一种在人脸的三维扫描数据中自动定位鼻尖点的方法.pdf

摘要
申请专利号：	CN201010296776.4	申请日：	2010.09.26
公开号：	CN101976355A	公开日：	2011.02.16
当前法律状态：	撤回	有效性：	无权
法律详情：	发明专利申请公布后的视为撤回IPC(主分类):G06K 9/64申请公布日:20110216\|\|\|实质审查的生效IPC(主分类):G06K 9/64申请日:20100926\|\|\|公开
IPC分类号：	G06K9/64	主分类号：	G06K9/64
申请人：	浙江大学
发明人：	潘纲; 傅俊康; 韩松
地址：	310027 浙江省杭州市西湖区浙大路38号
优先权：
专利代理机构：	杭州裕阳专利事务所(普通合伙) 33221	代理人：	江助菊
PDF下载：	PDF下载

内容摘要

本发明公开了一种在人脸的三维扫描数据中定位鼻尖点的方法，其步骤如下：(1)双模板提取；(2)侧影线簇的提取；(3)侧影线重构；(4)双模板匹配；(5)定位鼻尖点。本发明的有益的效果是可以在人脸的三维扫描数据中自动、准确地定位鼻尖点。

权利要求书

1：一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其步骤如下： (1) 双模板提取：从正侧姿态的人脸的三维扫描数据的侧影线中，挑选满足一定条件的侧影线，按一定规则从中提取两个点集作为模板 1 和模板 2，合称为双模板； (2) 侧影线簇的提取：对每个 α ∈ {-90， -85， -80， ......85， 90}、 β ∈ {-60， -55， -50， ......55， 60}，将待定位鼻尖点的人脸的三维扫描数据绕 y 轴旋转 α 度，然后绕 x 轴旋转 β 度，然后提取旋转之后的人脸的三维扫描数据的侧影线，得到 37×25 ＝ 925 条侧影线组成的侧影线簇； (3) 侧影线重构：对第 (2) 步得到的人脸的三维扫描数据的侧影线簇中的每条侧影线，计算侧影线上每个点的导数，根据一定规则删除侧影线中点和在侧影线中插入新的点； (4) 双模板匹配：按一定规则对第 (3) 步中重构过的侧影线簇中每条侧影线进行双模板匹配，根据匹配结果，按一定规则定位三维人脸扫描数据中的鼻尖点。
2：根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (1) 中正侧姿态的人脸，是人脸朝向与三维扫描设备的 z 轴平行，且双眼连线与三维扫描设备 y 轴垂直的人脸。
3：根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (1) 中三维扫描数据的侧影线，是如下二维数据点的集合： {(x， i)|Subi(S) 不为空集，且 x 等于 maxi(S).z} 其中 S 是三维扫描数据中所有点的集合， Subi(S) 是如下点集合： {(x， y， z)|(x， y， z) ∈ S，且 y ∈ [i， i+1)} maxi(S)(x， y， z) 是如下点： maxi(S)(x， y， z) ∈ Subi(S) 且 maxi(S).z ≥ A.z。
4：根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (1) 中满足一定条件的侧影线是：侧影线 P， b(x， i) ∈ P，满足 Tf.y 是提取此侧影线的人脸的三维扫描数据的鼻尖点的 y 坐标， Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标，且 0.55 ≤ |(t.i-b.i)/(t.x-b.x)| ≤ 0.65，
5：根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (1) 中按一定规则选择两个点集做为模板 1 和模板 2，模板 1 是如下点集合： {m(x， i)|m(x， i) ∈ P， 0 ≤ m.i-t.i ≤ 30 或者 0 ＜ t.i-m.i ≤ 9} 模板 2 是如下点集合： {m(x， i)|m(x， i) ∈ P， 0 ≤ m.i-b.i ≤ 6 或者 0 ＜ t.i-b.i ≤ 31} Tf.y 是提取此侧影线的人脸的三维扫描数据的鼻尖点的 y 坐标， Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标。
