摘要:2D人臉識(shí)別技術(shù)雖已成熟,,但由于單一的2D圖像不能提供識(shí)別所需的完整信息,故其識(shí)別精度很難進(jìn)一步提高,。在人臉識(shí)別過程中,,特征提取是影響識(shí)別效果的一個(gè)重要環(huán)節(jié),在分析了傳統(tǒng)的主成分分析法和由此改進(jìn)的2D PCA方法的基礎(chǔ)上,,提出了3D人臉識(shí)別方法,。該方法將人臉圖像分為幾個(gè)部分分別進(jìn)行特征提取,同時(shí)充分考慮每個(gè)部分所包含的特征信息量的多少,,并在分類時(shí)賦予它們不同的權(quán)值,。因此,將人臉用立體圖像來表示并進(jìn)行識(shí)別是目前提高人臉識(shí)別精度的前沿課題,。
關(guān)鍵詞:3D人臉識(shí)別,;人臉建模;3D人臉形變模型;視頻圖像
人臉識(shí)別是基于生物特征識(shí)別技術(shù)的身份認(rèn)證中最主要的方法之一,,涉及計(jì)算機(jī)圖形學(xué),、計(jì)算機(jī)視覺、模式識(shí)別,、機(jī)器學(xué)習(xí),、感知科學(xué)、人工智能,、計(jì)算智能等技術(shù),,3D人臉識(shí)別主要分為人臉檢測、人臉特征和人臉識(shí)別三個(gè)過程,。為了提高人臉的識(shí)別精度,,本文對(duì)3D人臉的自動(dòng)識(shí)別系統(tǒng)及識(shí)別算法進(jìn)行了研究,給出了3D人臉識(shí)別存在的問題,。
1 3D人臉自動(dòng)識(shí)別系統(tǒng)
普通的人臉識(shí)別一般分為圖1所示的三個(gè)過程,。圖2所示是一個(gè)典型的3D人臉識(shí)別系統(tǒng)的組成框圖。其中,,圖像獲取部分負(fù)責(zé)獲取來自于攝像機(jī)或是掃描儀等設(shè)備的圖像,,通過程序?qū)⑵滢D(zhuǎn)換為可處理的數(shù)字圖像格式;檢測定位是通過對(duì)輸入的圖像進(jìn)行處理分析,,判斷圖像中是否有人臉,如果有人臉,,則作出準(zhǔn)確的定位,;特征提取是在預(yù)處理后的人臉圖像中按照某種策略抽取出識(shí)別的特征。
人臉模型主要分為剛性模型和塑性模式,,剛性模型可以滿足對(duì)人頭部跟蹤檢測的要求,,主要用于表示人的頭部位置、姿態(tài),、方向等,;塑性實(shí)體主要處理人臉識(shí)別、表情識(shí)別,、唇語識(shí)別等問題,,它涉及面部器官、肌肉和表皮的運(yùn)動(dòng),。
目前主要的三維建模工具有3DSMAX,,MAYA,AUTOCAD等,。
1.1 結(jié)合一般人臉模型的建模
由于人臉的復(fù)雜性和相似性,,直接采用視覺重建算法進(jìn)行3D人臉的重建,在精度和實(shí)用性上,相對(duì)于昂貴的硬件采集方法,,都不能達(dá)到很好的效果,。為了重建精度較高的人臉模型,下面引入了一般人臉3D模型,。
一般人臉模型的主要思想是定義一個(gè)平均的人臉3D模型,,其空間坐標(biāo)點(diǎn)集為Sg={xgi,ygi,,zgi},,i=1,2,,…,,n,該空間坐標(biāo)集表達(dá)了常見的人臉表面形狀的共同特性,。該思想認(rèn)為,,不同人臉的3D結(jié)構(gòu)S。都可 以通過一般人臉模型Sg中每個(gè)空間點(diǎn)的位置變化來表達(dá),,即特定的人臉模型Sp=Sg+△S,,(xpi,ypi,,zpi}={xgi+△xi,,yg+△yi,zgi+△zi},。形變量△S如何求取具有不同的方法,,但核心思想是利用人臉模型提取表達(dá)五官特征(眼睛、鼻子,、嘴,、臉頰、眉毛)的輪廓點(diǎn)集Sf={xfj,,yfj,,zfj},j=1,,2,,…,m(其中m<
3D人臉形變模型的核心思想是利用有限數(shù)量的3D人臉模型的線性組合來表達(dá)任何一個(gè)3D人臉,。在用3D人臉形變模型建模時(shí),,可將模型的形狀坐標(biāo)集合記為s=[x1,y1,,z1,,…,xN,,yN,,zN]T,即包括N個(gè)頂點(diǎn)的x,,y,,z坐標(biāo);再將對(duì)應(yīng)一個(gè)人臉的紋理表示為一個(gè)紋理向量t=[R1,,G1,,B1,…,,RN,,GN,BN]T,,即包括N個(gè)對(duì)應(yīng)頂點(diǎn)的RGB值(假設(shè)有效紋理的數(shù)據(jù)等于頂點(diǎn)數(shù)),。
形變模型由M個(gè)人臉樣本數(shù)據(jù)構(gòu)成,,這些數(shù)據(jù)分別表示為它的3D形狀和紋理兩部分,,也可寫成M個(gè)樣本圖像的質(zhì)心坐標(biāo)表達(dá)式,即:
使用PCA對(duì)3D人臉數(shù)據(jù)進(jìn)行壓縮,,再把基底變換到一個(gè)由對(duì)應(yīng)協(xié)方差距陣的特征值按降序排列對(duì)應(yīng)的特征向量si和ti形成的正交坐標(biāo)系下,則有(α,,β∈RM-1):
