[论文解读] Facial Surface Analysis using Iso-Geodesic Curves in Three Dimensional Face Recognition System

Rachid Ahdid, El Mahdi Barrah+2 more|arXiv (Cornell University)|Aug 31, 2016

Face recognition and analysis参考文献 23被引用 3

一句话总结

本文提出了一种3D人脸识别系统，通过3D快速推进算法利用黎曼几何计算测地距离，将面部表面表示为等测地线曲线（IGCs）的集合。该方法在SHREC2008数据库上使用SVM分类实现了98.9%的识别率，优于先前的方法。

ABSTRACT

In this paper, we present an automatic 3D face recognition system. This system is based on the representation of human faces surfaces as collections of Iso-Geodesic Curves (IGC) using 3D Fast Marching algorithm. To compare two facial surfaces, we compute a geodesic distance between a pair of facial curves using a Riemannian geometry. In the classifying step, we use: Neural Networks (NN), K-Nearest Neighbor (KNN) and Support Vector Machines (SVM). To test this method and evaluate its performance, a simulation series of experiments were performed on 3D Shape REtrieval Contest 2008 database (SHREC2008).

研究动机与目标

• 开发一种对姿态变化、光照和面部表情具有鲁棒性的自动3D人脸识别系统。
• 通过快速推进算法提取的等测地线曲线表示3D面部表面。
• 利用黎曼几何公式计算面部曲线之间的测地距离，以提高判别能力。
• 使用SHREC2008数据库评估系统性能，并与现有的3D人脸识别方法进行比较。
• 通过使用最近邻（NN）、K近邻（KNN）和支持向量机（SVM）的分类方法，证明所提方法的优越性。

提出的方法

• 手动检测鼻尖作为测地距离计算的起始点。
• 3D快速推进算法求解Eikonal方程，计算从参考点到面部表面所有其他点的测地距离。
• 在从参考点出发的等测地距离间隔处提取等测地线曲线，形成面部表面的分层表示。
• 利用黎曼度量公式计算两幅人脸对应等测地线曲线之间的测地距离，构成特征向量。
• 采用三种分类算法进行分类：神经网络（NN）、K近邻（KNN）和支持向量机（SVM）。
• 特征向量维度等于所用等测地线曲线的数量（实验中为五条曲线），以测地距离作为输入特征。

实验结果

研究问题

• RQ1 基于等测地线曲线的3D人脸识别系统能否实现高于现有方法的识别准确率？
• RQ2 在3D人脸识别中，使用黎曼测地距离比较面部表面曲线的效果如何？
• RQ3 等测地线曲线表示与SVM分类结合是否优于其他分类器和先前方法？
• RQ4 该方法在面部表情变化和姿态改变下具有多大程度的鲁棒性？
• RQ5 等测地线曲线的数量如何影响识别性能？

主要发现

• 所提方法在SHREC2008数据库上使用SVM分类器实现了98.9%的识别率，显著优于先前方法。
• SVM分类器在三种测试算法（NN、KNN、SVM）中取得了最高的识别率，证明其在该特征空间中的有效性。
• 使用五条等测地线曲线在特征丰富度与计算效率之间实现了良好平衡，识别率在此数量下趋于稳定。
• 该方法优于先前方法，包括基于面部轮廓曲线、积分不变量和弹性形变的方法，后者报告的识别率在91.1%至95.3%之间。
• 利用黎曼几何计算测地距离，使得在不同表情和姿态下对面部表面曲线的比较更加鲁棒且准确。
• 该系统在SHREC2008数据库的多种条件下均表现出高性能，包括正前方、抬头、低头以及表情变化等情形。