一种基于模拟退火算法的三维人脸识别方法

摘要

本发明公开了一种基于模拟退火算法的三维人脸识别方法，首先对待识别人脸进行特征提取，其次分三步匹配待识别人脸，通过比较匹配结果和阈值得出待识别人脸的身份。本发明能够更好的实现身份认证，提高安全系统的适用性，满足社会各方面的需求。运用模拟退火算法能够跳出局部极值，无限接近全局最优解，从而找到人脸匹配的最优转换矩阵；通过在不同匹配阶段选择不同的适应度函数，控制了整个匹配过程；采用分层模型对无法识别人脸进行匹配；这些措施都提高了人脸匹配的精准性。特别的，通过特征点划分人脸区域，在精准匹配过程对不同人脸区域设置不同权值，改善了表情对人脸识别的影响。

主权项

1.一种基于模拟退火算法的三维人脸识别方法，包括如下步骤：       （1）对三维人脸进行特征点的提取，使用曲率信息和相关先验知识提取面部特征点；       （2）根据上述面部征点划分人脸区域，用于后续的识别算法；       （3）利用模拟退火算法进行三维人脸匹配；       （4）计算对应点集的SIM值，并与事先设定的阈值相比较，高于识别阈值，则是同一个人，低于拒绝阈值，则不是同一个人；       （5）当SIM值位于两阈值之间导致无法作出判断时，即低于识别阈值，高于拒绝阈值时，转入步骤（6）；       （6）利用分层模型对无法识别人脸进行匹配，只有当前一层次的识别值无法对人脸做出判定时，才继续下一层次的分析；       （7）与阈值相比较得出最终识别结果；所述步骤（3）中模拟退火算法进行三维人脸匹配包括以下步骤：1）基于重心对齐的初始匹配；2）基于MLESAC的粗略匹配；3）基于SIM的精准匹配；所述基于MLESAC的粗略匹配包括如下步骤：（1）获取目标点集D，模型点集M，我们基于等距对图像中的点进行采样率为s的采样，在该阶段只对采样点进行匹配；（2）初始化参数；（3）利用位于[-1,1]之间的随机值产生新解；（4）根据MLESAC算法计算新旧解对应的函数差值；（5）根据模拟退火的各种收敛条件判断是否接受新解；（6）同一温度下，重复执行（3）到（5）；（7）缓慢降低温度t，对每一温度重复（3）到（6）的迭代，直至达到收敛条件为止；（8）得出最终坐标变换：，并剔除了外点得出两幅人脸的最终对应点集C，并将其运用于下阶段的精准匹配之中；所述基于SIM的精准匹配包括如下步骤：（1）获取目标人脸和模型人脸各个人脸区域粗略匹配后的点集，包括五个区域：1）鼻子圆形区域C，2）鼻子椭圆区域E，3）面部区域上半部分U，4）整个面部区域F，5）基于改进SA的面部区域M，在此我们统称各个区域的目标人脸数据点集为，参考人脸数据点集为；（2）初始化参数；（3）利用位于[-1，1]之间的随机值产生新解；（4）分别计算新旧参数下，目标人脸与模型人脸的对应点集；（5）根据新旧参数下的对应点集计算的函数差值；（6）根据模拟退火的各种收敛条件判断是否接受新解；（7）在同一温度下，重复执行步骤（3）到（6）；（8）缓慢降低温度t，重复执行步骤（3）到（7），直至达到收敛条件为止；（9）得出各个人脸区域的最终坐标变换，并根据SIM得出相应的对应点集C，利用计算各个人脸区域的SIM值。