三維人臉識別過程及系統(tǒng)功能

國外三維人臉識別的典型方法主要是利用深度圖像自身的幾何特征，利用深度圖像處理技術，分析面貌曲面的曲率等幾何特征，對面貌曲面進行凹凸區(qū)域的分割、正側面輪廓邊緣的提取。最早對三維圖像面貌識別的研究有Lapreste 提出的基于輪廓線的方法，通過對人臉面貌曲率的分析，提取輪廓線上的特征點，利用輪廓線作為特征進行面貌的識別。Lee&Milios 從人臉面貌深度圖像中抽取凸區(qū)域，這些凸區(qū)域形成了特征集，計算出所有凸區(qū)域相關的擴展高斯圖，兩幅面貌特征的匹配就是利用這些擴展高斯圖像進行的。當然還有很多基于輪廓線和凸區(qū)域的改進方法，例如凸凹點多階段融合過程方法、輪廓線的歐氏距離識別方法、輪廓線曲率比較方法等等。但這些方法還停留在理論研究的層次，沒有實質的自動化系統(tǒng)的出現(xiàn)。國內三維人臉識別的研究也相應地展開，但與國外的研究相比還處于剛起步的狀態(tài)。目前，三維數(shù)據(jù)獲取已經(jīng)成為可能，并已經(jīng)成熟的在實際工作中使用(如三維激光掃描技術、CT成像技術、結構光方法等)，使得三維圖形識別技術得到了應用的可能，可以迅速地完成人頭三維面貌數(shù)據(jù)獲取。這也為我們的研究提供了實現(xiàn)的基礎。

總的來說，要實現(xiàn)一個自動的人臉識別系統(tǒng)主要要完成以下的4個功能。

① 人臉檢測(Detection)與分割(Segmentation)。從任意的場景中檢測人臉的存在并進行定位，提取出一個人臉。
② 人臉的規(guī)范化(Normalization)。校正人臉在尺度、光照和旋轉等方面的變化。
③ 人臉表征(Face Representation)。采用某種方法表示出數(shù)據(jù)庫中的已知人臉和檢測出的人臉，通常的方法有幾何特征、代數(shù)特征、特征臉、固定特征模板等。
④ 人臉識別(Recognition)。根據(jù)人臉的表征方法，選擇適當?shù)钠ヅ洳呗詫⒌玫降娜四樑c數(shù)據(jù)庫中的已知人臉相比較。

我們研究的基于三維模型的人臉識別方法，與以往的系統(tǒng)的最主要區(qū)別就在于：人臉庫中記錄的不是像以前一樣，記錄著每個人的各種姿勢、位置、表情的頭部照片，而是存儲的一個人臉的三維空間模型。由這個區(qū)別引申出人臉的表征和識別的方法也與二維識別方法不同。

由于人臉表征的區(qū)別，三維人臉識別系統(tǒng)也分兩類，一是純三維之間的對比，例如通過多角度拍照，系統(tǒng)自動構建人臉的三維模型，與庫中的三維模型進行比較。這種方法中人臉的表征是一個基于三維的特征向量。由于人臉的三維重構目前還是一個正在研究的領域，其過程依然是一個病態(tài)的過程。因此我們沒有選擇這種方法進行我們的系統(tǒng)開發(fā)。第二種系統(tǒng)是通過三維模型增強了的二維之間的對比。即通過對三維模型的變化，我們可以找到和成像環(huán)境一致的三維模型的位置，通過其平面投影得到一個二維的圖片，和原有的照片進行二維上的比較，實現(xiàn)識別的過程。在選擇人臉表征時，使用了實時性最好的特征點表示法。使用人臉關鍵特征點所形成的幾何特征來對人進行區(qū)別。

由這個主導思想，產生的新的人臉識別系統(tǒng)的主要功能如下。

① 人臉檢測與分割。從任意的場景中、視頻數(shù)據(jù)中檢測人臉的存在，提取出一個人臉及各個區(qū)域部分。在人臉上自動標記出我們需要的特征點， 例如外眼點、內眼點、眉間點、鼻下點、頜下點、嘴角點等等，如圖1。

圖1 人臉特征分布示意圖

② 人臉的規(guī)范化。計算出人臉在尺度和旋轉等方面的變化，得到攝像過程中人臉的實際位置，將庫中的人臉三維模型也變化到同樣的位置。這是幾何特征識別的一個關鍵的問題。由于人臉的幾何特征的相似性比較，受人臉拍攝角度的影響很大，當人臉偏轉超過一定的角度的時候，許多重要的特征點在二維上不可見了，因此也無法計算出對應的特征向量。如果不能將人臉模型和照片保持在同樣的偏轉環(huán)境下，識別的可信性就不具備。對這個問題的解決可以結合人類學、面貌測量學多年來由統(tǒng)計而來的經(jīng)驗公式來完成，如圖2。

圖2 三維人臉模型

③ 人臉表征。采用標記出的特征點的幾何特性(例如特征點分布歐氏距離、B樣條曲面等方法)表示出數(shù)據(jù)庫中的已知人臉和檢測出的人臉。對同一個照片的特征點采取多層次描述的方法，形成多個幾何特征向量，這種多層次描述的方法可以有效地降低人臉識別過程中的誤識現(xiàn)象的出現(xiàn)。同樣，識別的過程也是采取多分類器合作的模式識別方法。