6：根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特 2 征是：步骤 (3) 中导数定义如下， a′＝ b.x-a.x a′点 a(x， i) 处的导数， b(x， i) 是满足如下条件的点： b(x， i) ∈ P 且 b.i ＝ a.i-1 如果 b 不存在，则 a′不存在。
7：根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (3) 中所述根据一定规则删除侧影线中点和在侧影线中插入新的点，删除或插入点规则是：将 P 中点 (x， i) 按 i 坐标值从大到小排序，并从序列第 20 个点，即纵坐标第 20 大的点，按纵坐标从大到小开始遍历，如果某点 a 导数 a′大于 3，则删除点 a 和离点 a 最近且 i 坐标大于 a 的个点，但最多不超过 15 个，记删除点之前序列中 a 的下一个遍历点为 b，在 b 及删除点之后序列中 b 上一点之间插入新点。然后再从 b 开始遍历，直到倒数第二个点，如果遇到导数大于 3 的点重复上述插入新点操作；第一次遍历后，再从新序列第 1 个点，开始遍历，如果某点 a 的导数 a′小于 -3，记序列中 a 的下一点遍历点为 b，在序列 a， b 之间插入新的点。然后再从 b 开始遍历，直到倒数第 2 个点，如果遇到导数小于 -3 的点重复上述插入新点操作。
8：根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (4) 所述按一定规则对第 (3) 步中重构过的侧影线簇中每条侧影线进行双模板匹配，规则是：将模板 1， 2 和侧影线按 i 坐标从大到小排序，首先使用模板 1 进行匹配，找到最佳匹配位置，即模板与侧影线对应点误差平方和最小的位置，再使用模板 2 进行匹配，从侧影线第一点到模板 1 的最佳匹配位置之间找到模板 2 的最佳匹配位置，匹配结果是模板 1 的最小误差平方和加上模板 2 的最小误差平方和。
9：根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (4) 所述按一定规则定位人脸的三维扫描数据中的鼻尖点，规则如下： S 是等定位鼻尖点的人脸的三维扫描数据中所有点的集合， P 是 S 的侧影线簇中匹配结果最小的侧影线， Sp 是提取出侧影线 P 的人脸的三维扫描数据中所有点的集合，该集合由 S 或者 S 经过旋转得到； t′ (x， i) ∈ P，且 t′ (x， i) 是模板 1 与 P 最佳匹配时 t(x， i) 对应匹配的点，其中 t(x， i) ∈ m1，且 Tf.y 是提取出的侧影线 Pm1 的人脸的三维扫描数据的鼻尖点的 y 坐标， Pm1 是提取出模板 1 的侧影线， Subi(Sp) 是如下点集合： {(x， y， z)|(x， y， z) ∈ Sp，且 y ∈ [i， i+1)} maxi(Sp) 是如下点： maxi(Sp) ∈ Subi(S) 且 T(x， y， z) ∈ Subt′ .i(Sp)，且 3 maxi(Sp).z T.z ≥ T′ .z 如果 Sp 就是 S，那么 T(x， y， z) 就是鼻尖点，如果 Sp 同 S 旋转得到，则， S 中一点 Ts 旋转得到 T(x， y， z)，那么 Ts 就是鼻尖。

说明书

一种在人脸的三维扫描数据中自动定位鼻尖点的方法
    技术领域本发明涉及一种在人脸的三维扫描数据中自动定位鼻尖点的方法，尤其涉及一种以双模板匹配为基础的，非正侧人脸的三维扫描数据中自动定位鼻尖点的方法。
     背景技术近年来，随着三维扫描技术的逐渐成熟，三维人脸的识别、三维表情判定与模拟以及三维人脸超分辨率等领域得到了长足的发展。鼻尖点是三维人脸数据中最为重要的特征点之一，该点的精确定位在三维人脸识别的相关领域，尤其在预处理阶段以及模型对齐阶段具有非常重要的作用。
