專利名稱：三維復(fù)原顱面的識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)圖形處理和人臉識(shí)別領(lǐng)域，特別是一種三維復(fù)原顱面的識(shí)別方法。
背景技術(shù)：
三維顱面復(fù)原在考古、刑偵等方面具有廣泛的應(yīng)用前景，目前三維顱面復(fù)原技術(shù)日漸成熟，復(fù)原得到的三維人臉表面模型更加逼真。但是，如何科學(xué)的評(píng)價(jià)復(fù)原結(jié)果跟實(shí)際人臉的相似程度，目前這樣的評(píng)估算法鮮有報(bào)道。顯然，三維顱面相似度計(jì)算具有重要的現(xiàn)實(shí)意義，首先，它可以評(píng)價(jià)顱面復(fù)原技術(shù)的可行性和有效性；其次，從實(shí)際應(yīng)用的角度去考慮，在復(fù)原得到一個(gè)三維顱面結(jié)果后，如何在一個(gè)龐大的三維人臉數(shù)據(jù)庫中快速匹配找到本人，這有助于推廣其應(yīng)用。三維顱面相似度計(jì)算算法有如下幾種方法Lee等人根據(jù)頂點(diǎn)的平均曲率和高斯曲率，分割出人臉深度圖像的凸區(qū)域，并構(gòu)造凸區(qū)域的拓展高斯圖(EGI)，再通過各區(qū)域EGI之間的相關(guān)性來進(jìn)行人臉識(shí)別。但是，EGI 敏感區(qū)會(huì)跟隨尺度變化，所以該方法對(duì)大小不同的人臉識(shí)別率會(huì)較差。Chua等人提出一種基于點(diǎn)特征(Point Signature, PS)的識(shí)別方法，即用點(diǎn)特征來描述某點(diǎn)的局部特征，但是他們只用到了鼻子及以上近似剛體區(qū)域的點(diǎn)特征進(jìn)行比較。Lee等人又提出先找出鼻尖點(diǎn)，校正人臉姿態(tài)，然后提取一定深度的輪廓線，將其中的網(wǎng)格分成多個(gè)小區(qū)域，利用這些小區(qū)域的深度均值和方差進(jìn)行相似度計(jì)算。Pan等人提出先提取人臉網(wǎng)格上的中軸輪廓線和兩條水平輪廓線，用ICP算法進(jìn)行配準(zhǔn)，然后用HausdorfT距離測(cè)量?jī)烧?，并用求和?guī)則對(duì)兩個(gè)距離值進(jìn)行融合作為總的度量。Lu等人通過形狀因子(shape index)提取內(nèi)眼角、外眼點(diǎn)和鼻尖等特征點(diǎn)，進(jìn)行人臉的粗配準(zhǔn)，再結(jié)合ICP進(jìn)行精細(xì)配準(zhǔn)。然后查找控制點(diǎn)，將控制點(diǎn)之間的距離、形狀指標(biāo)和顏色差值相乘作為相似度。這些現(xiàn)有的算法都是基于局部特征的相似度計(jì)算方法，忽略了三維顱面的整體特征，從而具有很大的局限性。本發(fā)明正是針對(duì)這些算法的不足，同時(shí)又汲取現(xiàn)有算法的優(yōu)點(diǎn)，提出了一種三維顱面相似度的計(jì)算方法。該方法融合了三維顱面的整體特征和局部特征，為三維顱面相似度的計(jì)算提供了科學(xué)依據(jù)，同時(shí)也為在數(shù)據(jù)庫中查找相似的真實(shí)人臉提供了可行性保障。

發(fā)明內(nèi)容
