三维人脸重建与识别技术研究.pdf.txt

三维人脸重建与识别技术研究
越大,对应的彤取的也越大。。实验证明,此方法比简单的利用欧氏距离计算相似度要好的多。 ,如果计算的相似度大于threshold,则判定待识别的人与库中存储的人是同一个人;如果相似度小于 threshold,则可判定待识别的人与库中存储的人不是同一个人。由此可见,阈值的选择赢接影响最终的识别结果,而阈值的确定本身就是一个很复杂的问题。考虑到本系统的实际情况,是对输入的图像进行三维重建再构造三维特征矢量, 与库中预先存储的众多不同人的三维特征矢量进行逐一的相似度的计算。所以最终的识别结果是根据计算得到的相似度大小排序,输出相似度最大的前十幅图像。而识别率则根据输出的前十幅图像中排序第一的图像与输入图像是否为同一个人来计算。
上海大学硕上学位论文
.
三维人脸重建与识别技术研究
第五章实验结果

实验主要使用台式电脑一台,其配置如下:
CPU
AMD64 3000+
内存DDR400 512MX2(双通道) 硬盘显卡
60t3
NVDIA 6600GT
,主要分为:人脸特征点确
定、三维模型匹配、三维人脸显示和三维人脸识别。软件平台如下: 名称
操作系统
VC++
版本 Windows

出品公司 Microsoit Microsoft
:
图5-1系统主程序界面图
上海人学硕士学位论文
三维人脸重建与识别技术研究

对于三维人脸重建子系统而言,系统测试与评价主要涉及以下几个方面: (1)速度:响应速度是评价一个系统应用能力的重要指标。三维人脸识别系统中,在三维模型匹配之前,对二维图像进行了大量操作和数据的计算。这些操作占了整个程序响应时间的一半以上。因此如果要提高整个三维人脸重建算法的时间,提高二维人脸图像确定特征点算法的时间是个关键。(2)正确率:重建出来的三维人脸需要判断重建结果正确与否,但光凭人眼来判断是否正确只能给出一个感观上的结果并不科学。而三维人脸识别正是检验重建结果好坏的好准则。对于三维人脸识别子系统而言,系统测试与评价主要涉及以下几个方面: (1)识别率:评价一个人脸自动识别系统的标准主要分为误识率和拒真率。其中误识率(False Ac,ecptance,FA指将一个人识别成库中其他的人。面拒真率
(False
Rejection,FR)是指将库中的人识别为非库中的人。这两个指标相互矛
盾。提高阈值会降低系统误识率,提高系统的安全性能,但同时会提高拒真率, 反之亦然。下文中的识别率是根据输出的前十幅图像中排序第一的幅图像与输入图像是否为同一个人来计算的。(2)速度:与三维人脸重建一样,三维人脸识别同样存在一个系统响应速度的问题,提高系统响应速度是绝大多数人脸识别算法从研究走向应用必须迈过的一个“槛”。此外,两个子系统还需满足一个共同的要求:易操作性。作为一个应用系统,必须应该做到使用的简单方便。

我们从CVL人脸数据库中选出了50个人的正,侧面人脸图像进行三维人脸识别实验。CVL人脸数据库是由Peter Peer先生提供的,其中包含了114个人,图像中人物的年龄在18岁左右,90%的为男性,每个人7幅图像,分辩率为640X480像素,使用SONY数码相机在常规光照没有闪光灯的情况下拍摄。
上海大学硕士学位论文
三维人脸重建与识别技术研究
利用每个人的正面和一个侧面图像进行三维特征矢量数据库的创建,利用另一幅图像进行识别。如图5-2所示:
(a)构造特征库的正面图像(b)
(c)待识别图像
图5-3给出了部分人脸图像,, -3中各人脸图像对应的特征矢量。整个算法从图像预处理开始计时到三维识别结束,平均耗时约为lO秒。其中46幅图像三维识别正确, 正确率达到92%。
,本文同时利用正面特征点定位的结果,进行了二维特征矢量识别的比较。由于只使用正面图像,无法获取深度信息所以对上述特征向量
上海大学硕士学位论文
三维人脸重建与识别技术研究
傲了修改,去除了描述深度信息的特征矢量3"8、T10、Tll。。仅采用二维特征的识别率为82%,小于采用三维特征矢
量的92%。
表5-1各特征矢量的意义
特征矢量
T1
表达式眉心到两眼中心的垂直距离/两眼中心距离
两倍
加