一种抗姿态与表情变化的三维人脸识别方法

蔡川丽, 张建平, 张彦博

蔡川丽, 张建平, 张彦博. 一种抗姿态与表情变化的三维人脸识别方法[J]. 应用光学, 2018, 39(4): 491-499. DOI: 10.5768/JAO201839.0402002
引用本文: 蔡川丽, 张建平, 张彦博. 一种抗姿态与表情变化的三维人脸识别方法[J]. 应用光学, 2018, 39(4): 491-499. DOI: 10.5768/JAO201839.0402002
Cai Chuanli, Zhang Jianping, Zhang Yanbo. 3D face recognition method against gesture and expression change[J]. Journal of Applied Optics, 2018, 39(4): 491-499. DOI: 10.5768/JAO201839.0402002
Citation: Cai Chuanli, Zhang Jianping, Zhang Yanbo. 3D face recognition method against gesture and expression change[J]. Journal of Applied Optics, 2018, 39(4): 491-499. DOI: 10.5768/JAO201839.0402002

一种抗姿态与表情变化的三维人脸识别方法

基金项目: 

国家自然科学基金 61763045

延安大学博士科研启动项目 YDBK2017-21

延安大学2016年度校级科研计划项目“伴随伸缩矩阵的二元周期小波框架的构造” YDQ2016-23

详细信息
    作者简介:

    蔡川丽(1988-),女,陕西韩城人,硕士,助教,主要研究方向为小波框架与图像处理。E-mai:2855772727@qq.com

    通讯作者:

    张建平(1982-), 男,陕西榆林人,博士,讲师,主要研究方向为小波分析。E-mai:2855772727@qq.com

  • 中图分类号: TN29;TP391

3D face recognition method against gesture and expression change

  • 摘要: 为了提高人脸在姿态和表情变化下的识别率,结合局部平面距离(DLP)对曲面局部凹凸性优良的判断能力,提出了一种采用人脸的等距不变表示形式来匹配的人脸识别方法。首先,对深度摄像头采集到的深度图像进行距离约束、位置约束、转换等操作,得到干净完整的三维人脸,利用三维人脸上每一点DLP值确定鼻尖点,利用聚类的思想确定鼻根点;其次,采用改进的快速推进算法计算人脸的测地距矩阵,设置阈值并切割出有效的人脸区域;最后,计算有效的人脸区域的高阶矩特征,作为人脸的特征向量进行匹配。实验结果表明,对于不同的数据库,本文算法的识别率接近97%;将本文算法与基于轮廓线特征的人脸识别算法以及基于Gabor特征的人脸识别算法进行比较,其识别率分别提高了14.1%和8.3%,同时有着较高的运算效率。
    Abstract: In order to improve the facial recognition rate under the change of posture and expression, combined with the ability of local plane distance (DLP) to judge the convexity of local curved surface, a face recognition method based on face equidistant invariant representation was proposed. Firstly, several operations such as distance constraint, location constraint and transformation were conducted on the depth image captured by the deep camera to get the clean and complete 3D face; then the nose tip was determined by the DLP value of every point on the 3D face, and the nasal root was determined by the clustering idea; secondly, the improved fast propulsion algorithm was used to calculate the geodesic distance matrix of face, then the threshold value was set and the effective face area was cut out; finally, the high-order moment feature of the effective face area was calculated as the feature vector of face for matching. The experimental results show that the recognition rate of this algorithm is close to 97% for different databases. Compared with the face recognition algorithms based on contour features and Gabor features, the recognition rate of this algorithm is increased by 14.1% and 8.3%, respectively, while having a high computing efficiency.
  • 在空气污染和能源紧缺日益严重的大环境下,发展新能源汽车已是大势所趋。十九大报告中,强调了对绿色发展的重视。对于汽车产业来说,发展新能源汽车,也是我国从汽车大国,迈向汽车强国的必由之路[1-2]。太阳能作为可再生能源的典型代表,既可免费使用,又无需运输,且对环境无任何污染,不管是军用还是民用领域,都已被世界各国作为重点研发对象。太阳能汽车是面向未来的新能源汽车创新应用形式[3]

