3D人臉識(shí)別研究探索

摘要：2D人臉識(shí)別技術(shù)雖已成熟，但由于單一的2D圖像不能提供識(shí)別所需的完整信息，故其識(shí)別精度很難進(jìn)一步提高。在人臉識(shí)別過程中，特征提取是影響識(shí)別效果的一個(gè)重要環(huán)節(jié)，在分析了傳統(tǒng)的主成分分析法和由此改進(jìn)的2D PCA方法的基礎(chǔ)上，提出了3D人臉識(shí)別方法。該方法將人臉圖像分為幾個(gè)部分分別進(jìn)行特征提取，同時(shí)充分考慮每個(gè)部分所包含的特征信息量的多少，并在分類時(shí)賦予它們不同的權(quán)值。因此，將人臉用立體圖像來表示并進(jìn)行識(shí)別是目前提高人臉識(shí)別精度的前沿課題。
關(guān)鍵詞：3D人臉識(shí)別；人臉建模；3D人臉形變模型；視頻圖像

    人臉識(shí)別是基于生物特征識(shí)別技術(shù)的身份認(rèn)證中最主要的方法之一，涉及計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺、模式識(shí)別、機(jī)器學(xué)習(xí)、感知科學(xué)、人工智能、計(jì)算智能等技術(shù)，3D人臉識(shí)別主要分為人臉檢測、人臉特征和人臉識(shí)別三個(gè)過程。為了提高人臉的識(shí)別精度，本文對(duì)3D人臉的自動(dòng)識(shí)別系統(tǒng)及識(shí)別算法進(jìn)行了研究，給出了3D人臉識(shí)別存在的問題。

1 3D人臉自動(dòng)識(shí)別系統(tǒng)
    普通的人臉識(shí)別一般分為圖1所示的三個(gè)過程。圖2所示是一個(gè)典型的3D人臉識(shí)別系統(tǒng)的組成框圖。其中，圖像獲取部分負(fù)責(zé)獲取來自于攝像機(jī)或是掃描儀等設(shè)備的圖像，通過程序?qū)⑵滢D(zhuǎn)換為可處理的數(shù)字圖像格式；檢測定位是通過對(duì)輸入的圖像進(jìn)行處理分析，判斷圖像中是否有人臉，如果有人臉，則作出準(zhǔn)確的定位；特征提取是在預(yù)處理后的人臉圖像中按照某種策略抽取出識(shí)別的特征。

    人臉模型主要分為剛性模型和塑性模式，剛性模型可以滿足對(duì)人頭部跟蹤檢測的要求，主要用于表示人的頭部位置、姿態(tài)、方向等；塑性實(shí)體主要處理人臉識(shí)別、表情識(shí)別、唇語識(shí)別等問題，它涉及面部器官、肌肉和表皮的運(yùn)動(dòng)。
    目前主要的三維建模工具有3DSMAX，MAYA，AUTOCAD等。
1．1 結(jié)合一般人臉模型的建模
    由于人臉的復(fù)雜性和相似性，直接采用視覺重建算法進(jìn)行3D人臉的重建，在精度和實(shí)用性上，相對(duì)于昂貴的硬件采集方法，都不能達(dá)到很好的效果。為了重建精度較高的人臉模型，下面引入了一般人臉3D模型。
    一般人臉模型的主要思想是定義一個(gè)平均的人臉3D模型，其空間坐標(biāo)點(diǎn)集為Sg={xgi，ygi，zgi}，i=1，2，…，n，該空間坐標(biāo)集表達(dá)了常見的人臉表面形狀的共同特性。該思想認(rèn)為，不同人臉的3D結(jié)構(gòu)S。都可 以通過一般人臉模型Sg中每個(gè)空間點(diǎn)的位置變化來表達(dá)，即特定的人臉模型Sp=Sg+△S，(xpi，ypi，zpi}={xgi+△xi，yg+△yi，zgi+△zi}。形變量△S如何求取具有不同的方法，但核心思想是利用人臉模型提取表達(dá)五官特征(眼睛、鼻子、嘴、臉頰、眉毛)的輪廓點(diǎn)集Sf={xfj，yfj，zfj}，j=1，2，…，m(其中m<<n)，然后利用相應(yīng)的輪廓信息或特征點(diǎn)隊(duì)形的深度信息在一般人臉模型和特定人臉模型之間建立一個(gè)光滑的3D位移插值函數(shù)f(Sg)，并使f(Sg)對(duì)于輪廓或特征點(diǎn)集合均滿足f(Sj)=△Sf，進(jìn)而從f(Sg)得到一般人臉模型上每一點(diǎn)的位移△S。
1．2 結(jié)合3D人臉形變模型的建模
    3D人臉形變模型的核心思想是利用有限數(shù)量的3D人臉模型的線性組合來表達(dá)任何一個(gè)3D人臉。在用3D人臉形變模型建模時(shí)，可將模型的形狀坐標(biāo)集合記為s=[x1，y1，z1，…，xN，yN，zN]T，即包括N個(gè)頂點(diǎn)的x，y，z坐標(biāo)；再將對(duì)應(yīng)一個(gè)人臉的紋理表示為一個(gè)紋理向量t=[R1，G1，B1，…，RN，GN，BN]T，即包括N個(gè)對(duì)應(yīng)頂點(diǎn)的RGB值(假設(shè)有效紋理的數(shù)據(jù)等于頂點(diǎn)數(shù))。

     形變模型由M個(gè)人臉樣本數(shù)據(jù)構(gòu)成，這些數(shù)據(jù)分別表示為它的3D形狀和紋理兩部分，也可寫成M個(gè)樣本圖像的質(zhì)心坐標(biāo)表達(dá)式，即：
   