     尽管近些年来国内外学者对自动定位三维人脸鼻尖点提出了不少算法，但对非正侧朝向人脸的三维扫描数据中鼻尖点的快速、精确定位仍然是一个难点。然而在三维设备采集人脸过程中，并不能确保总采集出正侧朝向的人脸的三维扫描数据，因为有的时候是在被采集人员不知情的情况下采集，即使被采集人员非常配合也无法保证采集出完全正侧的人脸的三维扫描数据，因此研究三维非正侧朝向人脸的三维扫描数据的鼻尖点的精确定位有着重要的意义和实用价值。
     发明内容本发明提供一种基于双模板匹配的在人脸的三维扫描数据中自动定位鼻尖点的方法，主要解决的是非正侧人脸的三维扫描数据中鼻尖点的自动定位问题。
     一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其步骤如下：
     (1)、双模板提取：从正侧姿态的人脸的三维扫描数据的侧影线中，挑选满足一定条件的侧影线，按一定规则从中提取两个点集作为模板 1 和模板 2，合称为双模板。
     (2)、侧影线簇的提取：对每个 α ∈ {-90， -85， -80， ......85， 90}、 β ∈ {-60， -55， -50， ......55， 60}，将待定位鼻尖点的人脸的三维扫描数据绕 y 轴旋转 α 度，然后绕 x 轴旋转 β 度，然后提取旋转之后的人脸的三维扫描数据的侧影线。得到 37×25 ＝ 925 条侧影线组成的侧影线簇。
     (3)、侧影线重构：对第 (2) 步得到的人脸的三维扫描数据的侧影线簇中的每条侧影线，计算侧影线上每个点的导数，根据一定规则删除侧影线中点和在侧影线中插入新的点。
     (4)、双模板匹配：按一定规则对第 (3) 步中重构过的侧影线簇中每条侧影线进行双模板匹配，根据匹配结果，按一定规则定位三维人脸扫描数据中的鼻尖点。
     步骤 (1) 中正侧姿态的人脸，是人脸朝向与三维扫描设备的 z 轴平行，且双眼连线与三维扫描设备 y 轴垂直的人脸。
     步骤 (1) 中三维扫描数据的侧影线，是如下二维数据点的集合：
     {(x， i)|Subi(S) 不为空集，且 x 等于 maxi(S).z}
     其中 S 是三维扫描数据中所有点的集合，
     Subi(Sp) 是如下点集合： {(x， y， z)|(x， y， z) ∈ Sp，且 y ∈ [i， i+1)} maxi(S)(x， y， z) 是如下点： maxi(S)(x， y， z) ∈ Subi(S) 且步骤 (1) 中满足一定条件的侧影线是：侧影线 P， b(x， i) ∈ P，满足 Tf-y 是提取此侧影线的人脸的三维扫描数据的鼻尖点的 y 坐标 Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标且 0.55 ≤ |(t.i-b.i)/(t.x-b.x)| ≤ 0.65， maxi(S).z ≥ A.z步骤 (1) 中按一定规则选择两个点集作为模板 1 和模板 2，模板 1 是如下点集合： {m(x， i)|m(x， i) ∈ P， 0 ≤ m.i-t.i ≤ 30 或者 0 ＜ t.i-m.i ≤ 9} 模板 2 是如下点集合： {m(x， i)|m(x， i) ∈ P， 0 ≤ m.i-b.i ≤ 6 或者 0 ＜ t.i-b.i ≤ 31} Tf.y 是提取此侧影线的人脸的三维扫描数据的鼻尖点的 y 坐标 Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标步骤 (3) 中导数定义如下，
     a′＝ b.x-a.x
     a′为点 a(x， i) 处的导数， b(x， i) 是满足如下条件的点：
     b(x， i) ∈ P 且 b.i ＝ a.i-1
     如果 b 不存在，则 a′不存在
     步骤 (3) 中所述根据一定规则删除侧影线中点和在侧影线中插入新的点，删除或插入点规则是：