為克服現(xiàn)有技術(shù)的上述缺點(diǎn)，本發(fā)明提供了一種既能考慮到整體特征在顱面中的地位，又能突出局部特征在識(shí)別中所起的作用的三維復(fù)原顱面的識(shí)別方法。三維復(fù)原顱面的識(shí)別方法，包括以下步驟1)、獲取通過預(yù)處理復(fù)原獲得的待識(shí)別的顱面模型A，從人臉識(shí)別系統(tǒng)中提取一個(gè)人臉模型作為標(biāo)準(zhǔn)模型B ；2)、將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行整體相似度計(jì)算(2. 1)將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行粗配準(zhǔn)；(2. 2)利用ICP算法對(duì)顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行精確配準(zhǔn)；(2. 3)計(jì)算顱面模型A與標(biāo)準(zhǔn)模型B的整體相似度
S{A,B)= rmS(Ab) + rms^a)，其中題料式召-凡||2/ Ai 是顱面模型 A
中的第i個(gè)點(diǎn)，Bi是標(biāo)準(zhǔn)模型B中的第i個(gè)點(diǎn)，RMS (A, B)為顱面模型A向標(biāo)準(zhǔn)模型B對(duì)齊后的相似度，RMS (B, A)為顱面模型A向標(biāo)準(zhǔn)模型B對(duì)齊后的相似度；3)、將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行局部特征的相似度計(jì)算(3. 1)、在標(biāo)準(zhǔn)模型B上標(biāo)定一系列的特征點(diǎn)P，分別計(jì)算各個(gè)特征點(diǎn)的形狀因子和曲率因子，并將這些特征點(diǎn)所在的坐標(biāo)系作為標(biāo)準(zhǔn)坐標(biāo)系；(3. 2)、獲取顱面模型A的中心和標(biāo)準(zhǔn)模型B的中心，將顱面模型A的中心與標(biāo)準(zhǔn)模型B的中心對(duì)齊，并使兩個(gè)中心的大小一致，再使用ICP算法使兩個(gè)中心精確對(duì)齊；(3. 3)、將標(biāo)準(zhǔn)模型上的每一個(gè)特征點(diǎn)P沿該特征點(diǎn)所在法線向量向顱面模型映射到特征點(diǎn)P’，以該映射特征點(diǎn)P’為球心尋找與特征點(diǎn)P的形狀因子和曲率因子的差距在閾值范圍內(nèi)的所有頂點(diǎn)作為候選特征點(diǎn)，所有的候選特征點(diǎn)形成一個(gè)候選區(qū)域，計(jì)算候選區(qū)域的中心點(diǎn)，該候選區(qū)域的中心點(diǎn)作為顱面模型A上與標(biāo)準(zhǔn)模型B的特征點(diǎn)P相對(duì)應(yīng)的對(duì)應(yīng)特征點(diǎn)；所述的形狀因子為& )=去-丄tan-1 d (V') + f2 (V; ))，其中Vi表示模型中的第i個(gè)
2 π K1 (Vj )-k2 (ν/) 特征點(diǎn)，K > k2，Ic1為特征點(diǎn)Vi的最大曲率，k2為特征點(diǎn)Vi的最小曲率；所述的曲率因子為=+.(3. 4)、將標(biāo)準(zhǔn)模型的特征點(diǎn)與顱面模型的映射特征點(diǎn)對(duì)齊；(3. 5)、提取顱面模型A的局部特征A1和標(biāo)準(zhǔn)模型B中的局部特征B1 ；(3. 6)、計(jì)算兩模型的局部特征的相似度。