    使用PCA對(duì)3D人臉數(shù)據(jù)進(jìn)行壓縮，再把基底變換到一個(gè)由對(duì)應(yīng)協(xié)方差距陣的特征值按降序排列對(duì)應(yīng)的特征向量si和ti形成的正交坐標(biāo)系下，則有(α，β∈RM-1)：
   
    式中：是形狀協(xié)方差矩陣Cs的特征值。p(β)的計(jì)算與p(α)的計(jì)算類似。
    最終定義的3DMM為[smodel(α)，tmodel(β)]，由兩個(gè)變量參數(shù)確定a=[a1，a2，…，aM]T，b=[b1，b2，…，bM]T。這樣，任意新的人臉都可以通過變化a，b來控制其形狀和紋理。

2 基于視頻圖像的識(shí)別算法
    特征臉方法通常利用主分量分析進(jìn)行降維和提取特征。該方法選擇與原數(shù)據(jù)協(xié)方差矩陣前幾個(gè)最大特征值對(duì)應(yīng)的特征向量構(gòu)成一個(gè)組基，以達(dá)到最佳表征原數(shù)據(jù)的目的。在人臉識(shí)別中，由一組特征臉基圖像張成一個(gè)特征臉子空間，任何一幅人臉圖像(減去平均人臉后)都可投影到該子空間，從而得到一個(gè)權(quán)值向量。圖3所示是一個(gè)主分量分析的應(yīng)用舉例。圖中最左邊的圖像為平均臉，其他為對(duì)應(yīng)7個(gè)最大特征值的特征向量。

    但是，3D人臉識(shí)別是通過自動(dòng)檢測人臉區(qū)，從視頻中提取特征后才識(shí)別出人臉的身份。雖然視頻人臉識(shí)別是基于靜態(tài)圖像的人臉識(shí)別的直接擴(kuò)展，但一般認(rèn)為，視頻人臉識(shí)別算法需要同時(shí)用到空間和時(shí)間信息，它的時(shí)間連續(xù)性是視頻圖像的一個(gè)非常重要的特性，包括由此產(chǎn)生的人臉信息的不確定性。視頻人臉識(shí)別算法和基于靜態(tài)圖像的人臉識(shí)別算法的最大區(qū)別就是在人臉跟蹤和識(shí)別中利用時(shí)間信息。目前這類算法大致可分為兩類：
    (1)跟蹤-然后-識(shí)別，這類方法首先檢測出人臉，然后跟蹤人臉特征隨時(shí)間的變化。只在跟蹤階段用到時(shí)間信息。識(shí)別還是采用基于靜態(tài)圖像的方法，而沒有用到時(shí)間信息。
    (2)跟蹤-且-識(shí)別，這類方法中，人臉跟蹤和識(shí)別是同時(shí)進(jìn)行的，在跟蹤階段和識(shí)別階段都要用到時(shí)間信息。

3 3D人臉識(shí)別存在的問題
    近幾年才開始研究將三維方法用于人臉機(jī)器識(shí)別，目的是為了彌補(bǔ)二維方法的不足，或者是解決二維方法所無法根本解決的問題。
    目前，三維人臉識(shí)別的處理方法和手段還是處于發(fā)現(xiàn)時(shí)期，其本身還不成熟，主要存在以下困難：
    (1)海量存儲(chǔ)和計(jì)算的困難。由于三維識(shí)別過程中處理的數(shù)據(jù)容量和計(jì)算量十分巨大，對(duì)于一般計(jì)算機(jī)來說，它們的存儲(chǔ)和運(yùn)算還比較困難；
    (2)信息來源方面的困難。由于三維識(shí)別的完整信息難于獲取或者識(shí)別的信息往往不完整，同時(shí)，再加上圖像采集設(shè)備的差異和成像原理的不同，都可能造成識(shí)別算法本身不可糾正的錯(cuò)誤；
    (3)對(duì)人的生理認(rèn)識(shí)的不足。由于計(jì)算機(jī)沒有人的經(jīng)驗(yàn)和知識(shí)功能，而只有計(jì)算功能，同時(shí)由于對(duì)肌肉的運(yùn)動(dòng)理論和表情形成等問題，現(xiàn)在還不能提供給計(jì)算機(jī)足夠的專家支持；
    (4)受環(huán)境和條件的約束。影響二維識(shí)別的不利因素在三維識(shí)別上同樣存在，如光線的強(qiáng)弱、方向、遮蓋、陰影、背景等；
    (5)實(shí)現(xiàn)方式和手段的不足。傳統(tǒng)的識(shí)別方法不能滿足三維識(shí)別的要求，必須改進(jìn)或采用新的方法。例如由于動(dòng)態(tài)圖像的計(jì)算量太大，因此，適用于靜態(tài)圖像處理的神經(jīng)網(wǎng)絡(luò)就變得不適合了。

4 結(jié)語
    3D人臉的研究始于計(jì)算機(jī)動(dòng)畫和生物醫(yī)學(xué)成像。計(jì)算機(jī)動(dòng)畫方面的方法是在計(jì)算機(jī)上生成三維的人臉來表達(dá)人的運(yùn)動(dòng)、姿態(tài)和表情。這種動(dòng)畫的人臉可以在不同的環(huán)境下應(yīng)用和發(fā)展為虛擬現(xiàn)實(shí)，這在生物醫(yī)學(xué)方面可從生物圖層或切片來重構(gòu)人體器官組織，并將其用于病理分析。而三維人臉識(shí)別是極具挑戰(zhàn)性的課題，如在技術(shù)上有所突破，將具有很強(qiáng)的創(chuàng)新性和應(yīng)用價(jià)值。