CN1932842A - 一种基于网格的三维人脸识别方法 - Google Patents
一种基于网格的三维人脸识别方法 Download PDFInfo
- Publication number
- CN1932842A CN1932842A CN 200610036985 CN200610036985A CN1932842A CN 1932842 A CN1932842 A CN 1932842A CN 200610036985 CN200610036985 CN 200610036985 CN 200610036985 A CN200610036985 A CN 200610036985A CN 1932842 A CN1932842 A CN 1932842A
- Authority
- CN
- China
- Prior art keywords
- face
- dimensional
- people
- grid
- face identification
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000006870 function Effects 0.000 claims abstract description 15
- 238000013459 approach Methods 0.000 claims description 3
- 230000000052 comparative effect Effects 0.000 claims description 3
- 238000010422 painting Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000005286 illumination Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于网格的三维人脸识别方法,具体来说,公开了一种利用三维图形处理技术来识别人脸的方法,它属于电子信息领域。该方法主要步骤包括:1)建立三维人脸图形数据库;2)目击人根据记忆绘制出所要查询人物的人脸的三维草图;3)根据草图形成人脸关键点的三维控制网格,利用网格形成三维人脸模型,将生成的人脸模型与人脸数据库中人脸数据进行比较,求出每个人脸数据的误差能量函数E;4)根据信息比较结果,利用E值将最相似的人检索出来。鉴于三维人脸模型的光照无关性和姿态无关性的特点,利用此方法可以提高识别率,正确反映出人脸的基本特性。
Description
技术领域
本发明公开了一种基于网格的三维人脸识别方法,它是一种利用三维图形处理技术来识别人脸的方法,属于电子信息领域。
背景技术
基于生物特征的身份认证技术发展迅速,这其中,利用人脸特征进行身份验证又是最自然直接的手段,相比其它人体生物特征,人脸特征具有直接、友好、方便的特点,易为用户所接受。人脸识别的研究已经持续了几十年,但至今仍是模式识别领域中一个极具挑战性的问题。
通常的人脸识别系统是针对二维照片或动态视频序列进行研究,以图像处理技术为基础,传统的二维识别方法主要有Eigenface[1]、Fisherface[2]、和AAM[3]等。但是,基于二维照片进行识别存在一定的误识,产生这些问题的主要原因是人的面貌本身是三维的,而照片是对三维面貌进行平面投影的结果,在此过程中必然丢掉一部分重要信息。如何提高识别率仍是当前的研究热点。
本发明提出误差能量函数的概念,误差能量函数用E表示,可以很好的来衡量两个三维图形相似程度,E值大小受两个三维图形的相似程度影响,当E值越小时相似度越高。三维人脸识别通过更全面的信息,可以更好的解决识别过程中的误识率问题,同时由于三维人脸模型具备光照无关性和姿态无关性的特点,能够正确反映出人脸的基本特性。
目前,在人脸识别领域中,大多是基于二维的人脸识别方法,基于三维的人脸识别方法少之又少,本发明提出的人脸识别方法正好填补了这一空白。
发明内容
本发明克服了现有技术的不足,提出了一种基于网格的新型高效、高精确性三维人脸识别方法,通过一个绘制出的人脸草图便可在数据库中查找到相关人物对应的基本资料,该方法可进一步用于公安局对犯罪分子身份查询领域,还可应用于机场、车站、码头、海关等公众场所及大型商场、高级住宅区等公用、民用建筑物的保安系统。
三维图形能有效地提高识别率。三维的人脸识别方法能充分利用人脸的信息,例如人脸的特征点的深度信息及点之间的拓扑结构等,通过更全面的信息,可以较好的解决识别过程中的误识率问题。三维信息能够更精确地描述人的脸部特征,提取的某些特征具有刚体变换不变性,并且不易受化妆和光照的影响,利用三维曲面的匹配算法能很好地克服姿势的变化。由于三维人脸模型具备光照无关性和姿态无关性的特点,能够正确反映出人脸的基本特性,同时人脸主要的三维拓扑结构不受表情的影响,从而形成相对稳定的人脸特征表述。
该方法主要步骤包括:1)建立三维人脸图形数据库;2)目击人根据记忆绘制出所要查询人物的人脸的三维草图;3)根据草图形成人脸关键点的三维控制网格,利用网格形成三维人脸模型,将生成的人脸模型与人脸数据库中人脸数据进行比较,求出每个人脸数据的误差能量函数E;4)根据信息比较结果,利用E值将最相似的人检索出来。
所述误差能量函数E计算过程包括:
(1)由绘制的人脸简化图形生成三角网格M,数据库中将要比较的人脸图形网格为Q;
(2)求出网格M中的每一点的极限位置;
(3)然后对每一个极限位置Pi ∞,搜索最近点qi∈Q,求出误差能量函数。
附图说明
图1为基于网格的三维人脸识别方法流程图;
图2网格M中的每一点的极限位置生成图。
具体实施方式
下面结合附图进行进一步介绍。