    目前的太阳能汽车,主要是在车顶装载太阳能电池板,作为短距离行驶动力或者汽车辅助设备的能源。现有的太阳能车灯设计,也只是在车灯外观装饰架上贴上太阳能电池板,尚未有效利用车灯内部结构空间。现有的LED汽车前照灯,也只是用于夜间行车道路的照明。汽车前照车灯,作为汽车必备零件,若能有效重复利用,则可以衍生出更多的功能,不单单为照明而存在。

    复合抛物面聚光器(compound parabolic concentrator,CPC),是非常接近于理想聚光器的非成像聚光器,在太阳能聚光系统设计中占有重要地位[4-5]。CPC出光角度较小时,光学效率较高,且结构相对简单,加工成本较低。LED光源属于低压照明,安全、可靠;使用寿命长,耐振动、耐冲击,体积小,环境适应性强,是可用于汽车照明系统的理想光源;并且,成本在不断下降。LED作为军用民用光源,已经成为既定事实和未来的整体趋势[6-8]。但是,LED灯属于朗伯发光体, 光强呈余弦分布。测试屏距离较远时, LED灯光发散角过大, 光很难照射到测试屏上, 造成大量光能浪费,必须对其发散角进行调控, 即二次配光设计。我们可以结合LED与CPC,使二者互为补充,在汽车前照灯内,实现进光与出光,双向利用反光杯结构。为此,本文借助CPC聚光与LED照明,设计一款能“双向”利用光线的LED反光杯,既可有效收集日常光照,用于光伏转换,又能有效满足照明需求的汽车远光灯。

    目前, LED二次光学设计通用的办法是增加反光杯或使用透镜,对出射光进行控制, 从而得到所要求的光分布。透镜成本高,结构复杂,效率低,本文选择反光杯二次光学设计。

    CPC是一种非成像聚光器,是根据边缘光线原理对光锥进行改造后的产物,可由抛物线的某一段绕着聚光杯的轴旋转一周得到。如图 1图 2所示,将抛物线1对称轴绕其焦点F1逆时针旋转,抛物线2的对称轴绕其焦点F2顺时针旋转相同的角度。使抛物线1的焦点落在抛物线2上,抛物线2的焦点落在抛物线1上。继而,截掉抛物线1、2在F1F2以下的部分,得到CPC聚光杯平面图。

    图  1  复合抛物面反光杯结构(左)、聚光原理(右)图
    Figure  1.  Diagram of composite parabolic reflecting cup structure diagram(left)and principle of spotlight (right)
    图  2  复合抛物面反光杯剖面光路图
    Figure  2.  Optical path diagram of composite parabolic reflecting cup

    抛物线的轴与聚光杯的轴并不平行,成一定的角度,这个角度就是CPC的最大接收角度。将入射光线与CPC对称轴l的夹角定义为θi,当θi>θmax时,入射光线经CPC反射从入射口射出;当θi<θmax时,入射光线经反射,能够全部汇聚在焦平面即出射面上,由此把θi<θmax的光能量全部收集到出射焦平面处的探测器上,这就是CPC的聚光原理,如图 1()所示。

    根据光路可逆原理,我们对CPC进行改造,在利用CPC收集光线的同时,借助CPC作为LED反光杯,调制LED出光照明[9-10]。由此,在汽车前照灯内,实现进光与出光,双向利用反光杯结构。

    将抛物面1、2,沿x方向,反向各自平移一定距离,得到水平相对的两片凹槽曲面;旋转90°,再沿y方向,各自反向平移一定距离,得到垂直相对的另两片凹槽曲面。这四片凹槽曲面可组成一个标准的矩形复合抛物面反光杯,如图 3所示。在xzyz平面内,矩形复合抛物面聚光杯的剖面都是混合抛物线,任意xy平面内剖面都是矩形。

