论文总字数：28855字

摘 要

三维人脸特征点自动定位是三维人脸识别、追踪、建模以及表情分析等领域的基础问题。本文研究并开发了一套三维人脸特征点定位系统，实现了三维点云预处理、人脸区域切割、鼻尖区域检测、基于主成分分析方法（PCA）的姿态矫正等算法，并提出了一种基于曲率特征和平均脸模型的人脸特征点定位方法。本系统在对三维人脸点云模型进行去噪、预切割的基础上，计算各处曲率和形状指数，通过曲率和形状指数检测鼻尖区域，利用鼻尖附近区域的对称性矫正人脸姿态，进而实现特征点的精确定位。

针对曲率极值点易受局部形态影响的难题，本系统提出的特征点检测方法，分为粗特征和细特征两个层次。粗特征是低通滤波后的人脸模型的曲率极值点，用于指示某个特征点的大致位置，而细特征用于找到特征点的精确位置。我们在平均脸中手动定位粗特征作为模板，并假定任何人脸的粗特征可以由平均脸的粗特征经过旋转、平移、伸缩等变换得到，从而从人脸上众多的曲率极值点中，筛选出最可能是人脸特征点的组合。在粗特征点的附近，计算局部曲率极值点，从而定位鼻尖、鼻根、鼻底、眼角、鼻翼、上唇等特征点。通过对FRGC标准库和实测点云样本的测试，证明了本系统具有较高的精度和很强的鲁棒性。

关键词：三维点云、点云去噪、姿态矫正、人脸特征点、点云曲率。

3D facial feature point location system

Abstract

3D facial features automatic positioning 3D face recognition is a basic issue in face tracking, modeling and facial expression analysis etc. In this paper we studied and developed a three-dimensional facial feature point positioning system, which could do three-dimensional point cloud pre-processing, auto-cutting face region, the nose region detection, posture correction, etc. Based on principal component analysis (PCA) algorithm, we established a species characteristic curvature and the average face model facial features location-based approach. Based on three-dimensional face model point cloud denoising, point cloud pre-cut, the entire computing curvature and shape index, detected by the curvature and shape of the nose area index, the use of symmetry to correct facial gesture area near the tip, and then to achieve precise positioning feature point.

To solve the impact of local shape for extreme points of curvature problems, feature point detection method according to the proposed system divided into two levels, coarse and fine features. Where in the extreme point of curvature crude low-pass filtered face model for indicating an approximate location of the feature points, and the fine characteristics used to find the precise location of the feature point. We locate crude characterized by average face as a template manually, and to assume that any facial feature can be subjected to rough rotation, translation, and other telescopic conversion characteristics obtained from crude average face, which faces a number of people from the extreme points of curvature, select the most likely to be a combination of facial feature points. Near crude feature points to calculate local curvature extremum point, thereby positioning the nose bridge of the nose, nasal floor, eyes, nose, upper lip and other feature points. By FRGC standard libraries and sample measured point cloud of tests to demonstrate the present system has higher accuracy and robustness.

KEYWORDS: 3D Point Cloud, Point Cloud Denoising, Posture Correction, Facial Feature Points, Point Cloud Curvature.

目录

摘要 I

Abstract II

第1章 绪论 1

1.1 项目背景 1

1.1.1 目标 1

1.1.2 国内外研究现状 2

1.1.3 运行环境 2

1.2 数据描述 3

1.2.1 三维点云数据 3

1.3 测试数据库描述 3

1.4 功能分析 3

1.4.1 功能划分 3

1.4.2 工作流程 3

1.5 性能需求 4

1.5.1 特点定位精确度 4

1.5.2 时间特性 4

1.5.3 鲁棒性 4

第2章 总体设计 5

2.1 系统整体结构 5

2.1.1 系统工作流程分析 5

2.1.2 系统工作流程图 5

2.2 子系统结构 6

2.2.1 子系统功能分析 6

2.2.2 姿态矫正工作流程图 6

2.2.3 特征粗定位工作流程图 7

2.2.4 特征精确定位工作流程图 8

2.3 系统接口设计 8

2.3.1 输入 8

2.3.2 输出 8

第3章 详细设计 9

3.1 去噪 9

3.1.1 目的 9

3.1.2 K邻近滤波 9

3.2 人脸区域预切割 9

3.3 鼻尖检测 11

3.3.1 曲率 11

3.3.2 形状指数 14

3.3.3 鼻尖检测 14

3.4 人脸姿态矫正 15

3.4.1 对称区域提取 15

3.4.2 迭代最邻近匹配(ICP)算法 15

3.4.3 K-D Tree数据结构 16

3.4.4 对称面检测 17

3.4.5 基于PCA的姿态矫正 17

3.5 特征点粗定位 19

3.5.1 目的 19

3.5.2 三维人脸高斯平滑 19

3.5.3 平均脸粗特征提取 20

3.5.4 粗特征分类 21

3.5.5 粗特征配对 21

3.5.6 刚性配准 22

3.5.7 非刚性变换 24

3.5.8 残差计算与迭代终止条件 25

3.6 特征点精确定位 25

3.6.1 目的 25

3.6.2 精确定位具体步骤 25

第4章 测试与仿真 28

4.1 测试方法与数据集 28

4.1.1 测试方法 28

4.1.2 测试数据集 28

4.2 测试结果 28

4.3 跨数据集性能评估 29

4.4 定位结果示例 30

第5章 结束语 31

5.1 工作总结 31

5.1.1 重点工作 31

5.1.2 创新点 31

5.2 展望 31

参考文献 32

致谢 35

绪论

项目背景

目标

21世纪是正在飞速发展的信息社会，是信息技术和网络技术的世纪，现如今人们十分重视是否能够正确可靠的确认个人身份，因此正确的认证个人身份在很多情况下都有着非常广泛重要的应用，譬如视频监控系统、机场安全检查系统、门禁系统、智能空间相关应用、自然人机交互领域等。在911恐怖袭击事件后，身份认证技术更在全球范围内得到了广泛重视，各国都投入了大量的科研力量。

但是大多数身份认证依旧使用传统的用户名、密码、身份证、工作证、智能卡等证件来识别分辨用户身份，使用如上描述的系统十分容易通过伪造或者盗取相关信息导致非法入侵系统，安全性得不到保障，可靠性也比较低。生物特征识别技术是指通过计算机利用人体所固有并特有的生理和行为特征来进行身份识别或个体验证的一门科学。生物特征技术属于模式识别问题，并且还涉及到信号处理，机器视觉，统计分析，进化计算，生理学，心理学以及认知科学等多个领域。一般采用指纹、掌纹、虹膜、人脸、手形、人耳、静脉等先天的，与生俱来的生物特征作为识别特征，这些生物特征一般由基因决定，会具有特殊性和唯一性，生物特征和用户身份之间存在一一对应的关系，因为很难伪造或者盗取，所以安全性得到保证，可靠性较高，且使用便捷。

剩余内容已隐藏，请支付后下载全文，论文总字数：28855字