JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

基于深度数据的三维人脸识别

黄敏 ,  宫秋萍 ,  曾莎

downloadPDF
黄敏, 宫秋萍, 曾莎. 基于深度数据的三维人脸识别[J]. 轻工学报, 2014, 29(6): 78-80. doi: 10.3969/j.issn.2095-476X.2014.06.017
引用本文: 黄敏, 宫秋萍, 曾莎. 基于深度数据的三维人脸识别[J]. 轻工学报, 2014, 29(6): 78-80. doi: 10.3969/j.issn.2095-476X.2014.06.017
shu
HUANG Min, GONG Qiu-ping and ZENG Sha. 3D face recognition based on depth data[J]. Journal of Light Industry, 2014, 29(6): 78-80. doi: 10.3969/j.issn.2095-476X.2014.06.017
Citation: HUANG Min, GONG Qiu-ping and ZENG Sha. 3D face recognition based on depth data[J]. Journal of Light Industry, 2014, 29(6): 78-80. doi: 10.3969/j.issn.2095-476X.2014.06.017
shu

基于深度数据的三维人脸识别

  • 郑州轻工业学院 计算机与通信工程学院, 河南 郑州 450001

  • 基金项目: 河南省基础与前沿技术研究计划项目(102300410266,122300410287)
    国家自然科学基金青年科学基金项目(61201447)

  • 中图分类号: TP391.41

3D face recognition based on depth data

  • College of Computer and Communication Engineering, Zhengzhou University of Light Industry, Zhengzhou 450001, China

  • Received Date: 2014-07-02
    Available Online: 2014-11-15

    CLC number: TP391.41

  • 摘要: 为了进一步提高三维人脸识别效率,在Fisherface和局部二值模式(LBP)的基础上,提出了基于深度数据的三维人脸识别方法:先提取人脸的深度数据,再将深度数据与LBP相结合提取人脸特征,然后采用Fisherface方法进行识别.实验结果表明,相对于单一的特征识别方法,基于LBP_深度数据和Fisherface特征融合的方法更能提高三维人脸识别效率.
    Abstract: In order to improve the efficiency of 3D face recognition,a 3D face recognition method based on Fisherface and LBP (local binary pattern) was put forward.The face depth data was firstly extracted,then the feature of 3D face was extracted by combining the depth data with LBP,finally the Fisherface method was used for identification.The experimental results showed that comparing with single recognition method,the efficiency of 3D face recognition increased using Fisherface method based on LBP_depth data.
    1. [1]

      Smeets D,Keustermans J,Vandermeulen D.Local surface features for 3D face recognition under expression variations and partial data[J].Computer Vision and Image Understanding,2013,117(2):158.

    2. [2]

      Tang H,Yin B,Sun Y.3D face recognition using local binary patterns[J].Signal Processing,2012,93(8):2190.

    3. [3]

      王丽娟.基于Gabor变换和BP神经网络的人脸检测算法的Matlab实现[J].郑州轻工业学院学报:自然科学版,2010,25(2):82.

    4. [4]

      刘丹华.三维人脸数据获取及识别技术研究[D].厦门:厦门大学,2012.

    5. [5]

      黄海波,全海燕,谢鹏.一种融合模块2DPCA与PCA的人脸识别方法[J].郑州轻工业学院学报:自然科学版,2013,28(6):81.

    6. [6]

      胡步发,王金伟.双模态及语义知识的三维人脸表情识别方法[J].仪器仪表学报,2013,34(10):873.

    7. [7]

      Xu G L,Bajaj C.Regularization of B-spline objects[J].Computer Aided Geometric Design,2011,28(1):38.

    8. [8]

      杜兴,龚卫国,张睿.一种仿生的人脸不变特征识别方法[J].仪器仪表学报,2011,32(4):813.

    1. [1]

      张伟伟 , 姬远鹏 , 元春波 , 王君婷 , 齐晓任 , 张卫正 , 李萌 , 饶智 . 基于改进Mask R-CNN模型的粘连烟丝识别方法. 轻工学报, 2024, 39(5): 78-85. doi: 10.12187/2024.05.009

    2. [2]

      吴晓东 , 刘畅 , 李俊 , 胡良志 , 贺凌晨 , 袁海霞 , 李强 , 黄锦标 . 基于高光谱检测的烟丝加香均匀性表征方法. 轻工学报, 2024, 39(5): 95-101. doi: 10.12187/2024.05.011

    3. [3]

      李艳坤 , 张伟 , 刘彦伶 . 数据融合策略在食用油真实性鉴别中的研究与应用进展. 轻工学报, 2024, 39(5): 50-59. doi: 10.12187/2024.05.006

    4. [4]

      李敏 , 贺姗姗 , 杨钰雯 . 改良QuEChERS方法结合超高效液相色谱测定火腿肠中杂环胺类化合物. 轻工学报, 2024, 39(5): 60-70. doi: 10.12187/2024.05.007

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  22
  • 文章访问数:  1166
  • 引证文献数: 0
文章相关
  • 收稿日期:  2014-07-02
  • 刊出日期:  2014-11-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
黄敏, 宫秋萍, 曾莎. 基于深度数据的三维人脸识别[J]. 轻工学报, 2014, 29(6): 78-80. doi: 10.3969/j.issn.2095-476X.2014.06.017
引用本文: 黄敏, 宫秋萍, 曾莎. 基于深度数据的三维人脸识别[J]. 轻工学报, 2014, 29(6): 78-80. doi: 10.3969/j.issn.2095-476X.2014.06.017
shu
HUANG Min, GONG Qiu-ping and ZENG Sha. 3D face recognition based on depth data[J]. Journal of Light Industry, 2014, 29(6): 78-80. doi: 10.3969/j.issn.2095-476X.2014.06.017
Citation: HUANG Min, GONG Qiu-ping and ZENG Sha. 3D face recognition based on depth data[J]. Journal of Light Industry, 2014, 29(6): 78-80. doi: 10.3969/j.issn.2095-476X.2014.06.017
shu

基于深度数据的三维人脸识别

  • 郑州轻工业学院 计算机与通信工程学院, 河南 郑州 450001
  • 收稿日期: 2014-07-02
  • 网络出版日期: 2014-11-15
基金项目:  河南省基础与前沿技术研究计划项目(102300410266,122300410287)国家自然科学基金青年科学基金项目(61201447)

摘要: 为了进一步提高三维人脸识别效率,在Fisherface和局部二值模式(LBP)的基础上,提出了基于深度数据的三维人脸识别方法:先提取人脸的深度数据,再将深度数据与LBP相结合提取人脸特征,然后采用Fisherface方法进行识别.实验结果表明,相对于单一的特征识别方法,基于LBP_深度数据和Fisherface特征融合的方法更能提高三维人脸识别效率.

English Abstract

参考文献 (8) 相关文章 (4)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net