30、利用Kinect进行RGB - D图像人脸识别

利用Kinect进行RGB - D图像人脸识别

1. 引言

人脸识别是生物识别领域研究广泛的问题之一。在光照、姿态和表情等条件可控的受限环境中，自动识别算法的性能接近完美，但在不受限环境下，识别仍具有挑战性。传统的2D彩色图像用于人脸识别时，每张捕获的图像只能获取有限的面部信息。而3D图像虽能捕捉更多面部信息，在不受限条件下保留更高程度的面部特征，但专业3D传感器成本高昂，限制了其大规模应用。

近年来，传感器技术的进步催生了低成本的消费级RGB - D传感器，它能提供伪3D信息。典型的RGB - D图像由2D彩色图像（RGB）和深度图（D）组成。RGB图像呈现面部的纹理和外观，深度图则记录每个像素到传感器的距离，以灰度值形式编码面部几何形状。以Kinect为例，它由微软开发，原本用于视频游戏的动作和音频捕捉，也能捕获红外、深度、视频和音频数据。不过，Kinect提供的深度图不如专业3D传感器精确，存在孔洞和尖峰等噪声，因此现有的3D人脸识别方法可能无法直接应用于RGB - D图像。

2. 现有算法综述

2.1 基于判别颜色空间变换和稀疏编码的RGB - D人脸识别

• 预处理 ：
  1. 从深度图中可靠检测鼻尖位置，以其为参考点，用半径8cm的球体在3D空间中裁剪面部。
  2. 利用公开数据集FRGC和UWA的图像定义128×128像素的参考人脸模型，通过迭代最近点（ICP）算法将人脸对齐到正面姿势。
  3. 利用人脸对称性处理深度数据中的噪声，进行对称填充和光滑重采样。
  4. 将RGB和深度矩阵从1