進(jìn)一步，采用ICP算法進(jìn)行配準(zhǔn)包括以下步驟(a)、將顱面模型A和標(biāo)準(zhǔn)模型B用點(diǎn)云表示，對(duì)標(biāo)準(zhǔn)模型B進(jìn)行八叉樹劃分、形成多個(gè)子空間；(b)、將顱面模型A中的每個(gè)點(diǎn) 通過空間位置的遞歸搜索，尋找到標(biāo)準(zhǔn)模型B上的與該顱面模型A的點(diǎn)距離最近的子空間，在該子空間中尋找到與該顱面模型A的點(diǎn)距離最近的對(duì)應(yīng)點(diǎn)bi;點(diǎn)Bi與對(duì)應(yīng)點(diǎn)h組成對(duì)應(yīng)點(diǎn)對(duì){( , b》}；(c)、根據(jù)這些點(diǎn)對(duì)之間的關(guān)系，計(jì)算顱面模型A和標(biāo)準(zhǔn)模型B之間的變換矩陣T， 并將變換矩陣應(yīng)用到顱面模型A上，A = A*T ；(d)、計(jì)算顱面模型A上所有點(diǎn)在A變換前后的距離平方和，如果該平方和大于預(yù)設(shè)閾值，則重復(fù)執(zhí)行步驟(b)-(d)，否則停止。進(jìn)一步，步驟(3.4)中將標(biāo)準(zhǔn)模型的特征點(diǎn)與顱面模型的映射特征點(diǎn)對(duì)齊，包括以下步驟
(3. 4. 1)獲取顱面模型A中的5個(gè)特征點(diǎn)Pl，p2，L，p5，獲取標(biāo)準(zhǔn)模型B中的5個(gè)特
征點(diǎn)q1; q2, L，q5，獲取一個(gè)剛性變換矩陣M，使能量函數(shù)E (T)最小，￡( = |Λ*Μ-《 Ι;
i=l
(公式1)設(shè)P = (Pl，p2, L，P5)，Q = (q1 q2，L，q5)，則上式可化為E (T) = I IMP-Q | |2= tr ((MP-Q) ‘ (MP-Q))(公式 2)= tr (PtP) +tr (QtQ) ~2tr (QtMP)要使公式1取最小值，只要tr (QtMP) = tr (MPQt)取最大值。對(duì)PQt進(jìn)行奇異值分解PQt = UA Vt,得到正交矩陣U和V，則tr (MPQt) = tr (MU A Vt) = tr (UtMtV A)(公式 3)當(dāng)M = VUt時(shí)，公式3取最大值，此時(shí)能量函數(shù)也最??；(3. 4. 2)將變換矩陣應(yīng)用到顱面模型A或者標(biāo)準(zhǔn)模型B中，使顱面模型與標(biāo)準(zhǔn)模型對(duì)齊。進(jìn)一步，步驟(3. 5)中局部特征的提取包括以下步驟(3. 5. 1)、將眼睛和鼻子作為模型的局部特征，將眼睛和鼻子形成的T型區(qū)域塊的邊界形狀在二維空間中定義好；(3. 5. 2), T型區(qū)域塊的邊界形狀投影到模型上，通過尋找模型上離投影線最近的頂點(diǎn)來構(gòu)成投影形狀；(3. 5. 3)、采用樹形包圍盒OBB樹緊密圍住目標(biāo)，用線剪取算法將頭型形狀內(nèi)的網(wǎng)格切割出來，完成局部特征的提取。本發(fā)明提出了一種整體特征與局部特征相融合的計(jì)算方法來計(jì)算三維顱面的相似度，并給出了相關(guān)的計(jì)算理論，本發(fā)明的特色如下第一、本發(fā)明首先分別計(jì)算整體特征相似度和局部特征相似度，然后再設(shè)置整體特征相似度和局部特征相似度在三維顱面相似度中所占的權(quán)重來計(jì)算兩張顱面的相似度。 所以本發(fā)明在計(jì)算顱面的相似度過程中，既能考慮到整體特征在顱面中的地位，又能通過加大局部特征在計(jì)算中所占的權(quán)重來突出局部特征所起的作用。第二，本發(fā)明提出了將鼻子和眼睛相連的區(qū)域作為特征局部。根據(jù)對(duì)生物特征的強(qiáng)弱、不同角度人臉關(guān)鍵部位重要性和人臉表情等各種因素的綜合分析，來選取鼻子和眼睛作為特征局部。第三，本發(fā)明在局部特征相似度的測(cè)量中采用了顱面特征點(diǎn)的自動(dòng)標(biāo)定技術(shù)。這種技術(shù)通過在標(biāo)準(zhǔn)顱面模板上標(biāo)定特征點(diǎn)，然后將待標(biāo)定顱面模型與標(biāo)準(zhǔn)顱面模型進(jìn)行 ICP配準(zhǔn)，再結(jié)合特征點(diǎn)的形狀因子和曲率特征來實(shí)現(xiàn)待標(biāo)定顱面模型上特征點(diǎn)的自動(dòng)標(biāo)定。本發(fā)明具有既能考慮到整體特征在顱面中的地位，又能突出局部特征所起的作用的優(yōu)點(diǎn)。


