基于全局特征和尺度不变特征的三维人脸识别研究-电子与通信工程专业论文.docx

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 近年来，三维人脸识别是模式识别和机器视觉领域最为活跃的研究方向之一，作为一种 基于生物特征的身份识别技术，具有十分广阔的应用前景。三维人脸识别以人脸三维数据模 型为基础，相比二维人脸，三维人脸特征含有更丰富的信息，能够克服光照、表情、姿态、 化妆等因素的影响，更好的表征人脸。三维人脸识别主要包括三维人脸数据的获取和预处理、 特征提取、特征匹配等环节。 针对三维人脸识别过程中的一些问题，本文研究工作主要包括以下几个方面： （1）由于人脸数据库中三维人脸模型数据包括肩膀、耳朵、头发等其他的非面部信息， 为了精确地提取模型中的脸部区域，采用了以鼻尖点为基准点，合适的半径进行区域分割的 方法。取得脸部区域的三维模型数据后，采用将 Z 坐标深度值转化为像素值的方法对数据进 行处理，得到脸部正面深度图。再根据脸部三维模型数据中包含的 RGB 颜色信息，得到脸部 正面灰度图。 （2）针对 SIFT 算法特征描述子维数较高，计算量大的问题，提出了一种改进的 SIFT 算法。改进的 SIFT 算法将特征点邻域分为 9 个种子区域，生成 72 维的特征描述子，相比原 SIFT 算法的 128 维特征描述子，能够有效地降低特征匹配时的计算量。 （3）为提取有效的脸部特征作为人脸识别的依据，使用主成份分析（PCA）算法和改进 的尺度不变特征变换（SIFT）算法分别对人脸深度图像和灰度图像进行特征提取，得到了面 部的全局特征和局部特征。 （4）在人脸识别过程中，基于提取的全局特征和局部不变特征，采用两级分类器进行分 类识别。实验结果表明，综合采用全局特征和局部不变特征比使用单一特征得到的识别率高， 而且两级分类器能够有效地提高人脸识别的速度。 关键词：三维人脸识别，全局特征，局部不变特征，主成分分析，尺度不变特征变换 I Abstract Recent years, 3D face recognition has become one of the most active and potential fields in pattern recognition and machine vision. As a kind of biometric technology, it has a wide range of applications.3D face recognition is based on 3D data. Compared with 2D face recognition, 3D face feature can adequately represent human face. Also, 3D face recognition not only contains rich information but also can overcome the effects of illumination, expression, pose, makeup etc. The procedures of 3D face recognition are: acquisition and pre-processing of 3D data, feature extraction, feature matching. To solve the key problems of 3D face recognition, the research work of this thesis is as follows: Due to the face models in 3D face database contain the non-face information, s