    图  3  矩形复合抛物面反光杯构造示意图
    Figure  3.  Structure diagram of rectangular compound parabolic reflecting cup

    xz剖面为例,2ax、2ax分别为焦平面进光口宽度与出光口宽度,(θmax)x为最大出光半角,(θmax)x的大小与光轴旋转的角度相等。根据抛物线自焦点发出的光线经抛物线反射后平行射出的性质,通过控制(θmax)x可控制光斑的大小。若将LED光源置于其焦平面处,其光线出射角可控制在2(θmax)x之内。

    xzyz平面内,矩形复合抛物面反光杯的剖面都是混合抛物线,任意xy平面内剖面都是矩形。我们分析反光杯xz剖面混合抛物线参数,可以此类推yz剖面混合抛物线参数。

    对于xz剖面混合抛物线,为减轻计算量,先将其放入极坐标考虑。如图 4(左)所示,建立极坐标系。在极坐标中,PX为极轴,F为抛物线PA的焦点,fx为焦距,R为抛物线PA上的任一点A所对应的极径,θx为所对应的极角,P为抛物线PA的顶点,焦平面进光口半宽为ax。则抛物线PA的极坐标方程为

    图  4  复合抛物面极坐标系(左)、直角坐标(右)剖面图
    Figure  4.  Composite parabolic polar coordinate system (left)and rectangular coordinate section(right)
    $$ R = \frac{{2{f_x}}}{{1 - \cos {\theta _x}}} $$ (1)

    R=2ax时,有:

    θx=90°+(θmax)x

    代入(1)式可得:

    $$ \begin{array}{l} 2{a_x} = \frac{{2{f_x}}}{{1 - \cos {\theta _x}}} = \frac{{2{f_x}}}{{1 - \cos \left( {{{90}^ \circ } + {{\left( {{\theta _{\max }}} \right)}_x}} \right)}} = \\ \;\;\;\;\;\;\;\;\;\frac{{2{f_x}}}{{1 + \sin {{\left( {{\theta _{\max }}} \right)}_x}}} \end{array} $$

    整理可得焦距:

    $$ {f_x} = {a_x}\left( {1 + \sin {{\left( {{\theta _{\max }}} \right)}_x}} \right) $$ (2)

    (2) 式给出了xz平面上,反光杯焦平面进光口半宽ax、最大聚光角(θmax)x、焦距fx的关系。

    同理,将(2)式应用于yz平面,可得到矩形复合抛物面yz剖面混合抛物线焦距:

    $$ {f_y} = {a_y}\left( {1 + \sin {{\left( {{\theta _{\max }}} \right)}_y}} \right) $$ (3)

    图 4()所示,另外建立平面直角坐标系xoz,观察反光杯xz剖面混合抛物线,入射口半径。${a_x} = \frac{{{F_1}{F_2}}}{2}$不考虑散射、吸收造成的能量损失,光束经光学系统后,光学扩展量守恒。在二维直角坐标系xoz中,光学扩展量可表示为拉赫不变量:

    $$ n \cdot x \cdot \sin {\theta _{\max }} = n' \cdot x' \cdot \sin {{\theta '}_{\max }} $$ (4)

    可变形为

    $$ \frac{x}{{x'}} = \frac{{n' \cdot \sin {{\left( {{{\theta '}_{\max }}} \right)}_x}}}{{n \cdot \sin {{\left( {{\theta _{\max }}} \right)}_x}}} $$

    由于系统放置在空气中,因而空气折射率n=n′=1,对于边缘光线而言,有:

    $$ \frac{x}{{x'}} = \frac{{{{a'}_x}}}{{{a_x}}} = \frac{{\sin {{\left( {{{\theta '}_{\max }}} \right)}_x}}}{{\sin {{\left( {{\theta _{\max }}} \right)}_x}}} $$ (5)

    其中:ax是平行于x轴、能让所有入射光线全部通过出光口半径的入光口半径;(θmax)x是沿着z方向、x方向上的最大出光角,(θmax)x不可能超过$\frac{\pi }{2} $。因而反光杯xz剖面的系统的理论聚光比为

    $$ {C_x} = \frac{{{{a'}_x}}}{{{a_x}}} \le \frac{1}{{\sin {{\left( {{\theta _{\max }}} \right)}_x}}} $$ (6)