圖1是本發(fā)明的流程圖。
圖2是人臉的形狀因子的表示圖。圖3是人臉的曲率因子的表示圖。圖4是鼻根點(diǎn)的所有候選特征點(diǎn)的示意圖。圖5是計(jì)算得到的最終的鼻根特征點(diǎn)的示意圖。圖6是標(biāo)準(zhǔn)模型上的特征點(diǎn)。圖7是顱面模型上的特征點(diǎn)。圖8是頭部整體模型及其眼睛和鼻子切割出來的局部特征模型。圖9是顱面模型和標(biāo)準(zhǔn)模型上的特征點(diǎn)的示意圖。
具體實(shí)施例方式參照附圖，進(jìn)一步說明本發(fā)明三維復(fù)原顱面的識(shí)別方法，包括以下步驟1)、獲取通過預(yù)處理復(fù)原獲得的待識(shí)別的顱面模型A，從人臉識(shí)別系統(tǒng)中提取一個(gè)人臉模型作為標(biāo)準(zhǔn)模型B ；2)、將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行整體相似度計(jì)算(2. 1)將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行粗配準(zhǔn)；(2. 2)利用ICP算法對(duì)顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行精確配準(zhǔn)；(2. 3)計(jì)算顱面模型A與標(biāo)準(zhǔn)模型B的整體相似度
S{A,B)= rmS(Ab) + rms^a)，其中題料式召-凡||2/ Ai 是顱面模型 A
中的第i個(gè)點(diǎn)，Bi是標(biāo)準(zhǔn)模型B中的第i個(gè)點(diǎn)，RMS (A, B)為顱面模型A向標(biāo)準(zhǔn)模型B對(duì)齊后的相似度，RMS (B, A)為顱面模型A向標(biāo)準(zhǔn)模型B對(duì)齊后的相似度；3)、將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行局部特征的相似度計(jì)算(3. 1)、在標(biāo)準(zhǔn)模型B上標(biāo)定一系列的特征點(diǎn)P，分別計(jì)算各個(gè)特征點(diǎn)的形狀因子和曲率因子，并將這些特征點(diǎn)所在的坐標(biāo)系作為標(biāo)準(zhǔn)坐標(biāo)系；(3. 2)、獲取顱面模型A的中心和標(biāo)準(zhǔn)模型B的中心，將顱面模型A的中心與標(biāo)準(zhǔn)模型B的中心對(duì)齊，并使兩個(gè)中心的大小一致，再使用ICP算法使兩個(gè)中心精確對(duì)齊；(3. 3)、將標(biāo)準(zhǔn)模型上的每一個(gè)特征點(diǎn)P沿該特征點(diǎn)所在法線向量向顱面模型映射到特征點(diǎn)P’，以該映射特征點(diǎn)P’為球心尋找與特征點(diǎn)P的形狀因子和曲率因子的差距在閾值范圍內(nèi)的所有頂點(diǎn)作為候選特征點(diǎn)，所有的候選特征點(diǎn)形成一個(gè)候選區(qū)域，計(jì)算候選區(qū)域的中心點(diǎn)，該候選區(qū)域的中心點(diǎn)作為顱面模型A上與標(biāo)準(zhǔn)模型B的特征點(diǎn)P相對(duì)應(yīng)的對(duì)應(yīng)特征點(diǎn)；所述的形狀因子為&)=去-丄tan-^(/‘) +，，))，其中Vi表示模型中的第i個(gè)