本发明的发明思想为:首先已建立全部人脸三维图形数据库,然后绘制出所要查询人物人脸特征三维草图,计算出数据库中每个人脸图形与所要查询人物人脸草图的误差能量函数E,E的数学含义是一个三维图形顶点的极限位置与另一个三维图形邻近顶点距离平方的算术平均值,本方法中误差能量函数E能够很好的衡量两个三维图形之间的相似程度,E值最小的人脸图形即为数据库中与所要查询人物最匹配的图形,将人脸图形按E值从小到大顺序排列由目击人进一步辨认。查找成功后即可方便地查找到该人的相关资料。
如图1所示,基于网格的三维人脸识别方法主要步骤包括:
1、建立三维人脸图形数据库
使用三维人脸识别系统的部门应已经建立全部所需的人脸三维图形数据库,人脸三维图形数据是由扫描器材对入脸扫描而得到,并能够由人脸三维图形检索到该人的其它基本信息,这样可以在完整的数据库中所要查询的人物及其个人资料。
2、目击人根据记忆绘制出所要查询人物的人脸的三维草图
目击人要根据记忆,绘制出人物的主要脸部特征信息,并能够准确的描述和绘画出来。
3、根据草图形成人脸关键点的三维控制网格,利用网格形成三维人脸模型,求出误差能量函数E
具体计算过程如下:
(1)由绘制的人脸简化图形生成三角网格M,与数据库中每个人脸图形进行比较,设数据库中将要比较的人脸图形网格为Q。
(2)求出网格M中的每一点的极限位置。如图2如示,网格M中的点用Pi表示,i为点P的序号。Pi有若干个邻接点,j∈i*表示Pj邻接于Pi,Pi的极限位置用Pi ∞表示,Pi ∞位置可由以下公式确定。
其中
K为邻接Pi的项点个数。
(3)然后对每一个极限位置Pi ∞,搜索最近点qi∈Q,误差能量函数定义为:
其中
|M|表示网格M中顶点的个数。
4、采用步骤3方法得到此模型与人脸数据库的信息比较结果,利用E值将最相似的人检索出来
误差能量函数可以很好的衡量三维图形相似度,E值最小的图形即为与所绘人脸图形最相似的图形,但因为所绘图形难以十分精确,可能与实际人物人脸特征有出入,因而查询结果也可能可以在E值最小的几个图形中由目击人进一步辨认。
验证结果:
为了验证该算法对三维人脸识别的效果,我们在三维人脸库上对这个算法进行验证。我们从三维人脸库中随机抽出10个人,第一个人作为测试对象,是所要查找的人,其余9人为对比对象。
首先读入这10个人的人脸三维数据,作为待比较的对象。然后对第一个人脸图形进行临摹,画出第一个人脸的草图,并将由草图得到的人脸数据存入系统,系统生成三维控制网格。
我们将由草图生成的三维控制网格分别与10个的人脸三维数据进行比较求出E值,通过本发明提出的方法可以得到以下测试结果:
人脸图形序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
E值 | 0.26 | 3.12 | 6.14 | 4.55 | 2.89 | 5.21 | 4.69 | 2.75 | 3.48 | 3.96 |
实验结论:
由实验结果可以看出:采用本发明提出的三维人脸识别方法对人脸图形进行识别时,草图的初始控制网格和各人脸数据进行比较计算得出E值,E值大小区分度明显,由第一个人脸图形比较而得到的E值明显小于其它人,可以有效地查找到目标人,得到了比较理想的结果。这在目前的三维生人脸识别的方法中是比较快捷有效的。
Claims (7)
1、一种基于网格的三维人脸识别方法,其特征在于其主要步骤包括:1)建立三维人脸图形数据库;2)目击人根据记忆绘制出所要查询人物的人脸的三维草图;3)根据草图形成人脸关键点的三维控制网格,利用网格形成三维人脸模型,将生成的人脸模型与人脸数据库中人脸数据进行比较,求出每个人脸数据的误差能量函数E;4)根据信息比较结果,利用E值将最相似的人检索出来。
2、根据权利要求书1所述基于网格的三维人脸识别方法,其特征在于步骤1)中人脸三维图形数据是由扫描器材对人脸扫描得到。
3、根据权利要求书1所述基于网格的三维人脸识别方法,其特征在于步骤1)中完整的数据库中包括所要查询的人物图形特征和其个人资料。
4、根据权利要求书1所述基于网格的三维人脸识别方法,其特征在于步骤3)中求误差能量函数E计算过程包括:
(1)由绘制的人脸简化图形生成三角网格M,数据库中将要比较的人脸图形网格为Q;
(2)求出网格M中的每一点的极限位置;
(3)然后对每一个极限位置Pi ∞,搜索最近点qi∈Q,求出误差能量函数。
5、根据权利要求书1或4所述基于网格的三维人脸识别方法,其特征在于E值最小的图形即为与所绘人脸图形最相似的图形。
6、根据权利要求书4所述基于网格的三维人脸识别方法,其特征在于求网格每一点极限位置的具体公式为:
7、根据权利要求书4所述基于网格的三维人脸识别方法,其特征在于求误差能量函数的具体公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100369859A CN100409249C (zh) | 2006-08-10 | 2006-08-10 | 一种基于网格的三维人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100369859A CN100409249C (zh) | 2006-08-10 | 2006-08-10 | 一种基于网格的三维人脸识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1932842A true CN1932842A (zh) | 2007-03-21 |
CN100409249C CN100409249C (zh) | 2008-08-06 |
Family
