摘 要

人脸识别是一种基于生物特征识别的身份识别辨识技术，涉及多个领域例如计算机视觉和模式识别的具有极大潜力的技术。而三维人脸识别，相比于二维人脸具有更多的有用信息得以使用来提高精确度，尽管整个算法更为复杂，但得益于采集设备和运算存储设备的大幅发展，不论是研究平台还是研究前景都吸引了大量国内外研究者。

本论文主要是对预处理和检测特征点来进行姿态矫正进行研究分析并仿真。首先对三维人脸模型及常用数据库进行介绍，再对基本预处理操作和其算法的操作进行了分析与介绍。

其次是论文的主要部分，即寻找鼻尖点这一特征点。由于本文使用的数据库是BosphorusDB，因此从二维图片和三维人脸模型两个角度入手。对于二维图片，本文实现了了Haar级联器的算法进行检测，通过使用Python进行仿真实验从而验证了算法的有效性和鲁棒性；对于三维模型，本文介绍了两种方法检测鼻尖以进行后续的姿态矫正。第一种是基于面部的几何特征，即鼻尖是脸部最突出的点，因此计算面部点曲率来得到形状索引以得到鼻子区域范围，再根据深度最深得到精确鼻尖；第二种是利用脸部的对称性，使用ICP算法将镜像人脸逼近原始人脸，根据非共线三点确定平面的原理确定对称面，再得到人脸的对称中心线，最后再用标准中心线和鼻尖去逼近，从而检测到鼻尖点。

最后的姿态矫正利用了之前标准中心线和测试人脸中心线的的ICP参数，求得姿态矫正需要的旋转矩阵和平移矩阵，并且使用Matlab对整个过程进行了仿真，完成了姿态矫正。

本论文的亮点在于从二维和三维两个角度对特征点进行检测，并且用Python和Matlab对算法进行了仿真，分别验证了算法。最后对论文的总结和展望，剖析了论文优缺点，为未来的研究指明了方向。

关键字：预处理和检测特征点，Haar级联器，形状索引，ICP，姿态矫正

Abstract

Face recognition is a biometric-based identification authentication technology that involves technologies with great potential in many fields such as computer vision and pattern recognition. The 3D face recognition has more useful information than the 2D face and can be used to improve the accuracy. Although the entire algorithm is more complex, benefiting from the substantial development of acquisition equipment and computing storage devices, its platform and research prospects have attracted a large number of domestic and foreign researchers.

This thesis mainly analyzes and simulates the preprocessing and feature points detection in order to correct attitude. Firstly, the 3D face model and common database are introduced, and then the basic preprocessing operation as well as algorithm operation are analyzed and introduced.

Followed by the main part of the paper, that is to find the characteristic point especially the nose tip. Since this paper uses BosphorusDB database, we start with two-dimensional images and three-dimensional face models. For two-dimensional images, the algorithm of Haar concatenator is proposed for detection. The effectiveness and robustness of the algorithm are verified simulation experiments in Python. For the three-dimensional model, two methods are proposed to detect the tip of the nose for later attitude detection. The first one is based on the geometric features of the face, that is, the tip of the nose is the most prominent point of the face. So it calculates the facial curvature to get the shape index in order to get the scope of the nose area. Lastly according to the deepest depth it detects the precise nose. The second one is to use the symmetry of the face. It adopts the ICP algorithm to have mirror face close to the original face. With the theory that non-collinear three points determine the plane, we get symmetry plane and the symmetrical centerline. Finally with the standard centerline and nose tip to approach, the nose tip is detected.

The final attitude correction uses the ICP parameters from the previous standard center line and the test center line to calculate the rotation matrix and translation matrix. The whole process is simulated using Matlab, and the attitude correction is completed.

The highlight of this dissertation lies in the detection of feature points from both the two-dimensional and three-dimensional. The algorithm is simulated with Python and Matlab to verify the algorithms respectively. Finally, the paper summarizes and prospects, analyzing the advantages and disadvantages of the paper as well as pointing out the direction for future research.