     将 P 中点 (x， i) 按 i 坐标值从大到小排序，并从序列第 20 个点，即纵坐标第 20 大的点，按纵坐标从大到小开始遍历，如果某点 a 导数 a′大于 3，则删除点 a 和离点 a 最近且 i 坐标大于 a 的个点，但最多不超过 15 个，记删除点之前序列中 a 的下一个遍历点为 b，在 b 及删除点之后序列中 b 上一点之间插入新点。然后再从 b 开始遍历，直到倒数第二个点，如果遇到导数大于 3 的点重复上述插入新点操作。
     第一次遍历后，再从新序列第 1 个点，开始遍历，如果某点 a 的导数 a′小于 -3，记序列中 a 的下一点遍历点为 b，在序列 a， b 之间插入新的点。然后再从 b 开始遍历，直到倒数第 2 个点，如果遇到导数小于 -3 的点重复上述插入新点操作。
     步骤 (4) 所述按一定规则对第 (3) 步中重构过的侧影线簇中每条侧影线进行双模板匹配，规则是：
     将模板 1， 2 和侧影线按 i 坐标从大到小排序，首先使用模板 1 进行匹配，找到最佳匹配位置 ( 模板与侧影线对应点误差平方和最小 )，再使用模板 2 进行匹配，从侧影线第一点到模板 1 的最佳匹配位置之间找到模板 2 的最佳匹配位置。匹配结果是模板 1 的最小误差平方和加上模板 2 的最小误差平方和。步骤 (4) 所述按一定规则定位人脸的三维扫描数据中的鼻尖点，规则如下： S 是等定位鼻尖点的人脸的三维扫描数据中所有点的集合 P 是 S 的侧影线簇中匹配结果最小的侧影线， Sp 是提取出侧影线 P 的人脸的三维扫描数据中所有点的集合 ( 由 S 或者 S 经过旋 t′ (x， i) ∈ P，且 t′ (x， i) 是模板 1 与 P 最佳匹配时 t(x， i) 对应匹配的点，其转得到 )
     中 t(x， i) ∈ m1，且
     Tf.y 是提取出的侧影线 Pm1 的人脸的三维扫描数据的鼻尖点的 y 坐标 Pm1 是提取出模板 1 的侧影线 Subi(Sp) 是如下点集合： {(x， y， z)|(x， y， z) ∈ Sp，且 y ∈ [i， i+1)} maxi(Sp) 是如下点： maxi(Sp) ∈ Subi(S) 且 T(x， y， z) ∈ Subt′ .i(Sp)，且 A.z ≤ maxi(Sp).z T.z ≥ T′ .z如果 Sp 就是 S，那么 T(x， y， z) 就是鼻尖点，如果 Sp 是 S 旋转得到，则 S 中一点 Ts 旋转得到 T(x， y， z)，那么 Ts 就是鼻尖。
     人脸的三维扫描数据中鼻尖点的定位问题可以定义如下：给定一个人脸的三维扫描数据，假设没有任何关于被扫描人脸的姿态和方向的信息，如何在三维扫描数据中定位鼻尖点。
     人脸上鼻尖点没有严格的定义，一般描述性地定义为：头部以眼耳平面定位时，鼻尖上向前最突出的点 ( 百度百科，互动百科上鼻尖点的定义 )。故要定位人脸，可以通过估计人脸的三维扫描数据的姿态和方向，一旦获得了人脸的姿态和方向，根据定义，该方向上向前最突出的点就是鼻尖点。通过事先提取的双模板与通过旋转三维扫描数据，再提取的侧影线匹配，查找与双模板具有最佳匹配的侧影线，由于模板是从正侧人脸的三维扫描数据的侧影线中提取，可以近似地认为，最佳匹配的侧影线是从正侧人脸的三维扫描数据中提取，再结合模板 1 与最佳匹配侧影线的匹配位置就可以定位鼻尖点。
     本发明有益的效果是可以在人脸的三维扫描数据中自动地、准确地定位鼻尖点。附图说明
     图 1 是本发明鼻尖点定位的流程图；图 2 是双模板提取结果；图 3 是人脸的三维扫描数据的侧影线；图 4 是侧影线重构结果；图 5 是双模板匹配过程；图 6 通过最佳匹配侧影线及最佳匹配位置得到鼻尖点的过程。具体实施方式：
     以下将结合附图和具体实施方式详细描述本发明，但附图和具体实施方式仅对发明起解释作用，并不用于限定本发明的保护范围。
     本发明的在人脸的三维扫描数据中自动定位鼻尖点的方法流程如图 1 所示，其具体步骤如下：
     双模板提取：
     从各种已知为正侧姿态的人脸的三维扫描数据的侧影线中挑选侧影线 P， P 满足：
