[發明專利]基于平均曲率和正態分布變換的三維人耳識別方法

有效

• 申請號: 201911326908.0
• 申請日: 2019-12-20
• 公開（公告）號: CN111062343B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 蓋紹彥;錢昱來;達飛鵬
• 申請（專利權）人: 東南大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/74;G06V10/82;G06T7/33
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

1.基于平均曲率和正態分布變換的三維人耳識別方法，具體步驟如下，其特征在于,

步驟1：對帶背景信息的二維側臉圖像進行Faster?R-CNN目標檢測，獲得方形二維人耳區域，提取對應區域的三維人耳點云；

步驟2：對由步驟1所提取的三維人耳點云根據平均曲率進行關鍵點檢測，得到關鍵點集；

所述步驟2具體包括以下步驟：

步驟2.1：點云中某點可以和其周圍點擬合成曲面，曲面上有無數個不同方向的曲線，曲面上的點不同方向具有不同曲率，這就是主曲率，取所有主曲率中的最大值C_max(p)和最小值C_min(p)，對于頂點p，其平均曲率C_mean(p)由最大主曲率C_max(p)和最小主曲率C_min(p)計算得到：

C_mean(p)＝(C_max(p)+C_min(p))/2?(1)

對于頂點p，設其鄰域為N(p)，M為鄰域內點的個數，則其鄰域的平均曲率c(p)計算如下：

為了得到穩定的關鍵點，定義滿足如下條件的頂點為關鍵點：

|C_mean(p)|≥(1+a)|c(p)|or|C_mean(p)|≤(1-b)|c(p)|,0≤b≤1,a≥0?(3)

式中a和b是限定Cmean(p)和c(p)范圍的兩個參數，用來選擇關鍵點；

步驟3：利用步驟2中得到的關鍵點集和標準姿態人耳關鍵點集進行ICP配準，將獲得的旋轉平移矩陣作用于步驟1得到的三維人耳點云，使其轉換為近似具有豎直向上姿態，再利用長方體模板切割，得到去除冗余信息后的三維人耳；

步驟4：利用正態分布變換配準算法進行配準，最后配準的誤差來衡量兩個人耳的相似度，得到識別結果；

所述步驟4具體包括以下步驟：

步驟4.1：將點云分成M個體素格，體素格內x的概率分布為

式中：q為x所在體素格內所有點的位置坐標的均值；而Y為包含x在內的體素單元的協方差矩陣；為函數的歸一化因子，實際使用中可以由一個常數c₀代替.

正態分布變換給出了點云的連續可微表示，每個網格內的概率分布函數都可以看做是對局部表面的近似，描述了點云表面位置與平整度信息，使用正態分布變換算法進行點云配準時，目標是使經過配準后，源點云在目標點云空間所處的位置具有大的概率密度；

步驟4.2：按照4.1創建待測人耳點云的NDT；

步驟4.3：對坐標變換參數進行初始化；

步驟4.4：對于某個庫集人耳點云也進行步驟4.1-4.3的初始化，根據步驟4.3的坐標變換參數，將其映射到步驟4.2已創建好的待測人耳點云的坐標系中；

步驟4.5：將每個映射點的概率分布之和作為每個坐標變換參數的分數值s(p)進行評估：

式中x′_i為x_i根據變換參數v映射到第一個坐標系下的坐標，q_i和C分別表示x′_i對應的均值向量和協方差矩陣；

三維變換向量T(v,x)可表示為：

式中t＝[t_x?t_y?t_z],r＝[r_x,r_y,r_z],

步驟4.6：對這些分數值進行優化，即取-s(p)的最大值；

通常把優化問題描述成最小化問題，因此問題變換為求s(p)最小，即求得使s(p)最小時的變換參數v的值，以及此時的s(p)，在此使用基于Hessian矩陣的牛頓迭代法對s(p)求最小值；

當前后兩次迭代的s(p)比值小于設定的閾值時，認為迭代已達到收斂要求，將此時的s(p)作為兩個人耳的配準誤差；

步驟4.7：將待測人耳和每一個庫集人耳都采用這種方法進行迭代和判別，得到配準誤差，最終選取配準誤差最小的庫集人耳作為識別結果；

步驟5：身份認證識別實驗，實驗均采用R1RR作為識別性能指標。

2.根據權利要求1所述的基于平均曲率和正態分布變換的三維人耳識別方法，其特征在于：所述步驟3具體包括以下步驟：

步驟3：把步驟2中得到的關鍵點集和一個標準姿態人耳的關鍵點集利用迭代最鄰近點ICP方法進行對齊，將該ICP變換最終的旋轉平移矩陣作用于步驟1得到的三維人耳區域，就可以使整個對齊之后的人耳都具有豎直向上的姿態，并且坐標系的原點(0,0)都位于人耳的左下角區域，接著利用一個長方體模板0≤x≤40,0≤y≤65,-5≤z≤5，單位：毫米，對標準姿態的人耳進行切割，得到歸一化后的人耳。