Key words: preprocessing and character detection, Haar concatenator， shape index, ICP, attidude correction

目录

摘要 i

Abstract ii

第一章 绪论 1

1.1引言 1

1.1.1 人脸识别的研究背景 1

1.1.2 三维人脸识别的提出 1

1.2 三维人脸识别的基本介绍 2

1.3 三维人脸识别的研究现状 3

1.4 三维人脸识别的发展分析 3

1.4.1 三维人脸识别的优势 3

1.4.2 三维人脸识别的劣势 3

1.4.3 三维人脸识别的未来发展方向 4

1.5 论文的主要工作及章节安排 4

1.5.1 论文的主要工作 4

1.5.2 论文的章节安排 5

第二章 三维人脸数据获取与预处理 6

2.1 三维人脸数据存储方式 6

2.2三维人脸数据库 8

2.2.1 国内外三维人脸数据库介绍 8

2.2.2 本论文使用的数据库 10

2.3 三维人脸预处理方法 12

2.3.1 人脸奇异点去除 12

2.3.2 人脸空洞补充 13

2.3.3 人脸区域检测 13

2.3.4 人脸姿态矫正 14

2.4 本章小结 14

第三章 基于二维图片的鼻尖检测算法 15

3.1 二维图片的主要人脸检测方法 15

3.2 Haar分类器原理 15

3.2.1 Haar-like特征 15

3.2.2 积分图 16

3.2.3 Adaboost算法及级联 16

3.3 实验 19

3.4 本章小结 21

第四章 基于三维模型的鼻尖检测算法和姿态矫正 22

4.1 基于几何特征的检测算法 22

4.1.1 粗略估计 22

4.1.2 精确估计 23

4.2 基于ICP的鼻尖检测法 23

4.2.1 ICP算法介绍 23

4.2.2 鼻尖检测法介绍 24

4.3 姿态矫正 27

4.4 实验 27

4.5 本章小结 31

第五章 总结与展望 32

5.1 论文研究内容总结 32

5.2 工作展望 32

5.3 结束语 33

参考文献 34

附录 36

附录A Python代码： 36

附录B Matlab代码： 37

致谢 44

第一章 绪论

1.1引言

1.1.1 人脸识别的研究背景

在当代社会中，互联网技术以及信息技术都在飞速进步发展，我们已经身处于一个网络信息化的时代。随着电子化、自动化的趋势发展，我们的各种信息都渐渐以电子信息的形式进行存储和使用。随之而来的即是不同于传统的安全问题，对于数字化和虚拟化的信息，如何才能行之有效的进行保密，是当今社会如何有序地运转这一庞大的社会网络体系的一大难点和技术前提。因此，如何能快速而准确地在各种场合下判断及验证一个人的身份是这个信息化时代必须重视的问题。

生物特征，是每个人都独有的特征，而生物特征识别技术，即是提取出这些每个生物体所拥有的唯一行为方式或生理特征，并利用得到的方式或特征对个体身份进行验证或识别的技术。这一技术是人机交互的一个有重要意义的研究方向，也是人机交互的基础^[1]。同时，它也涉及多种领域，如计算机视觉、数字图像处理、模式识别等。当前常见使用的生物特征有人脸、虹膜、指纹、手形、语音、视网膜、步态、DNA等。与传统的身份鉴别方式相比较，生物特征拥有唯一和终生不变的天然优势，同时也不易丢失和伪造，安全性极高。因此这种识别技术在社会公共安全中得到了广泛应用，如机场安检、门禁系统、考勤系统、用户登录等。

在这些用于生物识别的特征中，人脸的识别是其中的一大重要研究方向，长期以来都受到了国内外研究者的青睐。与其他特征相比，人脸识别具有自然、友好、非侵犯性、主动性、稳定性的优势，也更为人们所接受。实际生活中，人们最多接触的就是人脸，对于人类来说识别人脸及其表情是轻而易举的事情，但是对于机器来说是个极大的难题。它涉及了计算机视觉、图形学、模式识别、图像识别、心理学及生理学等多个学科的融合。