    图 4可知,如果最大出光半角(θmax)x和进光口半宽ax确定,则反光杯xz剖面的大小和形状可以确定。

    图 4()中,${\rm{tg}}{\left( {{\theta _{\max }}} \right)_x} = \frac{{{{a'}_x}}}{{{h_1}}} = \frac{{{a_x}}}{{{h_2}}} = \frac{{{{a'}_x} + {a_x}}}{{{h_1} + {h_2}}} = \frac{{{{a'}_x} + {a_x}}}{{{L_x}}}$当出光口半径ax与入光口半径ax,满足$\frac{{{{a'}_x}}}{{{a_x}}} = \frac{1}{{\sin {{\left( {{\theta _{\max }}} \right)}_x}}}$时,反光杯xz剖面的出光口半径:

    $$ {{a'}_x} = \frac{{{a_x}}}{{\sin {{\left( {{\theta _{\max }}} \right)}_x}}} $$ (7)

    反光杯xz剖面的长度:

    $$ {L_x} = \frac{{{{a'}_x} + {a_x}}}{{{\rm{tg}}{{\left( {{\theta _{\max }}} \right)}_x}}} = \frac{{{a_x}\left( {1 + \sin {{\left( {{\theta _{\max }}} \right)}_x}} \right)\cos {{\left( {{\theta _{\max }}} \right)}_x}}}{{{{\sin }^2}{{\left( {{\theta _{\max }}} \right)}_x}}} $$ (8)

    此时,xz剖面达到最大理论聚光比:

    $$ {C_{x\;\max }} = \frac{1}{{\sin {{\left( {{\theta _{\max }}} \right)}_x}}} $$

    同理,将(7)~(8)式应用于yz平面,反光杯yz剖面的出光口半径:

    $$ {{a'}_y} = \frac{{{a_y}}}{{\sin {{\left( {{\theta _{\max }}} \right)}_y}}} $$ (9)

    反光杯yz剖面的长度:

    $$ {L_y} = \frac{{{a_y}\left( {1 + \sin {{\left( {{\theta _{\max }}} \right)}_y}} \right)\cos {{\left( {{\theta _{\max }}} \right)}_y}}}{{{{\sin }^2}{{\left( {{\theta _{\max }}} \right)}_y}}} $$ (10)

    根据我国2011年发布的汽车用LED前照灯标准GB25991-2010,测量的时候,车灯的基准中心应距离屏幕25 m,并且前照灯的中心基准应该与观测屏幕中心点HV调到同一高度。配光屏幕上该测试点的照度,与透视图中数字距离处的光照度是等效的。远光必须使灯具的基准轴线严格与屏幕垂直,设计的光形必须完全以HV点为对称点。对于远光配光的各测试点照度的测定,只需要在以HV为中心的水平线上取两组对称的点进行侧量,满足法规中对照度值的限定,便可认为灯具的远光配光是合格的[11-12]

    参照汽车用前照灯GB25991-2010,汽车远光灯要求在25 m远处,水平方向HV点至2 250 L和2 250 R处,光照度大于6 lx。可知,在配光屏幕上观察半径R=2 550 mm,此时,$tg{\left( {{\theta _{\max }}} \right)_x} = \frac{{2\;250}}{{25\;000}}$,求得(θmax)x=5.143°。如图 5所示。

    图  5  汽车远光灯水平方向辐照示意图
    Figure  5.  Horizontal direction irradiation diagram of vehicle's high beam

    观察道路透视图,选择远光灯竖直方向辐照范围R=1 000 mm,此时,${\rm{tg}}{\left( {{\theta _{\max }}} \right)_y} = \frac{{1000}}{{25\;000}}$求得(θmax)y=2.990°。如图 6所示。

    图  6  汽车远光灯竖直方向辐照示意图
    Figure  6.  Vertical direction irradiation diagram of vehicle's high beam