     b(x， i) ∈ P，满足 Tf.y 是提取此侧影线的人脸的三维扫描数据的鼻尖点的 y 坐标 Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标且 t.i， b.i 满足式 (1)， (2) 0.55 ≤ 1(t.i-b.i)/(t.x-b.x)| ≤ 0.65， (1)然后选择满足式 (3) 的点集作为模板 1，满足式 (4) 的点集作为模板 2，合称为双模板 ( 图 2)。
     {m(x， i)|m(x， i) ∈ P， 0 ≤ m.i-t.i ≤ 30 或者 0 ＜ t.i-m.i ≤ 9}(3)
     {m(x， i)|m(x， i) ∈ P， 0 ≤ m.i-b.i ≤ 6 或者 0 ＜ t.i-b.i ≤ 31}(4)
     侧影线簇的提取
     对每个 α ∈ {-90， -85， -80， ......85， 90}、 β ∈ {-60， -55， -50， ......55， 60}，将待定位鼻尖点的人脸的三维扫描数据绕 y 轴旋转 α 度， x 轴旋转 β 度，记旋转之后的三维扫描数据为 S，然后将 S 按纵坐标大小划分成多个不相交的子集 Subi(S)， Subi(S) 是式 (5) 定义的集合，然后在每个 Sub(S)i 找出 maxi(S)， maxi(S) 由式 (6) 定义，人脸的三维扫描数据的经过绕 y 轴旋转 α 度， x 轴旋转 β 度的侧影线 Pα， β 是由式 (7) 给出。一共得到 37×25 ＝ 925 条侧影线 ( 图 3) 组成的侧影线簇。
     Subi(S) ＝ {(x， y， z)|(x， y， z) ∈ S，且 y ∈ [i， i+1)} (5)
     maxi(S)(x， y， z) ∈ Subi(S) 且maxi(S).z ≥ A.z(6)Pα， i)|Subi(S) 不为空集，且 x 等于 maxi(S).z} (7) β ＝ {(x，
     侧影线重构
     定义侧影线 P 上一点 a(x， i) 处的导数为：
     a′＝ b.x-a.x
     a′为点 a(x， i) 处的导数， b(x′ i) 是满足如下条件的点：
     b(x′ i) ∈ P 且 b.i ＝ a.i-1
     如果 b 不存在，则 a′不存在，
     将待重构侧影线中点按纵坐标从大到小排序，记为 S，并从 S 第 20 个点，即纵坐标第 20 大的点，按纵坐标从大到小开始遍历，如果某点 A 导数 A′大于 3，则删除离 A 最近 ( 包括 A)，且纵坐标大于 A 的
     个点，但最多不超过 15 个，然后按如下方法插入新值：记 B(x， i) 为 S 中 A 的下一个遍历点，将 B 及 B 以后遍历点的 i 坐标加上 n， n 为删去的点的个数，记删去点后的 S 中 B 的上一个遍历点为 C
     dx ：＝ C′， C′是未删除点之前 C 的导数，如果 dx ＜ 0.1， dx ：＝ 0.1
     P：＝C如果 dx ＜ |1/k2|，重复进行以下步骤，直到 dx ≥ |1/k2| 或者 P.x ≥ B.x-dx ：
     ① S 中 B 及 B 后点 i 坐标减 1，在 B 之前并紧邻 B 插入点 I(P.x+dx， P.y-1)
     ②P：＝ I， dx ：＝ dx×2-0.05
     k2 是模板 2 中 i 坐标最小的 23 个点的最小二乘拟合直线的斜率
     如果 P.x ＜ B.x-|1/k2|，重复进行以下步骤，直到 P.x ≥ B.x-|1/kα| ：
     ① S 中 B 及 B 以后点 i 坐标减 1，在 B 之前并紧邻 B 插入点 I(P.x+|1/kα|， P.y-1)
     ②P：＝I
     然后，计算 S 中新插入点和 C 的导数，再从 B 开始遍历，直到序例 S 中倒数第二点，如果遇到导数大于 3 的点重复上述删除与插入新点操作。
     再从第一次遍历后的新序列的第 1 个点开始遍历，如果某点 A 的导数 A′小于 -3，则按下述方法插入新点：
     记 S 中 A 之后的下一个遍历点为 B
     P：＝A
