[發(fā)明專利]一種基于Kinect的三維人臉識別方法

在審

• 申請?zhí)枺?/td>: 201710257972.2
• 申請日: 2017-04-19
• 公開（公告）號: CN107247916A
• 公開（公告）日: 2017-10-13
• 發(fā)明（設(shè)計）人: 鐘凱宇;張學(xué)習(xí);周雄宇
• 申請（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣東廣信君達(dá)律師事務(wù)所44329
• 代理人: 楊曉松

1.一種基于Kinect的三維人臉識別方法，其特征在于：該方法包括：(1)人臉區(qū)域檢測：使用Kinect的彩色攝像頭，獲取彩色圖像，然后使用二維人臉檢測方法，檢測出人臉區(qū)域；(2)采集三維人臉點云數(shù)據(jù)：在獲取人臉區(qū)域后，即可獲得該區(qū)域的深度數(shù)據(jù)，然后使用一個三維向量表示該二維數(shù)據(jù)和深度數(shù)據(jù)；(3)對三維圖像數(shù)據(jù)進(jìn)行預(yù)處理；(4)對三維人臉深度圖像進(jìn)行特征提取；(5)分類器設(shè)計：使用SVM分類器進(jìn)行分類，先后進(jìn)行訓(xùn)練和測試。

2.根據(jù)權(quán)利要求1所述的基于Kinect的三維人臉識別方法，其特征在于，人臉識別過程中包括：降噪處理：對深度圖像中的離散點進(jìn)行濾波處理，步驟如下：計算點云中的點的歐氏距離；取一閾值，將歐氏距離小于此閾值的歸位同類，統(tǒng)計每一類的點云數(shù)，將點云數(shù)最少的那5％的類刪除。

3.根據(jù)權(quán)利要求1所述的基于Kinect的三維人臉識別方法，其特征在于，在進(jìn)行特征提取及分類前，對數(shù)據(jù)進(jìn)行方向距離矯正和歸一化處理。

4.根據(jù)權(quán)利要求3所述的基于Kinect的三維人臉識別方法，其特征在于，還包括：將三維坐標(biāo)系轉(zhuǎn)換成以鼻尖為中心的三維坐標(biāo)系，先通過以下步驟估算鼻尖點的位置：

(1)量化角度：首先將【-90°，90°】這個角度區(qū)間進(jìn)行90等份等量分劃；

(2)鼻尖點確定：對每一個角度’在模型如下剛體變換后選擇具有

x′y′z′=cosθi0sinθi010-sinθi0cosθixyz]]>

最大Z坐標(biāo)Z1的點作為鼻尖點的一個候選點，記其坐標(biāo)為P_i(X_i,Y_i,Z_i),令Z＝max{Z_i}。與Z相對應(yīng)的頂點就是鼻尖點。

5.根據(jù)權(quán)利要求3所述的基于Kinect的三維人臉識別方法，其特征在于，還包括對三維人臉數(shù)據(jù)進(jìn)行校正和歸一化處理，以鼻尖點為中心，90mm為半徑對原有的三維人臉進(jìn)行切割，然后用人臉姿態(tài)校正方法對切割后的三維人臉數(shù)據(jù)進(jìn)行校正。

6.根據(jù)權(quán)利要求5所述的基于Kinect的三維人臉識別方法，其特征在于，特征提取的過程如下：

(1)將所獲得的N個三維數(shù)據(jù)點的一批數(shù)據(jù)寫成一個m*n維數(shù)據(jù)矩陣

(2)選定使用高斯徑向核函數(shù)計算核矩陣，計算核矩陣K；

(3)由式(1)修正核矩陣得到KL；

(4)按照J(rèn)acobi迭代方法求解KL的特征值λ₁,...,λ_n，即對應(yīng)的特征向量為v₁,...,v_n；

(5)降序排序特征值得到λ'₁＞...＞λ'_n，并相應(yīng)調(diào)整特征向量為v₁',...,v_n'；

(6)通過施密特交化方法單位交化特征向量，得到α,...,α_n；

(7)計算特征值的累積貢獻(xiàn)率B₁,...,B_n，根據(jù)給定的提取率p，如果B_t≥p，則提取的t個主成分α₁,...,α_t；

(8)計算己修正的核矩陣X在提取出的特征向量上的投影Y＝KL·α，其中α＝(α₁,...,α_t)，所得的投影即為數(shù)據(jù)經(jīng)過降維后所得的人臉特征數(shù)據(jù)，形成特征臉。