    考虑到LED的出光口尺寸与散热情况,选取矩形复合抛物面反光杯进光口半宽度ax=2 mm,焦距fx=2.180 mm,同时设定ay=0.5 mm,求出fy=0.520 mm,初步确定矩形复合抛物面长度L=270.11 mm。再考虑汽车远光灯整体尺寸,矩形复合抛物面反光杯长度L=270.11 mm,相对其他种类前照灯较长,需考虑截短长度L以进一步适应汽车远光灯尺寸要求,同时也降低制造成本。

    ax=2 mm,fx=2.180 mm,ay=0.5 mm,fy=0.520 mm,(θmax)x=5.143°,(θmax)y=2.290°,设定面光源3 W,光线10 000条,L从270.011 mm开始递减,运用tracepro7.0,模拟矩形复合抛物面反光杯,观察25 m外1 m×1 m观察屏幕的光通量情况。接收屏最高光通量、平均光通量、光通量利用率随复合抛物面长度的变化关系如图 789所示。

    图  7  接收屏最高光通量随复合抛物面长度的变化关系
    Figure  7.  Relationship between maximum luminous flux on receiving screen and compound paraboloid length
    图  8  接收屏平均光通量随复合抛物面长度的变化关系
    Figure  8.  Relation between average luminous flux on receiving screen and compound paraboloid length
    图  9  接收屏光通量利用率随复合抛物面长度的变化关系
    Figure  9.  Relationship between optical flux utilization rate and compound paraboloid length

    综合考虑接收屏最高光通量、平均光通量、光通量利用率,我们选取矩形复合抛长方形反光杯长度为L=130 mm。此时,车灯远光灯在25 m外的接收屏平均亮度最大,接收屏光通量利用率最大,均比L=270 mm时提高近5%;通过模拟,L=130 mm的最低光通量为8.47×10-7 W,比L=270 mm时的2.8×10-8 W提高了近30倍;最高光通量相当于L=270 mm时的近84%,虽下降不多,但长度只有L=270 mm时的48.15%,极大限度地提升了远光灯的性能,减少了远光灯体积,节约了能源。

    设计使用4个矩形复合抛物面反光杯。考虑到现实中车辆靠右行驶,对面左边行车司机的眼睛舒适度,以及LED车灯的热效应,我们将车灯设计为车辆左前侧使用2个复合抛物面反光杯(可以只有1个出光, 1个作为应急替补出光),右前侧使用2个复合抛物面反光杯,如图 10所示。每个复合抛物面聚光杯都连接一个选择装置。白天或者不用远光灯时候,可以选用弱光收集光电转化模块。用灯时候,切换为出光照明模块。这样就有4个矩形复合抛物面结构,可用于弱光收集;有3个矩形复合抛物面结构,用于照明(1个应急替补)。同时,可分散所需的LED灯功率,有利于降低单位体积温度;设置通风孔径,提高LED光源稳定性,以应付突发情况。

    图  10  矩形复合抛物面远光车灯构造示意图
    Figure  10.  Schematic diagram of rectangular compound parabolic high beam headlights

    经过不断调试,以L=130 mm,ax=2 mm,fx=2.180 mm,ay=0.5 mm,fy=0.520 mm,(θmax)x=5.143°,(θmax)y=2.290°,设定面光源光线10 000条,单个光源功率2 W,运用tracepro7.0,模拟左1右2个矩形复合抛物面,同时发光,并观察25 m外1 m×1 m观察屏幕的光通量情况,如图 11所示。

    图  11  矩形复合抛物面远光车灯照度分布模拟图
    Figure  11.  Simulation diagram of illuminance distribution of rectangular compound parabolic high beam

    通过模拟对比,我们发现该矩形复合抛物面远光车灯光形完全以HV点为对称点,各测试点照度较好地满足了国标要求。该车灯在水平方向2 200L和R的范围内,水平照度可超过46 lx,均高于国标要求的24 lx,在水平方向3 000L和R的范围内,水平照度可超过24 lx,均高于国标要求的6 lx,如表 1所示。相较国标,在相同照度要求下,该车灯能有着较大的照明范围;在相同照明范围内,该车灯照度可高于国标最低要求。矩形复合抛物面反光杯的应用,可使该车灯的屏幕吸收能量与光源出射能量的比率为94.59%,符合国家节能的要求。

