基于人臉識別的三維骨骼模型構(gòu)造
2 三維人臉骨骼模型的規(guī)范化
得到測地模型之后,主要通過對測地模型做PCA分析,估計并校準(zhǔn)人臉骨骼姿態(tài)。令S(P,K)表示人臉測地模型,其中P表示N個點pi的集合,,1≤i≤N,K是一個抽象單純復(fù)形(alstract Simplicial complex),它包含與頂點pi相關(guān)的一些信息:頂點v={i}∈K,{i,j}∈K以及三角面f={i,J,k}∈K。令Os表示三維人臉測地模型S(P,K)的質(zhì)心,我們首先計算測地模型頂點分布的協(xié)方差矩陣如下:
通過對C做主成分分析(PCA),我們得到C的三個特征值λ1≥λ2≥λ3,以及與這三個特征值相對應(yīng)的三個特征向量v1,v2,v3。通常人臉骨骼都會比較長,也就是說人臉骨骼垂直方向的長度大于水平方向的長度。因此,協(xié)方差陣C會有三個不同的特征向量。特征向量v3表示測地模型的最小二乘擬合平面的法向量,特征向量v1,表示測地模型垂直方向,特征向量v2對應(yīng)與測地模型的水平方向。PCA算法的復(fù)雜度為O(N)。
取Os為原點,v1為坐標(biāo)x-軸,v3為坐標(biāo)z-軸,我們定義一個新的右手坐標(biāo)系。這個坐標(biāo)系反映了人臉骨骼的姿態(tài),并且只與三維人臉骨骼模型的頂點分布有關(guān)。通過將測地模型旋轉(zhuǎn)到這個新的坐標(biāo)系下,可以達到校準(zhǔn)人臉骨骼姿態(tài)的目的。過程如下:
其中A表示從原始坐標(biāo)系旋轉(zhuǎn)到新坐標(biāo)系的旋轉(zhuǎn)矩陣,A中的V表示C的特征向量v1,v2,v3的分量。效果如圖4所示。本文引用地址:http://butianyuan.cn/article/187556.htm
測地模型在三維人臉的規(guī)范化在后續(xù)比對中起到了非常重要的作用。
3 實驗結(jié)果
為檢測本構(gòu)造在人臉識別中的識別率,我們采用平均的Hausdorff距離(MHD),進行相似性比對,在相同條件進行5組,每組100次蒙特卡洛仿真,比較基于特征的人臉識別與基于模板的人臉識別率,得到識別率如表1所示。
4 結(jié)論
本文構(gòu)造了一種三維人臉骨骼模型,它以三維人臉骨骼的擬合平面和鼻尖定位作為模型的基本骨架,通過測地模型的計算,消除了人臉姿態(tài)的變化,然后作PCA分析,歸一化人臉骨骼標(biāo)準(zhǔn)坐標(biāo)進行識別,實驗表明,該方法可以提高人臉的識別率。
評論