2 π K1 (Vj )-k2 (ν/)
特征點(diǎn)，K > k2，Ic1為特征點(diǎn)Vi的最大曲率，k2為特征點(diǎn)Vi的最小曲率；所述的曲率因子為=+.(3. 4)、將標(biāo)準(zhǔn)模型的特征點(diǎn)與顱面模型的映射特征點(diǎn)對(duì)齊；(3. 5)、提取顱面模型A的局部特征A1和標(biāo)準(zhǔn)模型B中的局部特征B1 ；
(3. 6)、計(jì)算兩模型的局部特征的相似度。進(jìn)一步，采用ICP算法進(jìn)行配準(zhǔn)包括以下步驟(a)、將顱面模型A和標(biāo)準(zhǔn)模型B用點(diǎn)云表示，對(duì)標(biāo)準(zhǔn)模型B進(jìn)行八叉樹劃分、形成多個(gè)子空間；(b)、將顱面模型A中的每個(gè)點(diǎn) 通過空間位置的遞歸搜索，尋找到標(biāo)準(zhǔn)模型B上的與該顱面模型A的點(diǎn)距離最近的子空間，在該子空間中尋找到與該顱面模型A的點(diǎn)距離最近的對(duì)應(yīng)點(diǎn)bi;點(diǎn)Bi與對(duì)應(yīng)點(diǎn)h組成對(duì)應(yīng)點(diǎn)對(duì){( , b》}；(c)、根據(jù)這些點(diǎn)對(duì)之間的關(guān)系，計(jì)算顱面模型A和標(biāo)準(zhǔn)模型B之間的變換矩陣T， 并將變換矩陣應(yīng)用到顱面模型A上，A = A*T ；(d)、計(jì)算顱面模型A上所有點(diǎn)在A變換前后的距離平方和，如果該平方和大于預(yù)設(shè)閾值，則重復(fù)執(zhí)行步驟(b)-(d)，否則停止。進(jìn)一步，步驟(3.4)中將標(biāo)準(zhǔn)模型的特征點(diǎn)與顱面模型的映射特征點(diǎn)對(duì)齊，包括以下步驟(3.4. 1)獲取顱面模型A中的η個(gè)特征點(diǎn)Pl，p2，Kpn，獲取標(biāo)準(zhǔn)模型B中的η個(gè)特征
1 Ν
點(diǎn)qi，q2, Aqn，獲取一個(gè)剛性變換矩陣M，使能量函數(shù)E (T)最小，= (公式1)設(shè)P = (Pl，p2, L，p5) Q = (q1 q2，L，q5)，則上式可化為I IMP-Q 12 = tr ((MP-Q) ‘ (MP-Q)) = tr (PtP) +tr (QtQ) -2tr (QtMP)(公式 2)要使公式1取最小值，只要tr (QtMP) = tr (MPQt)取最大值。對(duì)PQt進(jìn)行奇異值分解PQt = UA Vt,得到正交矩陣U和V，則E(T) = I IMP-Q | |2= tr ((MP-Q) ‘ (MP-Q))(公式 3)= tr (PtP) +tr (QtQ) ~2tr (QtMP)當(dāng)M = VUt時(shí)，公式3取最大值，此時(shí)能量函數(shù)也最??；(3. 4. 2)將變換矩陣應(yīng)用到顱面模型A或者標(biāo)準(zhǔn)模型B中，使顱面模型與標(biāo)準(zhǔn)模型對(duì)齊。進(jìn)一步，步驟(3. 5)中局部特征的提取包括以下步驟(3. 5. 1)、將眼睛和鼻子作為模型的局部特征，將眼睛和鼻子形成的T型區(qū)域塊的邊界形狀在二維空間中定義好；(3. 5. 2), T型區(qū)域塊的邊界形狀投影到模型上，通過尋找模型上離投影線最近的頂點(diǎn)來構(gòu)成投影形狀；(3. 5. 3)、采用樹形包圍盒OBB樹緊密圍住目標(biāo)，用線剪取算法將頭型形狀內(nèi)的網(wǎng)格切割出來，完成局部特征的提取。