    表  1  矩形复合抛物面远光车灯照度模拟数值表
    Table  1.  Simulation numerical table of rectangular compound parabolic high beam illumination
    测试点或区域 国标照度/lx 模拟照度/lx
    Emax ≥48且≤240 48.111
    HV点 ≥0.80Emax 47.14(=0.980Emax)
    HV点至1 125L和R ≥24 ≥46
    HV点至2 250L和R ≥6 ≥24
    下载: 导出CSV 
    | 显示表格

    当矩形复合抛物面反光杯作为弱光收集聚光器使用时,原反光杯出光口转变为弱光收集进光口;原反光杯LED光线进光口转变为弱光聚光出光口。周边的太阳光能,通过反光杯聚集,进入太阳能芯片。

    在tracepro7.0中,设置格栅光源,距离20 m外,照度为20 lx,光线1 000 000条,形状为矩形,边长600 mm×600 mm,光束角度设置参照日照分布曲线,主要考虑垂直反光杯聚光口平面入射。进行光线追踪,经过矩形复合抛物面聚光杯后,观察到太阳能芯片位置的照度图,如图 12所示。

    图  12  矩形复合抛物面反光杯弱光收集照度分布模拟图
    Figure  12.  Weak light collection illumination distribution simulation diagram of rectangular compound paraboloid reflecting cup

    我们发现,4个矩形复合抛物面的最大光照度都高于5 600 lx,平均光照度高于3 000 lx。研究表明,太阳能电池的输出功率与太阳光照度在数值上的关系式近似为

    P=1.374×10-3E-0.854

    式中:P为太阳能电池的输出功率;E为太阳能电池倾斜面上的太阳光的光照度[13]。由此可计算出,经该矩形复合抛物面弱光收集后的太阳能电池的输出功率均高于3.27 W;4个矩形复合抛物面收集的太阳能电池输出功率叠加,至少可为18 W。可见,该矩形复合抛物面可以较好地收集弱光, 再搭配上弱光收集光电转化模块里的太阳能薄膜电池或者空心光纤硅太阳能电池,可实现光电转换。

    本文创新地提出了借助LED车灯反光杯,双向利用光线,提高车灯空间重复利用率的光学设计理念。运用光路可逆原理与边缘光线原理,根据我国现行的汽车用LED前照灯标准GB25991-2010,构造矩形复合抛物面,对LED车灯进行“双向”二次配光设计,既可有效收集日常光照,用于光伏转换,又能满足照明需求。

    对比现行标准,该矩形复合抛物面型远光车灯,不但较好地满足了国标要求,而且在相同照度下其照明范围更大,在相同照明范围内其照度更高。矩形复合抛物面反光杯的应用,可使该车灯的光线利用率达到94.59%。经该矩形复合抛物

    面弱光收集后的太阳能电池的输出功率,可高于3.96 W;4个矩形复合抛物面收集的太阳能电池输出功率叠加,至少可为18 W,可用为车内辅助设备能源。

    该类型车灯,将弱光收集与LED照明互为补充,双向提高了LED车灯反光杯的利用率,简化车灯光路结构的同时,能获得较高的光学利用效率。以往被忽略的汽车前照灯反光杯结构被很好地利用起来。这是对当前车顶太阳能收集方式以及以往非聚光模式光电转换(太阳能平板电池直接接收)的很好补充。若在野外空旷地带,光照更加充分,光电转换效率更高。对长期野外作业的车辆,这是极好的额外补充能源。本文后续研究将进一步深入。