ID=37878671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100369859A Expired - Fee Related CN100409249C (zh) | 2006-08-10 | 2006-08-10 | 一种基于网格的三维人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100409249C (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201894B (zh) * | 2007-11-06 | 2010-08-11 | 重庆大学 | 基于网格计算技术的大规模人脸数据库人脸识别方法 |
CN101398886B (zh) * | 2008-03-17 | 2010-11-10 | 杭州大清智能技术开发有限公司 | 一种基于双目被动立体视觉的快速三维人脸识别方法 |
CN102196251A (zh) * | 2011-05-24 | 2011-09-21 | 中国科学院深圳先进技术研究院 | 智慧城市智能监控方法和系统 |
CN102254154A (zh) * | 2011-07-05 | 2011-11-23 | 南京大学 | 一种基于三维模型重建的人脸身份认证方法 |
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 |
CN103353942A (zh) * | 2013-07-30 | 2013-10-16 | 上海电机学院 | 一种交互式人脸识别系统和方法 |
CN103745208A (zh) * | 2014-01-27 | 2014-04-23 | 中国科学院深圳先进技术研究院 | 一种人脸识别的方法及装置 |
CN104851133A (zh) * | 2015-05-25 | 2015-08-19 | 厦门大学 | 一种图像自适应网格生成变分方法 |
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 |
CN109087240A (zh) * | 2018-08-21 | 2018-12-25 | 成都旷视金智科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN111127313A (zh) * | 2019-12-31 | 2020-05-08 | 深圳云天励飞技术有限公司 | 人脸素描画转换方法及相关产品 |
CN111179178A (zh) * | 2019-12-31 | 2020-05-19 | 深圳云天励飞技术有限公司 | 人脸图像拼接方法及相关产品 |
CN113255488A (zh) * | 2021-05-13 | 2021-08-13 | 广州繁星互娱信息科技有限公司 | 主播搜索方法、装置、计算机设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6775397B1 (en) * | 2000-02-24 | 2004-08-10 | Nokia Corporation | Method and apparatus for user recognition using CCD cameras |
CN100373395C (zh) * | 2005-12-15 | 2008-03-05 | 复旦大学 | 一种基于人脸统计知识的人脸识别方法 |
-
2006
- 2006-08-10 CN CNB2006100369859A patent/CN100409249C/zh not_active Expired - Fee Related
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201894B (zh) * | 2007-11-06 | 2010-08-11 | 重庆大学 | 基于网格计算技术的大规模人脸数据库人脸识别方法 |
CN101398886B (zh) * | 2008-03-17 | 2010-11-10 | 杭州大清智能技术开发有限公司 | 一种基于双目被动立体视觉的快速三维人脸识别方法 |
CN102196251B (zh) * | 2011-05-24 | 2014-05-21 | 中国科学院深圳先进技术研究院 | 智慧城市智能监控方法和系统 |
CN102196251A (zh) * | 2011-05-24 | 2011-09-21 | 中国科学院深圳先进技术研究院 | 智慧城市智能监控方法和系统 |
CN102254154A (zh) * | 2011-07-05 | 2011-11-23 | 南京大学 | 一种基于三维模型重建的人脸身份认证方法 |
CN102254154B (zh) * | 2011-07-05 | 2013-06-12 | 南京大学 | 一种基于三维模型重建的人脸身份认证方法 |
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 |
CN102592136B (zh) * | 2011-12-21 | 2013-10-16 | 东南大学 | 基于几何图像中中频信息的三维人脸识别方法 |
CN103353942A (zh) * | 2013-07-30 | 2013-10-16 | 上海电机学院 | 一种交互式人脸识别系统和方法 |
CN103745208A (zh) * | 2014-01-27 | 2014-04-23 | 中国科学院深圳先进技术研究院 | 一种人脸识别的方法及装置 |
CN104851133A (zh) * | 2015-05-25 | 2015-08-19 | 厦门大学 | 一种图像自适应网格生成变分方法 |
