[發明專利]一種基于張量空間偏最小二乘回歸的顱面重構方法

無效

• 申請號: 201110382096.9
• 申請日: 2011-11-25
• 公開（公告）號: CN102521875A
• 公開（公告）日: 2012-06-27
• 發明（設計）人: 段福慶;武仲科;周明全
• 申請（專利權）人: 北京師范大學
• 主分類號: G06T17/00
• 分類號: G06T17/00
• 代理公司: 北京中海智圣知識產權代理有限公司 11282
• 代理人: 曾永珠

1.一種基于張量空間偏最小二乘回歸的顱面重構方法，其特征在于，包括下列步驟：

1)模型訓練

1.1)數據處理，把訓練樣本中的三維顱面統一到法蘭克福坐標系并將大小規格化，去除數據中不屬于面部的部分，對顱骨和面皮分別進行三維數據配準，將配準后的顱骨和面皮轉化為二維深度圖；

1.2)張量特征提取，將顱骨和面皮分別變換到顱骨張量特征空間和面皮張量特征空間；

1.3)回歸模型建立，采用偏最小二乘回歸分性別建立面皮張量特征對顱骨張量特征和年齡、體重指數BMI屬性的回歸模型；

2)顱面重構

2.1)數據處理：把待重構的未知顱骨統一到法蘭克福坐標系并將大小規格化，將未知顱骨與訓練樣本中的顱骨進行數據配準，將配準后的未知顱骨轉化為二維深度圖；

2.2)張量特征提取：將未知顱骨變換到顱骨張量特征空間；

2.3)特征回歸，估計顱骨的性別和年齡、體重指數BMI屬性，根據其張量特征和屬性，利用1.3)中建立的回歸模型回歸出相應的面皮張量特征；

2.4)三維面皮重構，根據回歸到的面皮張量特征恢復其二維深度圖，將得到的二維深度圖轉化為三維點云數據。

2.按照權利要求1所述的方法，其特征在于，所述第1.2)步中的張量特征空間是由訓練樣本集中全體樣本所確定的特征空間，其確定過程如下：按照顱面的生理特征將每個顱骨和每個面皮的深度圖分為大小相同且部分重疊的小區域，分別將訓練樣本集中全體顱骨和全體面皮的深度圖按身份、區域位置、區域的縱向和橫向信息變化的方向組織為一個四階張量D_s∈R^n×k×h×w和D_f∈R^m×k×h×w，其中，n為訓練樣本集中顱骨的個數，m為面皮的個數，k為每個深度圖所確定的小區域個數，h和w分別是每個小區域的行數和列數，通過執行張量分解和空間降維得下式(1)和(2)：

D_s≈C_s×₁U_people×₂U_region×₃U_row×₄U_column＝T_s×₁U_people???……(1)

其中：C_s是核張量，控制著身份、區域位置、區域縱向和橫向這四個模式之間的相互作用，Upeople∈Rn×ns,]]>Uregion∈Rk×ks,]]>Urow∈Rh×hs,]]>Ucolumn∈Rw×ws]]>是四個行正交的矩陣，由其行向量分別確定了相應的模式特征空間，n_s，k_s，h_s，w_s分別是相應空間經過降維以后的空間維數，T_s＝C_s×₂U_region×₃U_row×₄U_column是顱骨身份張量；

D_f≈C_f×₁V_people×₂V_region×₃V_row×₄V_column＝T_f×₁V_people??(2)

其中：C_f是核張量，Vpeople∈Rm×mf,]]>Vregion∈Rk×kf,]]>Vrow∈Rh×hf,]]>Vcolumn∈Rw×wf]]>是四個行正交的矩陣，由其行向量分別確定了相應的模式特征空間，n_f，k_f，h_f，w_f分別是相應空間經過降維以后的空間維數，T_f＝C_f×₂V_region×₃V_row×₄V_column是面皮身份張量；

定義顱骨原始特征向量其中x_i∈R^hw×1_{，i＝1，2，K，k}為相應小區域按像素排列生成的向量，則提取的顱骨張量特征為下式(3)：

upeople=(TsTsT)-1Tsx∈Rns×1······(3)]]>

其中：T_s是張量T_s按身份模式展平后的矩陣。所有顱骨的張量特征構成的向量空間為顱骨張量特征空間；

定義面皮原始特征向量則提取的面皮張量特征為下式(4)：

vpeople=(TfTfT)-1Tfy∈Rnf×1······(4)]]>

其中：T_f是張量T_f按身份模式展平后的矩陣，所有面皮的張量特征構成的向量空間為面皮張量特征空間。