  • 图  1   计算测地线测试图

    Figure  1.   Test image of computing geodesic

    图  2   鼻尖点检测测试图

    Figure  2.   Test image of nose tip detection

    图  3   鼻尖点筛选过程

    Figure  3.   Filtering process of nose tip

    图  4   鼻根点筛选过程

    Figure  4.   Filtering process of nasal root point

    图  5   人脸识别算法流程

    Figure  5.   Algorithmic flow chart of face recognition

    图  6   FRGC V2.0、Ear Database和CASIA-3D FaceV1的测试结果

    Figure  6.   Test result of FRGC V2.0, Ear Databasevand CASIA-3D FaceV1

    表  1   识别率统计结果

    Table  1   Statistical results of recognition rate

    数据库 识别率
    FRGC V2.0 96.26%
    Ear Database 96.46%
    CASIA-3D FaceV1 97.41%
    下载: 导出CSV

    表  2   不同文献的识别结果比较

    Table  2   Comparison of identification results from different literatures

    比较文献 识别率
    文献[16] 82.4%
    文献[17] 88.2%
    本文算法 96.5%
    下载: 导出CSV
  • [1] 邹国锋, 傅桂霞, 李海涛, 等.多姿态人脸识别综述[J].模式识别与人工智能, 2015, 28(7):613-625. http://d.old.wanfangdata.com.cn/Periodical/mssbyrgzn201507006

    ZOU Guofeng, FU Guixia, LI Haitao, et al. A survey of multi-pose face recognition[J]. Pattern Recognition & Artificial Intelligence, 2015, 28(7):613-625. http://d.old.wanfangdata.com.cn/Periodical/mssbyrgzn201507006

    [2] 胡敏, 程天梅, 王晓华.融合全局和局部特征的人脸识别[J].电子测量与仪器学报, 2013, 27(9):817-822. http://d.old.wanfangdata.com.cn/Periodical/jsjgcyyy201405031

    HU Min, CHENG Tianmei, WANG Xiaohua. Face recognition based on fusion of global and local feature[J]. Modern Computer, 2013, 27(9):817-822. http://d.old.wanfangdata.com.cn/Periodical/jsjgcyyy201405031

    [3] 朱冰莲, 王大为, 李明均, 等.针对表情变化的三维人脸识别系统研究[J].仪器仪表学报, 2014, 35(2):299-304. http://d.old.wanfangdata.com.cn/Periodical/yqyb201402009

    ZHU Binglian, WANG Dawei, LI Mingjun, et al. Study on 3D face recognition system against expression change[J]. Chinese Journal of Scientific Instrument, 2014, 35(2):299-304. http://d.old.wanfangdata.com.cn/Periodical/yqyb201402009

    [4] 李晓莉, 达飞鹏.基于侧面轮廓线和刚性区域的3维人脸识别[J].中国图象图形学报, 2010, 15(2):266-273.. http://d.old.wanfangdata.com.cn/Periodical/zgtxtxxb-a201002013

    LI Xiaoli, DA Feipeng. 3D face recognition based on profile and rigid regions[J]. Journal of Image & Graphics, 2010, 15(2):266-273. http://d.old.wanfangdata.com.cn/Periodical/zgtxtxxb-a201002013

    [5]

    WANG X, FANG Z, WU J, et al. Discrete geodesic graph (DGG) for computing geodesic distances on polyhedral surfaces[J]. Computer Aided Geometric Design, 2017, 52(C):262-284. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=acac086cc37edba711045aac11173983

    [6]

    XU C, TAN T, WANG Y, et al. Combining local features for robust nose location in 3D facial data[J]. Pattern Recognition Letters, 2006, 27(13):1487-1494. doi: 10.1016/j.patrec.2006.02.015

    [7]

    ZHOU H, YUAN Y, SADKA A H. Application of semantic features in face recognition[J]. Pattern Recognition, 2008, 41(10):3251-3256. doi: 10.1016/j.patcog.2008.04.008

    [8]

    LEE K C, HO J, KRIEGMAN D J. Acquiring linear subspaces for face recognition under variable lighting.[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2005, 27(5):684. http://cn.bing.com/academic/profile?id=42c505fc4ba7ccdfbc8cec19040b7dac&encoded=0&v=paper_preview&mkt=zh-cn

    [9]

    LU J, YUAN X, YAHAGI T. A method of face recognition based on fuzzy c-means clustering and associated sub-NNs.[J]. IEEE Transactions on Neural Networks, 2007, 18(1):150-60. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=cf8badbaa29508fa15596438183bebed