④人臉識別。根據(jù)獲得的人臉照片特征點，計算出人臉的偏轉角度，同時計算出多個特征向量，從數(shù)據(jù)庫中取出已知的人臉特征點信息，構建出三維人臉特征點拓撲模型，對此模型進行偏轉，使之與二維人臉照片的拍攝環(huán)境一致。計算出三維模型的多個特征向量，通過面貌特征的多層次描述、多分類器合作的模式識別方法，對投影結果與二維相應照片進行相似性度量。在進行識別時，對每個分類器設定一個閥值，對所有的特征向量的結果也設置一個閥值，一旦所有的度量結果都達到閥值的要求，即認定此次識別是成功的，否則繼續(xù)從數(shù)據(jù)庫中讀數(shù)據(jù)，進行識別。

技術路線與設計方案

為了實現(xiàn)上面的研究內容，我們選擇了一個可行的解決方案。使用Microsoft Visual Studio作為系統(tǒng)的開發(fā)平臺，利用其提供的強大的圖形圖像處理功能，使用OPENGL專業(yè)三維引擎，最后配合Oracle數(shù)據(jù)庫對異構數(shù)據(jù)的管理功能實現(xiàn)系統(tǒng)。其中，人臉三維數(shù)據(jù)的獲取采用加拿大polhemus公司生產的手持式三維激光掃描儀FastSCAN以及Inspeck公司基于結構光柵拍攝的三維數(shù)據(jù)建模設備(Inspeck)。整個系統(tǒng)的用例如圖3所示，其中的關鍵技術如下所述。

圖3 系統(tǒng)用例圖

(1) 供系統(tǒng)管理人員使用的管理平臺。主要進行人臉三維數(shù)據(jù)的獲取和預處理以及三維特征點的選擇和存儲等功能。利用Visual C++和OPENGL開發(fā)的三維模型的管理系統(tǒng)，通過激光掃描儀或結構光拍攝相機獲得原始的人臉三維模型，由于得到的三維數(shù)據(jù)坐標不統(tǒng)一，為了便于計算使用，要進行坐標的統(tǒng)一，通過平臺實現(xiàn)對原始模型的光滑平順，坐標變換，根據(jù)分辨率要求，生成三維面貌表面數(shù)據(jù)。由于人臉的三維特征點的選取工作不要求太強的實時性，故可以采取手工選取的方式，由系統(tǒng)管理員通過平臺對特征點進行標定。全部標定結束后，記錄入后臺數(shù)據(jù)庫中。當然管理平臺還具備其他的功能，例如新用戶的添加、用戶的刪除、信息修改等常用數(shù)據(jù)庫管理功能。

(2)基于Visual C++、OpenGL和DirectShow開發(fā)出人臉的自動化識別系統(tǒng)。首先通過DirectShow對視頻流進行分析，自動檢測出人臉的存在并從圖像中將其分割出來。找到人臉后，使用VC實現(xiàn)的ASM主動形狀模型對人臉特征點進行自動的標定。得到特征點后，根據(jù)主要的特征點位置，計算出拍攝角度。對三維數(shù)據(jù)的進行讀取，讀取后使用OPENGL構建出人臉的抽象三維模型，同時按照拍攝角度的變化模型。當三維模型的平面投影和二維照片中人臉的旋轉角度相同時，通過多特征向量生成、多分類器判別及閥值設定的方法實現(xiàn)識別。

(3)底層數(shù)據(jù)庫使用Oracle數(shù)據(jù)庫，利用它良好的異構數(shù)據(jù)存儲性和大量數(shù)據(jù)的處理能力，實現(xiàn)系統(tǒng)需要使用到的三維空間信息和屬性信息的統(tǒng)一存儲，以及對海量數(shù)據(jù)的查詢檢索。

(4)不論是管理平臺還是自動識別系統(tǒng)，對人臉數(shù)據(jù)庫的讀取都通過數(shù)據(jù)庫中間件完成，統(tǒng)一的進行信息讀取、維護、操作。

最終形成一個基于三維數(shù)據(jù)庫中間件的三層C/S體系的應用程序。這個設計方案可以用圖4表示。

圖4 系統(tǒng)設計方案示例圖

結語

這個系統(tǒng)與已有各種人臉識別系統(tǒng)的最大的區(qū)別就在于，數(shù)據(jù)庫中記錄的是三維人臉模型，而不是目前各種庫中存儲的人臉多姿態(tài)照片。通過三維深度信息的投影變化解決人臉識別中多姿態(tài)的問題。利用物體幾何拓撲的不變性原理，排除大部分人臉表情對識別的影響，而且由于采用的方法與照片的明暗程度無關，可以解決人臉識別過程中受拍攝環(huán)境光照強度的影響，達到較理想的人臉識別效果。
　　
參考文獻：
1. 徐慧等，Visual C++數(shù)字圖像實用工程案例精選，人民郵電出版社，2004.3
2. 何斌等，Visual C + +數(shù)字圖像處理，人民郵電出版社，2001.4
3. 戚飛虎等譯，模式識別和圖像處理，上海交大出版社，2000.3
4. 楊靜宇，曹雨龍，計算機圖像處理及常用算法手冊，南京大學出版社，1997
5. 康學雷，邵凌，張立明，一種基于膚色和模板的人臉檢測方法，2000.7
6. 岡薩雷斯，數(shù)組圖像處理(第二版)，電子工業(yè)出版社.2004.4
7. 張宏林，Visual C++數(shù)字圖像模式識別技術及工程實踐，北京:?人民郵電出版社,?2003
8. 何斌、馬天予、王運堅等，Visual C++數(shù)字圖像處理(第二版)，北京:人民郵電出版社，2002
9. 阮秋琦，阮宇智譯，數(shù)字圖像處理〔第二版)..北京:電子工業(yè)出版社，2003
10. Nakamura 0, Mathur S, Minami T，Identification of human faces based on isodensity maps，Pattern Recognition, 1991, 24 (3): 263-272
11. Samaria F, Young S，HMM-based architecture for face identification，Image and Vision Computing, 1994, 12 (8)