 | 汉王科技股份有限公司 | 一种活体检测方法和装置 |
CN109086724A (zh) * | 2018-08-09 | 2018-12-25 | 北京华捷艾米科技有限公司 | 一种加速的人脸检测方法及存储介质 |
CN109523461A (zh) * | 2018-11-09 | 2019-03-26 | 北京达佳互联信息技术有限公司 | 显示目标图像的方法、装置、终端及存储介质 |
CN109690555A (zh) * | 2016-09-20 | 2019-04-26 | 苹果公司 | 基于曲率的脸部检测器 |
CN111476175A (zh) * | 2020-04-09 | 2020-07-31 | 上海看看智能科技有限公司 | 适用于老年人脸比对的自适应拓扑图匹配方法及系统 |
CN111488853A (zh) * | 2020-04-23 | 2020-08-04 | 杨九妹 | 金融机构安防系统的大数据人脸识别方法、系统及机器人 |
CN114155139A (zh) * | 2021-11-23 | 2022-03-08 | 山东省人工智能研究院 | 一种基于向量离散化表示的deepfake生成方法 |
CN115830762A (zh) * | 2023-01-17 | 2023-03-21 | 四川三思德科技有限公司 | 一种平安社区出入口管控平台、管控方法及管控终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315665A (zh) * | 2008-06-27 | 2008-12-03 | 浙江大学 | 一种基于三维鼻形的身份识别方法 |
US7542624B1 (en) * | 2005-06-08 | 2009-06-02 | Sandia Corporation | Window-based method for approximating the Hausdorff in three-dimensional range imagery |
CN102592136A (zh) * | 2011-12-21 | 2012-07-18 | 东南大学 | 基于几何图像中中频信息的三维人脸识别方法 |
CN103198292A (zh) * | 2011-12-20 | 2013-07-10 | 苹果公司 | 人脸特征向量构建 |
CN103246875A (zh) * | 2013-05-09 | 2013-08-14 | 东南大学 | 一种基于面部曲线弹性匹配的三维人脸识别方法 |
-
2013
- 2013-09-26 CN CN201310444624.8A patent/CN103489011A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7542624B1 (en) * | 2005-06-08 | 2009-06-02 | Sandia Corporation | Window-based method for approximating the Hausdorff in three-dimensional range imagery |
CN101315665A (zh) * | 2008-06-27 | 2008-12-03 | 浙江大学 | 一种基于三维鼻形的身份识别方法 |
CN103198292A (zh) * | 2011-12-20 | 2013-07-10 | 苹果公司 | 人脸特征向量构建 |
CN102592136A (zh) * | 2011-12-21 | 2012-07-18 | 东南大学 | 基于几何图像中中频信息的三维人脸识别方法 |
CN103246875A (zh) * | 2013-05-09 | 2013-08-14 | 东南大学 | 一种基于面部曲线弹性匹配的三维人脸识别方法 |
Non-Patent Citations (1)
Title |
---|
王跃明 等: ""三维人脸识别研究综述"", 《计算机辅助设计与图形学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868727A (zh) * | 2016-04-08 | 2016-08-17 | 青岛大学 | 一种三维人脸相似性度量方法 |
CN105868727B (zh) * | 2016-04-08 | 2019-06-21 | 青岛大学 | 一种三维人脸相似性度量方法 |
CN106156740B (zh) * | 2016-07-05 | 2019-06-28 | 张宁 | 民航机场候机楼人脸快速识别系统 |
CN106156740A (zh) * | 2016-07-05 | 2016-11-23 | 张宁 | 民航机场候机楼人脸快速识别系统 |
CN109690555B (zh) * | 2016-09-20 | 2023-02-07 | 苹果公司 | 基于曲率的脸部检测器 |
CN109690555A (zh) * | 2016-09-20 | 2019-04-26 | 苹果公司 | 基于曲率的脸部检测器 |
CN106372629A (zh) * | 2016-11-08 | 2017-02-01 | 汉王科技股份有限公司 | 一种活体检测方法和装置 |
CN109086724A (zh) * | 2018-08-09 | 2018-12-25 | 北京华捷艾米科技有限公司 | 一种加速的人脸检测方法及存储介质 |
CN109523461A (zh) * | 2018-11-09 | 2019-03-26 | 北京达佳互联信息技术有限公司 | 显示目标图像的方法、装置、终端及存储介质 |
CN111476175A (zh) * | 2020-04-09 | 2020-07-31 | 上海看看智能科技有限公司 | 适用于老年人脸比对的自适应拓扑图匹配方法及系统 |
CN111488853A (zh) * | 2020-04-23 | 2020-08-04 | 杨九妹 | 金融机构安防系统的大数据人脸识别方法、系统及机器人 |
CN114155139A (zh) * | 2021-11-23 | 2022-03-08 | 山东省人工智能研究院 | 一种基于向量离散化表示的deepfake生成方法 |
CN115830762A (zh) * | 2023-01-17 | 2023-03-21 | 四川三思德科技有限公司 | 一种平安社区出入口管控平台、管控方法及管控终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103489011A (zh) | 一种具有拓扑鲁棒性的三维人脸识别方法 | |
CN106682598B (zh) | 一种基于级联回归的多姿态的人脸特征点检测方法 | |
WO2017219391A1 (zh) | 一种基于三维数据的人脸识别系统 | |
McLean et al. | Vanishing point detection by line clustering | |
Nair et al. | 3-D face detection, landmark localization, and registration using a point distribution model | |
CN101261677B (zh) | 人脸的特征提取方法 | |
Mpiperis et al. | 3-D face recognition with the geodesic polar representation | |
CN106778468B (zh) | 3d人脸识别方法及设备 | |
CN102622587B (zh) | 基于多尺度二阶微分结构模型及改进分水岭算法的手背静脉识别方法 | |
CN109815850A (zh) | 基于深度学习的虹膜图像分割及定位方法、系统、装置 | |
CN106407985B (zh) | 一种三维人体头部点云特征提取方法及其装置 | |
CN108681737B (zh) | 一种复杂光照下图像特征提取方法 | |
Weber et al. | Methods for feature detection in point clouds | |
CN106778474A (zh) | 3d人体识别方法及设备 | |
CN109902585B (zh) | 一种基于图模型的手指三模态融合识别方法 | |
CN111507206B (zh) | 一种基于多尺度局部特征融合的手指静脉识别方法 | |
CN103632132A (zh) | 一种基于肤色分割和模板匹配的人脸检测与识别方法 | |
CN101359365A (zh) | 一种基于最大类间方差和灰度信息的虹膜定位方法 | |
CN101246544A (zh) | 一种基于边界点搜索和susan边缘检测的虹膜定位方法 | |
CN109446895A (zh) | 一种基于人体头部特征的行人识别方法 | |
CN104299003A (zh) | 一种基于相似规则高斯核函数分类器的步态识别方法 | |
Pan et al. | 3D face recognition from range data | |
CN106611158A (zh) | 人体3d特征信息的获取方法及设备 | |
CN106778489A (zh) | 人脸3d特征身份信息库的建立方法及设备 | |
CN108108737A (zh) | 基于多特征融合的闭环检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140101 |
|
RJ01 | Rejection of invention patent application after publication |