收稿日期：２０１５-０３-１４；修回日期：２０１５-０５-０６ 基金项目：国家自然科学基金资助项目（６１２０１３８８）；中国博士后科学基金资助项目（２０１４Ｍ５５２３５７）
作者简介：刘述木（１９７８-），男，四川德阳人，工程师，硕士，主要研究方向为图像处理、模式识别等（ｌｉｕｓｈｕｍｕｓｃ＠１２６．ｃｏｍ）；杨建（１９７９-），男，四川德阳人，工程师，硕士，主要研究方向为图像处理、机器学习等；陈跃（１９７４-），男，四川成都人，副教授，博士（后），主要研究方向为图像处理、模式识别等．
保角特征结合改进差分进化算法的三维人脸识别*
刘述木１，杨 建１，陈 跃２
（１．四川工程职业技术学院，四川德阳６１８０００；２．四川大学，成都６１００６５）
摘 要：针对三维人脸识别的高复杂度和二维人脸识别无法提供粒状线索的问题，提出一种全自动３Ｄ人脸表
情识别算法，该算法主要是提供比２Ｄ人脸识别更多的线索，同时降低计算复杂度。通过保角映射将３Ｄ人脸转
换到２Ｄ平面，
保留了面部变化的线索，提出了基于优化算法的差分进化（ＤＥ）算法用于提高识别效率，同时提取最优人脸特征集和分类器参数，加速鲁棒特征池描述了所有预期的人脸特征点。在博斯普鲁斯、ＦＲＧＣｖ２及笔者搜集的人脸数据集上的实验结果表明，算法解决了三维人脸识别的高计算复杂度和二维人脸识别的线索低的问题，并在不降低识别性能的前提下大大地节约了成本，相比几种较为先进的三维人脸识别算法，算法取得了更好的识别效果，有望应用于一些商业人脸识别系统。
关键词：三维人脸识别；面部表情；保角映射；加速鲁棒特征（ＳＵＲＦ）；差分进化中图分类号：ＴＰ３９１．４１ 文献标志码：Ａ 文章编号：１００１-３６９５（２０１６）０６-１８９８-０５ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１-３６９５．２０１６．０６．０６６
３Ｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｆｕｓｉｏｎｏｆｃｏｎｆｏｒｍａｌｆｅａｔｕｒｅｓａｎｄ
ｉｍｐｒｏｖｅｄｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎａｌｇｏｒｉｔｈｍ
ＬｉｕＳｈｕｍｕ１，ＹａｎｇＪｉａｎ１，ＣｈｅｎＹｕｅ２
（１．ＳｉｃｈｕａｎＥｎｇｉｎｅｅｒｉｎｇＶｏｃａｔｉｏｎａｌＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅ，ＤｅｙａｎｇＳｉｃｈｕａｎ６１８０００，Ｃｈｉｎａ；２．ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｓｔｈｅｐｒｏｂｌｅｍｏｆｔｈｅｈｉｇｈｃｏｍｐｌｅｘｉｔｙｏｆ３Ｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｎｄ２Ｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｎｏｔｐｒｏｖｉｄｉｎｇｇｒａｎｕｌａｒｃｌｕｅｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｆｕｌｌｙａｕｔｏｍａｔｉｃ３Ｄｆａｃｉａｌｅｘｐｒｅｓｓｉｏｎｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍ．Ｉｔｐｒｏｖｉｄｅｄｍｏｒｅｃｌｕｅｓｔｈａｎｔｈａｔｏｆ２Ｄｆａｃｅ
ｒｅｃｏｇｎｉｔｉｏｎａｎｄｒｅｄｕｃｅｄｔｈｅｃｏｍｐｕｔａｔｉｏｎａｌｃｏｍｐｌｅｘｉｔｙａｔｔｈｅｓａｍｅｔｉｍｅ．Ｆｉｒｓｔｌｙ，ｉｔｔｒａｎｓｆｏｒｍｅｄ３Ｄｆａｃｅｉｎｔｏａ２Ｄｐｌａｎｅｂｙｃｏｎ-ｆｏｒｍａｌｍａｐｐｉｎｇ，ｒｅｔａｉｎｉｎｇｔｈｅｃｈａｎｇｉｎｇｏｆｆａｃｉａｌｃｌｕｅｓ．Ｓｅｃｏｎｄｌｙ，ｉｔｐｒｏｐｏｓｅｄａｎｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｄｉｆｆｅｒｅｎｔｉａｌｅ-ｖｏｌｕｔｉｏｎ（