式中:是形狀協(xié)方差矩陣Cs的特征值,。p(β)的計(jì)算與p(α)的計(jì)算類似。
最終定義的3DMM為[smodel(α),,tmodel(β)],,由兩個(gè)變量參數(shù)確定a=[a1,a2,,…,,aM]T,b=[b1,,b2,,…,bM]T。這樣,,任意新的人臉都可以通過變化a,,b來控制其形狀和紋理。
2 基于視頻圖像的識(shí)別算法
特征臉方法通常利用主分量分析進(jìn)行降維和提取特征,。該方法選擇與原數(shù)據(jù)協(xié)方差矩陣前幾個(gè)最大特征值對(duì)應(yīng)的特征向量構(gòu)成一個(gè)組基,,以達(dá)到最佳表征原數(shù)據(jù)的目的。在人臉識(shí)別中,,由一組特征臉基圖像張成一個(gè)特征臉子空間,,任何一幅人臉圖像(減去平均人臉后)都可投影到該子空間,從而得到一個(gè)權(quán)值向量,。圖3所示是一個(gè)主分量分析的應(yīng)用舉例,。圖中最左邊的圖像為平均臉,其他為對(duì)應(yīng)7個(gè)最大特征值的特征向量,。
但是,,3D人臉識(shí)別是通過自動(dòng)檢測人臉區(qū),從視頻中提取特征后才識(shí)別出人臉的身份,。雖然視頻人臉識(shí)別是基于靜態(tài)圖像的人臉識(shí)別的直接擴(kuò)展,,但一般認(rèn)為,視頻人臉識(shí)別算法需要同時(shí)用到空間和時(shí)間信息,,它的時(shí)間連續(xù)性是視頻圖像的一個(gè)非常重要的特性,,包括由此產(chǎn)生的人臉信息的不確定性。視頻人臉識(shí)別算法和基于靜態(tài)圖像的人臉識(shí)別算法的最大區(qū)別就是在人臉跟蹤和識(shí)別中利用時(shí)間信息,。目前這類算法大致可分為兩類:
(1)跟蹤-然后-識(shí)別,,這類方法首先檢測出人臉,然后跟蹤人臉特征隨時(shí)間的變化,。只在跟蹤階段用到時(shí)間信息,。識(shí)別還是采用基于靜態(tài)圖像的方法,而沒有用到時(shí)間信息,。
(2)跟蹤-且-識(shí)別,,這類方法中,人臉跟蹤和識(shí)別是同時(shí)進(jìn)行的,,在跟蹤階段和識(shí)別階段都要用到時(shí)間信息,。
3 3D人臉識(shí)別存在的問題
近幾年才開始研究將三維方法用于人臉機(jī)器識(shí)別,目的是為了彌補(bǔ)二維方法的不足,,或者是解決二維方法所無法根本解決的問題,。
目前,三維人臉識(shí)別的處理方法和手段還是處于發(fā)現(xiàn)時(shí)期,,其本身還不成熟,,主要存在以下困難:
(1)海量存儲(chǔ)和計(jì)算的困難,。由于三維識(shí)別過程中處理的數(shù)據(jù)容量和計(jì)算量十分巨大,對(duì)于一般計(jì)算機(jī)來說,,它們的存儲(chǔ)和運(yùn)算還比較困難,;
(2)信息來源方面的困難。由于三維識(shí)別的完整信息難于獲取或者識(shí)別的信息往往不完整,,同時(shí),,再加上圖像采集設(shè)備的差異和成像原理的不同,都可能造成識(shí)別算法本身不可糾正的錯(cuò)誤,;
(3)對(duì)人的生理認(rèn)識(shí)的不足,。由于計(jì)算機(jī)沒有人的經(jīng)驗(yàn)和知識(shí)功能,而只有計(jì)算功能,,同時(shí)由于對(duì)肌肉的運(yùn)動(dòng)理論和表情形成等問題,,現(xiàn)在還不能提供給計(jì)算機(jī)足夠的專家支持;
(4)受環(huán)境和條件的約束,。影響二維識(shí)別的不利因素在三維識(shí)別上同樣存在,,如光線的強(qiáng)弱、方向,、遮蓋,、陰影、背景等,;
(5)實(shí)現(xiàn)方式和手段的不足,。傳統(tǒng)的識(shí)別方法不能滿足三維識(shí)別的要求,必須改進(jìn)或采用新的方法,。例如由于動(dòng)態(tài)圖像的計(jì)算量太大,,因此,適用于靜態(tài)圖像處理的神經(jīng)網(wǎng)絡(luò)就變得不適合了,。
4 結(jié)語
3D人臉的研究始于計(jì)算機(jī)動(dòng)畫和生物醫(yī)學(xué)成像,。計(jì)算機(jī)動(dòng)畫方面的方法是在計(jì)算機(jī)上生成三維的人臉來表達(dá)人的運(yùn)動(dòng)、姿態(tài)和表情,。這種動(dòng)畫的人臉可以在不同的環(huán)境下應(yīng)用和發(fā)展為虛擬現(xiàn)實(shí),,這在生物醫(yī)學(xué)方面可從生物圖層或切片來重構(gòu)人體器官組織,并將其用于病理分析,。而三維人臉識(shí)別是極具挑戰(zhàn)性的課題,如在技術(shù)上有所突破,,將具有很強(qiáng)的創(chuàng)新性和應(yīng)用價(jià)值,。