    [10] 祝磊, 朱善安.基于二维广义主成分分析的人脸识别[J].浙江大学学报, 2007, 41(2):264-267. doi: 10.3785/j.issn.1008-973X.2007.02.016

    ZHU Lei, ZHU Shan'an. Face recognition based on two-dimensional image principal component analysis[J]. Journal of Zhejiang University, 2007, 41(2):264-267. doi: 10.3785/j.issn.1008-973X.2007.02.016

    [11] 董晓庆, 陈洪财.基于子模式双向二维线性判别分析的人脸识别[J].液晶与显示, 2015, 30(6):1016-1023. http://d.old.wanfangdata.com.cn/Periodical/yjyxs201506019

    DONG Xiaoqing, CHEN Hongcai. Face recognition based on sub-pattern two-directional two-dimensional linear discriminan t analysis[J]. Chinese Journal of Liquid Crystals and Displays, 2015, 30(6):1016-1023. http://d.old.wanfangdata.com.cn/Periodical/yjyxs201506019

    [12] 柴智, 刘正光.应用复小波和独立成分分析的人脸识别[J].计算机应用, 2010, 30(7):1863-1866. http://d.old.wanfangdata.com.cn/Periodical/jsjyy201007045

    CHAI Zhi, LIU Zhengguang. Face recognition using complex wavelet and independent component analysis[J]. Journal of Computer Applications, 2010, 30(7):1863-1866. http://d.old.wanfangdata.com.cn/Periodical/jsjyy201007045

    [13]

    PERAKIS P, THEOHARIS T, PASSALIS G, et al. Automatic 3D facial region retrieval from multi-pose facial datasets[C]// Eurographics Conference on 3d Object Retrieval.[S.l]: [s.n.], 2009: 37-44. https: //www.researchgate.net/publication/220888669_Automatic_3D_Facial_Region_Retrieval_from_Multi-pose_Facial_Datasets

    [14] 陆慧铭.基于微分几何方法的3D人脸识别[D].南京: 南京邮电大学, 2009. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1590660

    LU Huiming. 3D face recognition based on differential geometric method[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2009. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1590660

    [15]

    WEBER O, DEVIR Y S, BRONSTEIN A M, et al. Parallel algorithms for approximation of distance maps on parametric surfaces[J]. Acm Transactions on Graphics, 2008, 27(4):1-16.. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=423b937ac85e72eee99edcd44165263a

    [16] 李晓娟, 杨唐文, 阮秋琦, 等.基于轮廓线特征的三维人脸识别改进算法[J].铁道学报, 2012, 34(1):34-38. doi: 10.3969/j.issn.1001-8360.2012.01.007

    LI Xiaojuan, YANG Tangwen, RUAN Qiuqi, et al. Modified 3D face recognition algorithm based on contour curve features[J]. Journal of the China Railway Society, 2012, 34(1):34-38. doi: 10.3969/j.issn.1001-8360.2012.01.007

    [17]

    XU C, LI S, TAN T, et al. Automatic 3D face recognition from depth and intensity Gabor features[J]. Pattern Recognition, 2009, 42(9):1895-1905. doi: 10.1016/j.patcog.2009.01.001

  • 期刊类型引用(2)

    1. 任晓楠,李广. 改进暗通道原理下视觉图像光晕消除算法. 现代电子技术. 2025(01): 60-64 . 百度学术
    2. 刘峰阁,苏天宁,刘倍宏,成帅,朱荣胜,姬明,肖杰,赵航,张理淞,常乐. 基于离散系数与Harris角点的微光像增强器闪烁噪声测试方法. 红外技术. 2024(10): 1154-1161 . 百度学术

    其他类型引用(0)

图(6)  /  表(2)
计量
  • 文章访问数:  822
  • HTML全文浏览量:  234
  • PDF下载量:  63
  • 被引次数: 2
出版历程
  • 收稿日期:  2017-12-29
  • 修回日期:  2018-05-25
  • 刊出日期:  2018-06-30

目录

/

返回文章
返回