ＤＥ）ａｌｇｏｒｉｔｈｍｔｏｉｍｐｒｏｖｅｔｈｅｒｅｃｏｇｎｉｔｉｏｎｅｆｆｉｃｉｅｎｃｙ，ｗｈｉｌｅｅｘｔｒａｃｔｉｎｇｔｈｅｂｅｓｔｆａｃｉａｌｆｅａｔｕｒｅｓｅｔａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｐａ-ｒａｍｅｔｅｒｓ，ａｎｄｓｐｅｅｄｕｐｒｏｂｕｓｔｆｅａｔｕｒｅｓ（ＳＵＲＦ）ｄｅｓｃｒｉｂｅｄａｌｌｔｈｅｅｘｐｅｃｔｅｄｆａｃｉａｌｆｅａｔｕｒｅｐｏｉｎｔｓ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎｔｈｅｄａｔａｓｅｔｓｏｆＢｏｓｐｈｏｒｕｓ，ＦＲＧＣｖ２ａｎｄｇａｔｈｅｒｅｄｆａｃｅｄａｔａｓｅｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｓｏｌｖｅｓｈｉｇｈｃｏｍｐｕｔａｔｉｏｎａｌｃｏｍ-ｐｌｅｘｉｔｙｏｆ３Ｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｎｄｌｏｗｃｌｕｅｓｏｆ２Ｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｇｒｅａｔｌｙｒｅｄｕｃｅｓｔｈｅｃｏｓｔｗｉｔｈｏｕｔｌｏｗｅｒｉｎｇｔｈｅｒｅｃｏｇｎｉｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ，ｃｏｍｐａｒｅｄｔｏｓｅｖｅｒａｌｍｏｒｅａｄｖａｎｃｅｄ３Ｄｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍ，ｔｈｅａｌｇｏｒｉｔｈｍａｃｈｉｅｖｅｓｂｅｔｔｅｒｒｅｃｏ-ｇｎｉｔｉｏｎｒｅｓｕｌｔｓ，ｅｘｐｅｃｔｉｎｇｔｏｂｅａｐｐｌｉｅｄｔｏｃｏｍｍｅｒｃｉａｌｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍｓ．
Ｋｅｙｗｏｒｄｓ：３Ｄｆａｃｉａｌｒｅｃｏｇｎｉｔｉｏｎ；ｆａｃｉａｌｅｘｐｒｅｓｓｉｏｎ；ｃｏｎｆｏｒｍａｌｍａｐｐｉｎｇ；ｓｐｅｅｄｕｐｒｏｂｕｓｔｆｅａｔｕｒｅｓ；ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ
过去几十年，大多数人机交互（ｈｕｍａｎｃｏｍｐｕｔｅｒｉｎｔｅｒａｃｔｉｏｎ，
ＨＣＩ）［１，２］研究都聚焦于通过人脸表情识别用户状态。在ＨＣＩ
中的情感计算方面，研究者趋向于丰富机器处理内容使其具有感知功能［３，４］
，因此人脸表情识别变成了一项必不可少的功能
模块
［５］
。本文提出了一种全自动３Ｄ人脸表情识别模型，该模
型对３Ｄ人脸图像高维问题拥有一个双重解决方案：ａ）通过保角几何关系将３Ｄ纹理人脸图像映射到２Ｄ平面；ｂ）在所有的预期人脸特征中选取最优的人脸特征集合。
1 相关研究
文献［６］提出了一种具有代表性的全局方法，由３Ｄ到２Ｄ的映射方法是通过直接计算３Ｄ网格以获得深度图像，２Ｄ平面Ｐ（ｕ，ｖ）中的每一个点在３Ｄ空间中都指定相应的ｚ值。利用一个全局方法从深度图像中提取脸型描述符，将人脸当成一种
模式考虑，但精度稍显不足。
文献［
７］将保角映射算法作为一个中间步骤，保角映射提供了一个一对一的且角度保留映射功能，保角映射能够使变形最小化。文献［７］使用该算法建立一个２Ｄ空间中３Ｄ表情人脸间的顶点对应关系，这个对应关系可以用于追踪特征集合的运动。研究结果表明，曲率平均值和保角系数图像对于区分那六个表情拥有很好的辨识度。
局部方法从特征集合或区域中提取脸型描述符，如文献［
８］在保局投影算法（ｌｏｃａｌｐｒｅｓｅｒｖｉｎｇｐｒｏｊｅｃｔｉｏｎｓ，ＬＰＰ）及支持向量机（
ｓｕｐｐｏｒｔｅｄｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ）的基础上提出了一种基于相关反馈的视频人脸识别算法。该算法通过合理的数据建模提取出视频中的时空连续性语义信息，同时能够发现人脸数据中内在的非线性结构信息而获得低维本质的流形结构，还能通过反馈学习来增加样本的标记类别。
第３３卷第６期２０１６年６月 计算机应用研究
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＶｏｌ．３３Ｎｏ．６
Ｊｕｎ．２０１６