多视角三维人脸扫描数据自动配准方法

摘要

本发明公开了一种多视角三维人脸扫描数据自动配准方法，其特点是包括以下步骤：将多视角三维人脸扫描数据用PCA方法进行坐标轴转换，对转换后的模型计算其Shape Index值，并采用阈值分割的方法筛选出若干特征区域；利用区域相对分布特征来约束区域的筛选，最终定位出标志区域；眼睛内、外眼角及鼻尖点区域；对标志区域采用ICP方法进行配准；将整体扫描数据采用区域配准得到的转换参数进行坐标平移和旋转变换，完成配准。由于本发明粗配准采用对坐标轴进行转换的方法，以整体特征代替个体点特征，降低了特征点检测所带来的误差；精配准仅对提取出的特征区域进行配准迭代运算，降低了运算复杂度，实现了多姿态三维扫描数据的自动配准。

主权项

1.一种多视角三维人脸扫描数据自动配准方法，其特征在于包括以下步骤：(a)将多视角三维人脸扫描数据用PCA方法进行坐标轴转换，转换到与正面标准模型同样的坐标系下；(b)对转换后的模型计算其Shape Index值，并采用阈值分割的方法分离出内眼角、外眼角、鼻尖这些标志区域；(c)建立人脸标志区域分布模型，找出最符合分布模型的连通区域作为标志区域，计算模型参数xij，i＝1，…，m，j＝1，…，10；对所有m个模型求得参数后，由$\overline{x_j}=\frac{1}{m}\underset{i=1}{\overset{m}{\Sigma }}{x}_{\mathrm{ij}}$ ${\sigma }_j^2=\frac{1}{m-1}\underset{i=1}{\overset{m}{\Sigma }}{(x_{\mathrm{ij}}-\overline{x_j})}^2$ 得到这些参数的均值和方差，即为统一的人脸标志区域分布模型；采用分布筛选法，首先分析分割结果中的眼窝候选区域，通过比较眼窝候选区域所有连通域的面积，取面积最大的两个作为眼窝区域；其次，遍历所有鼻尖点候选区域中的连通域，计算到标志区域分布模型相对应的参数的距离，取距离最小的作为鼻尖区域；最后，遍历所有外眼角候选区域中的连通域，计算到标志区域分布模型相对应的参数的距离，取距离最小的作为外眼角区域，最终定位出标志区域：眼睛内两个区域、外眼角两个区域及鼻尖点区域；(d)对定位出的标志区域采用ICP方法进行配准，得到相应的旋转矩阵和平移向量；(e)将整体扫描数据采用区域配准得到的转换参数进行坐标平移和旋转变换，完成配准。