基于KINECT传感器采集三维点云的高效鲁棒人脸识别

针对传统的三维人脸识别算法成本较高且不能很好地处理鲁棒性人脸识别的问题,提出一种基于低分辨率KINECT传感器采集三维点云的高效鲁棒人脸识别算法。首先,针对KINECT传感器采集到的数据噪声大的问题,提出规范化预处理过程,通过鼻尖检测、人脸剪裁、姿势校正、对称填充及平滑采样得到规范的纹理图像;然后,在纹理图像上运用判别色彩空间变换,从而最大化类与类之间的分离性;最后,利用多模态稀疏编码有效地重建误差以得到查询图像与训练集之间的相似度,并利用Z-得分技术完成最终的人脸识别。在通用人脸数据库Curtin Faces上的实验验证了算法的高效性及鲁棒性。实验结果表明,相比其他几种较为先进的鲁棒人脸识别算法,该算法取得了更高的识别率及鲁棒性。

低分辨率KINECT传感器采集三维点云的人脸识别

针对传统的三维人脸识别算法成本较高且不能很好地处理带有光照、表情等变化人脸识别的问题,设计了低分辨率Kinect传感器采集三维点云的鲁棒人脸识别系统。首先,通过鼻尖检测、人脸剪裁、姿势校正、对称填充及平滑采样得到规范的纹理图像;然后,在纹理图像上运用判别色彩空间变换,从而最大化类与类之间的分离性;最后,利用多模态稀疏编码有效地重建误差以得到查询图像与训练集之间的相似度,并利用Z-得分技术完成最终的人脸识别。在通用人脸数据库CurtinFaces、PIE及AR上的识别率可高达96.7%,实验结果表明,相比其它几种人脸识别算法,本文算法取得了更好的识别效果。