根據(jù)人物臉部漫畫給我們的啟示，夸大人臉某方面的個(gè)性化特征往往能加深我們對(duì)這張人臉的認(rèn)識(shí)。所以在計(jì)算顱面相似度的過程中，我們要強(qiáng)調(diào)人臉局部特征的作用，主要表現(xiàn)在加大局部特征在計(jì)算中所占的權(quán)重。本發(fā)明首先要解決的問題是顱面的哪些部位可以作為局部特征。經(jīng)過詳細(xì)的分析研究，我們發(fā)現(xiàn)顱面的上半?yún)^(qū)域在識(shí)別中的重要性明顯要比下半?yún)^(qū)域高。在顱面的正面識(shí)別中，眼睛的重要性不言而喻。在顱面的側(cè)面識(shí)別中，由于鼻子區(qū)域包含了若干個(gè)關(guān)鍵的特征點(diǎn)，所以此時(shí)鼻子的重要性比眼睛和嘴巴等特征都要高。相比較之下，額頭和下巴部分雖然可以通過軟組織厚度得到確定，但是它們的生物特征相對(duì)較弱；而嘴巴變形幅度較大，所以受表情影響差異也大；臉頰部分則會(huì)根據(jù)人的胖瘦情況不同而不同，更是難以通過軟組織厚度來確定。本發(fā)明為了確定采用哪些人臉部位作為局部特征，特邀請(qǐng)了 100名志愿者進(jìn)行人臉識(shí)別試驗(yàn)。在這個(gè)試驗(yàn)中，我們挑選了近200幅當(dāng)前曝光度較高的明星的臉部照片，并且將這些照片事先讓這100名志愿者瀏覽，確保志愿者對(duì)這些明星都十分的熟悉。然后抽取明星臉部照片的部分內(nèi)容讓志愿者進(jìn)行識(shí)別。經(jīng)過試驗(yàn)我們發(fā)現(xiàn)，若只抽取明星人臉的某一部位讓志愿者進(jìn)行識(shí)別，志愿者對(duì)其識(shí)別正確率比較低，如表所示。而給定一個(gè)明星的眼睛和鼻子兩部分，則85%的人都能直接認(rèn)出這個(gè)明星。
權(quán)利要求
1.三維復(fù)原顱面的識(shí)別方法，包括以下步驟1)、獲取通過預(yù)處理復(fù)原獲得的待識(shí)別的顱面模型A，從人臉識(shí)別系統(tǒng)中提取一個(gè)人臉模型作為標(biāo)準(zhǔn)模型B;2)、將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行整體相似度計(jì)算(2. 1)將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行粗配準(zhǔn)；(2. 2)利用ICP算法對(duì)顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行精確配準(zhǔn)；(2. 3)計(jì)算顱面模型A與標(biāo)準(zhǔn)模型B的整體相似度
2.如權(quán)利要求1所述的三維復(fù)原顱面的識(shí)別方法，其特征在于采用IPC算法進(jìn)行配準(zhǔn)包括以下步驟(a)、將顱面模型A和標(biāo)準(zhǔn)模型B用點(diǎn)云表示，對(duì)標(biāo)準(zhǔn)模型B進(jìn)行八叉樹劃分、形成多個(gè)子空間；(b)、將顱面模型A中的每個(gè)點(diǎn)％通過空間位置的遞歸搜索，尋找到標(biāo)準(zhǔn)模型B上的與該顱面模型A的點(diǎn)距離最近的子空間，在該子空間中尋找到與該顱面模型A的點(diǎn)距離最近的對(duì)應(yīng)點(diǎn)bi;點(diǎn)Eli與對(duì)應(yīng)點(diǎn)bi組成對(duì)應(yīng)點(diǎn)對(duì){(Bi,卬}；(c)、根據(jù)這些點(diǎn)對(duì)之間的關(guān)系，計(jì)算顱面模型A和標(biāo)準(zhǔn)模型B之間的變換矩陣T，并將變換矩陣應(yīng)用到顱面模型A上，A = A*T ；(d)、計(jì)算顱面模型A上所有點(diǎn)在A變換前后的距離平方和，如果該平方和大于預(yù)設(shè)閾值，則重復(fù)執(zhí)行步驟(b)-(d)，否則停止。
