一种基于概率图模型的三维人脸识别方法
【技术领域】
[0001] 本发明涉及一种基于概率图模型的三维人脸识别方法，具体涉及一种通过对三维 人脸进行概率图建模从而对三维人脸进行有效识别的方法，属于计算机图形学、数字图像 处理以及人工智能技术领域。
【背景技术】
[0002] 人脸识别不管是在国家安全、军事安全和公共安全领域，还是在民事和经济领域、 家庭娱乐等领域，都有着重要的应用前景和实用价值。相比于二维人脸而言，三维人脸更能 适应光照、视角与遮挡等因素的影响，使得人脸信息更为丰富准确。
[0003]目前，大多数主流的三维人脸识别算法从几何特征、局部特征以及整体特征出发， 对三维人脸进行识别。其中，表情变化造成人脸肌肉的伸展收缩对三维人脸识别造成了不 小的困难，表情的变化在一定程度上增大了类内间距，影响了识别率。已有部分学者针对表 情不变的三维人脸展开研究，文献（Berretti S, Bimbo A D，Pala P. 3D face recognition using isogeodesic stripes[J]· IEEE TPAMI2010, 32(12) :2162-2177)提出了一种基于测 地线的特征提取，以鼻尖点为中心，建立等距的测地线模型，通过测地线的稳健性，在一定 程度上克服表情变化的干扰。文献（Nazari S，Moin M S. Face recognition using global and localGabor features[C].ICEE 2013:1-4)提出采用 Gabor 提取特征点的方法，由于 Gabor变换对光照变化不敏感，且能容忍一定程度的图像旋转和变形，在丰富了特征点信息 的同时，数据信息更加完备，致使提取更为鲁棒的人脸描述。不过，人脸器官间的相对联系， 也是影响人脸表情的主要因素。文献（Koller D, Friedman N. Probabilistic graphical 111〇(1618:卩1'；[11(^卩168&11(1七6(31111191168[]\1].]\〇1口代88,2009)提出了概率图模型，概率图模 型能简洁有效地表示变量间的相互关系，为不确定性推理体系提供强有力的工具，近年来 已成为人工智能和机器学习的热门研究领域。目前，概率图模型已在图像分析、生物医学和 计算机科学等多个领域成功应用，其结合图论与概率论来紧凑地描述多元统计关系，对于 图像分类尤其是三维人脸识别有着广泛的应用前景。
【发明内容】
[0004] 本发明所要解决的技术问题是：提供一种基于概率图模型的三维人脸识别方法， 对人脸各个器官之间的联系作出有效分析，从而对人脸进行识别，具有较高的识别精度和 较小的计算复杂度。
[0005] 本发明为解决上述技术问题采用以下技术方案：
[0006] -种基于概率图模型的三维人脸识别方法，包括如下步骤：
[0007] 步骤1，获取待测三维人脸图像以及样本库中所有三维人脸样本图像，并对待测三 维人脸图像进行归一化预处理；
[0008] 步骤2,求取样本库中所有三维人脸样本图像的三维平均脸图像，在三维平均脸图 像上选择多个特征点和一个基准点，计算各特征点到基准点的测地线距离，并根据测地线 距离建立特征点模型，利用特征点模型定位待测三维人脸图像上的特征点；
[0009] 步骤3,利用Gabor滤波器提取各三维人脸样本图像和待测三维人脸图像上特征 点的邻域特征；
[0010] 步骤4,根据步骤3得到的邻域特征对样本库中各三维人脸样本图像和待测三维 人脸图像分别建立概率图模型；
[0011] 步骤5,根据步骤4得到的概率图模型计算待测三维人脸图像与样本库中各三维 人脸样本图像之间的相似度，根据相似度对待测三维人脸图像进行识别。
[0012] 优选的，步骤1所述归一化预处理包括：姿态矫正、点云去噪以及平滑处理。
[0013] 优选的，步骤2所述基准点为鼻尖点。
[0014] 优选的，步骤4所述建立概率图模型的方法为：利用无向图G= (X，E)表示概率图 模型，其中，X表示邻域特征，E表示邻域特征之间的变换矩阵。
[0015] 优选的，步骤5所述待测三维人脸图像与样本库中各三维人脸样本图像之间的相 似度的计算公式为：s_= S x (Xd XB) +wSE (Ed EB)，其中，S_表示相似度，S x表示X占 X B之间 的相似度，&表示待测三维人脸图像的邻域特征，18表示样本库中任意三维人脸样本图像 的邻域特征；SE表示E :与E B之间的相似度，E :表示邻域特征X :之间的变换矩阵，E B表示邻 域特征XB之间的变换矩阵，w表示权重。
[0016] 本发明采用以上技术方案与现有技术相比，具有以下技术效果：
[0017] 1、本发明基于概率图模型的三维人脸识别方法，利用三维测地线模型来确定特征 点，在一定程度上克服了表情的影响，并可以在短时间内确定三维人脸的特征点模型，为后 续人脸建模做好准备。
[0018] 2、本发明基于概率图模型的三维人脸识别方法，采用Gabor滤波提取特征点的邻 域特征，丰富特征点的信息，可产生鲁棒的人脸描述；Gabor小波变换核函数具有与人类大 脑皮层简单细胞的二维反射区相同的特性，即能够捕捉到对应于空间频率（尺度）、空间位 置及方向选择性的局部结构信息，广泛地应用于图像分析和理解领域。Gabor小波函数具有 空间局部性、频率选择性以及方向选择性等特点，可以有效表述人脸局部区域的频率方向 信息的Gabor特征，是人脸图像分析和描述中的一个有效工具。
[0019] 3、本发明基于概率图模型的三维人脸识别方法，利用概率图模型对人脸进行描述 和识别，不是孤立地利用各个器官的数值特征，而是把这些特征和特征之间的影响联系起 来，提高了对于表情变化的鲁棒性，同时在匹配上减小计算复杂度。
【附图说明】
[0020] 图1是本发明三维人脸的概率图模型的结构示意图。
[0021] 图2是本发明基于概率图模型的三维人脸识别方法的流程图。
【具体实施方式】
[0022] 下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始 至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参 考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0023] 如图2所示，本发明主要涉及三维人脸概率图模型的建模及模型匹配这两个阶 段，主要实施过程如下：
[0024] 1、原始三维人脸数据包含头发、耳朵等一系列无关器官，姿态各异，且含有部分噪 点。因此，首先以鼻尖点为基准切割出人脸大致轮廓；接着，基于轴角描述的方法调整姿态 将三维人脸进行配准；然后，针对三维人脸表面形状特性，通过Delaunay三角剖分法实现 人脸的网格化处理。最后，对人脸表面的噪点采用基于人脸网格的平滑方法对面部数据进 行平滑处理，从而完成对所有三维人脸数据的归一化处理。
[0025] 2、样本库中的人脸表情各异，由于性别、年龄等因素造成的固有差异