CN104851133B (zh) * | 2015-05-25 | 2017-07-18 | 厦门大学 | 一种图像自适应网格生成变分方法 |
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 |
CN109087240A (zh) * | 2018-08-21 | 2018-12-25 | 成都旷视金智科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN109087240B (zh) * | 2018-08-21 | 2023-06-06 | 成都旷视金智科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
CN111127313A (zh) * | 2019-12-31 | 2020-05-08 | 深圳云天励飞技术有限公司 | 人脸素描画转换方法及相关产品 |
CN111179178A (zh) * | 2019-12-31 | 2020-05-19 | 深圳云天励飞技术有限公司 | 人脸图像拼接方法及相关产品 |
CN113255488A (zh) * | 2021-05-13 | 2021-08-13 | 广州繁星互娱信息科技有限公司 | 主播搜索方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN100409249C (zh) | 2008-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100409249C (zh) | 一种基于网格的三维人脸识别方法 | |
Lin et al. | Facet segmentation-based line segment extraction for large-scale point clouds | |
Rothwell et al. | Planar object recognition using projective shape representation | |
Zunic et al. | A new convexity measure for polygons | |
Wolfson et al. | Geometric hashing: An overview | |
Robles-Kelly et al. | Graph edit distance from spectral seriation | |
Willis et al. | Computational reconstruction of ancient artifacts | |
Wang et al. | Window detection from mobile LiDAR data | |
CN107403084A (zh) | 一种基于步态数据的身份识别方法 | |
CN101930537A (zh) | 基于弯曲不变量相关特征的三维人脸识别方法及系统 | |
CN104834931A (zh) | 一种基于小波变换的改进的尺度不变特征匹配算法 | |
Liu et al. | Efficient recognition of rotationally symmetric surfaces and straight homogeneous generalized cylinders | |
Tao et al. | Quintuple local coordinate images for local shape description | |
CN114581864B (zh) | 基于transformer的动态密集对齐车辆重识别技术 | |
Ruhnke et al. | Compact rgbd surface models based on sparse coding | |
CN113902779B (zh) | 一种基于张量投票方法的点云配准方法 | |
Shen et al. | Satellite objects extraction and classification based on similarity measure | |
CN101894154B (zh) | 一种图像文档关键图案的提取方法 | |
Tao et al. | A distinctive binary descriptor and 2-point RANSACWC for point cloud registration | |
Wu et al. | 3-d shape approximation using parametric geons | |
Kekre et al. | DCT-DST Plane sectorization of row wise transformed color images in CBIR | |
Cao et al. | Gaussian-curvature-derived invariants for isometry | |
Gu et al. | A spatial alignment method for UAV LiDAR strip adjustment in nonurban scenes | |
Aouada et al. | 3D deformation signature for dynamic face recognition | |
CN111626096B (zh) | 一种三维点云数据兴趣点提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080806 Termination date: 20130810 |