3.如權(quán)利要求2所述的三維復(fù)原顱面的識(shí)別方法，其特征在于步驟(3.4)中將標(biāo)準(zhǔn)模型的特征點(diǎn)與顱面模型的映射特征點(diǎn)對(duì)齊，包括以下步驟(3. 4. 1)獲取顱面模型A中的5個(gè)特征點(diǎn)Pl，p2，L，p5，獲取標(biāo)準(zhǔn)模型B中的5個(gè)特征點(diǎn)Q1, q2，L，q5,獲取一個(gè)剛性變換矩陣M，使能量函數(shù)E⑴最小，=；(公式i=l1)設(shè) P = (P1, P2, L, P5)，Q = (q1 q2，L，q5)，則上式可化為 E (T) = I IMP-QI 12 =tr ((MP-Q)1 (MP-Q)) (公式 2) =tr (PtP) +tr (QtQ) -2tr (QtMP)要使公式1取最小值，只要tr (QtMP) = tr (MPQt)取最大值。對(duì)PQt進(jìn)行奇異值分解PQt =UA Vt,得到正交矩陣U和V，則 E (T) = I IMP-QI 12=tr ((MP-Q)1 (MP-Q))(公式 3)=tr (PtP) +tr (QtQ) -2tr (QtMP)當(dāng)M = VUt時(shí)，公式3取最大值，此時(shí)能量函數(shù)也最??；(3. 4. 2)將變換矩陣應(yīng)用到顱面模型A或者標(biāo)準(zhǔn)模型B中，使顱面模型與標(biāo)準(zhǔn)模型對(duì)齊。
4.如權(quán)利要求3所述的三維復(fù)原顱面的識(shí)別方法，其特征在于步驟(3.5)中局部特征的提取包括以下步驟(3. 5. 1)、將眼睛和鼻子作為模型的局部特征，將眼睛和鼻子形成的T型區(qū)域塊的邊界形狀在二維空間中定義好；(3. 5. 2), T型區(qū)域塊的邊界形狀投影到模型上，通過尋找模型上離投影線最近的頂點(diǎn)來構(gòu)成投影形狀；(3. 5. 3)、采用樹形包圍盒OBB樹緊密圍住目標(biāo)，用線剪取算法將頭型形狀內(nèi)的網(wǎng)格切割出來，完成局部特征的提取。
全文摘要
三維復(fù)原顱面的識(shí)別方法，包括以下步驟獲取通過預(yù)處理復(fù)原獲得的待識(shí)別的顱面模型A，從人臉識(shí)別系統(tǒng)中提取一個(gè)人臉模型作為標(biāo)準(zhǔn)模型B；將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行整體相似度計(jì)算；將顱面模型A與標(biāo)準(zhǔn)模型B進(jìn)行局部特征的相似度計(jì)算；將標(biāo)準(zhǔn)模型的特征點(diǎn)與顱面模型的映射特征點(diǎn)對(duì)齊；提取顱面模型A的局部特征A1和標(biāo)準(zhǔn)模型B中的局部特征B1；計(jì)算兩模型的局部特征的相似度。本發(fā)明具有既能考慮到整體特征在顱面中的地位，又能突出局部特征在識(shí)別中所起的作用的優(yōu)點(diǎn)。
文檔編號(hào)G06K9/46GK102184410SQ20111011778
公開日2011年9月14日 申請(qǐng)日期2011年5月6日 優(yōu)先權(quán)日2011年5月6日
發(fā)明者葉錢煒, 林瑤磊, 梁榮華, 繆永偉 申請(qǐng)人:浙江工業(yè)大學(xué)