     如果 P.x ＞ B.x+1/k1，重复进行以下步骤，直到 P.x ≥ B.x-|1/k1| ：
     ① B 及 B 以后点 i 坐标减 1， S 中插入点 I(P.x+|1/k1|， P.y-1)
     ②P：＝I
     k1 是模板 1 中 i 坐标最小的 6 个点的最小二乘拟合直线的斜率
     接着再从点 B 继续遍历 S，直到 S 中倒数第二个点，如果遇到导数小于 -3 的点重复上述插入新点操作。
     经过两次遍历最后得到的 S 即为重构过的侧影线点序列 ( 图 4)，将第一步提取的侧影线簇中每一条侧影线都进行重构。
     双模板匹配
     使用第 2 步重构过的侧影线点序列 S 与双模板进行匹配，鼻子模板与侧影线匹配的过程即对应点有最小误差平方和的位置查找过程 ( 图 5)。我们首先使用模板 1 进行匹配，找到最佳匹配位置 ( 对应点误差平方和最小，下同 )，再使用模板 2 进行匹配，从第一点到模板 1 的最佳匹配位置之间找到模板 2 的最佳匹配位置。与模板 1 和模板 2 最佳匹配时对应点误差平方和最小的侧影线即为最佳匹配侧影线，最佳匹配侧影线 Pbest 的形式化表述为：
     记 Sp 为侧影线 P 上点按纵坐标从大到小排序后的点序列， Sp[i] 表示序列 Sp 中第 i 个点， |Sp| 表示 Sp 中点个数；
     记 |mz| 为模板 z 中点的数目， mz[j].x 为模板 z 第 j 个点的 x 坐标， z ＝ 1， 2；
     记 m2min 为模板 2 上点 x 坐标的最小值，记 m1max 为模板 1 上点 x 坐标的最大值；
     按如下定义函数 f(S， z， i， bias) ：
     意义为模板 z 与侧影线点序列 S 在区间 [i， i+|mz|] 上对应点减去偏差 bias 后误差平方和；则 Sump， 1 按如下定义：Pall 是所有重构过的侧影线的集合；
     Sump， 2 按如下定义：
     kp 按如下定义：
     找到最佳匹配侧影线后，实际操作时，并非再到正侧姿态的人脸的三维扫描数据上寻找最突出的点，而是选择最佳匹配侧影线与模板 1 最佳匹配时，模板 1 上鼻尖点 ( 图 6a， 6b 中点 A) 对应匹配的最佳匹配侧影线上点 ( 图 6c 中点 B) 对应的原人脸的三维扫描数据上的点 ( 图 6d 中点 C) 做为鼻尖点。
     本发明的试验结果在 FRGC Fall2003 库上进行了实验，该库是 FRGC v2.0 的一部分，包含 1893 个原始头肩的扫描数据，先进行预处理割出人脸部分的三维扫描数据，再经过旋转和重采样模拟非正侧人脸的三维扫描数据，本方法在各种非正侧人脸的三维扫描数据集上都取得了很好的定位效果。表 1 是实验结果：
     表 1 定位结果与事先手工标定的鼻尖点误差在 10 毫米以内的百分比
     表 1 中 pitch、 yaw 的值表示待定位的人脸的三维扫描数据事先绕水平轴、竖起轴旋转的角度。表 1 中数据是定位结果与事先手工标定的鼻尖点误差在 10 毫米以内的百分比。从表 1 可以看出，本方法在各种非正侧人脸的三维扫描数据集上都取得了很好的定位效果。

资源描述

《一种在人脸的三维扫描数据中自动定位鼻尖点的方法.pdf》由会员分享，可在线阅读，更多相关《一种在人脸的三维扫描数据中自动定位鼻尖点的方法.pdf（14页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 101976355 A (43)申请公布日 2011.02.16 CN 101976355 A *CN101976355A* (21)申请号 201010296776.4 (22)申请日 2010.09.26 G06K 9/64(2006.01) (71)申请人浙江大学地址 310027 浙江省杭州市西湖区浙大路 38 号 (72)发明人潘纲傅俊康韩松 (74)专利代理机构杭州裕阳专利事务所 ( 普通合伙 ) 33221 代理人江助菊 (54) 发明名称一种在人脸的三维扫描数据中自动定位鼻尖点的方法 (57) 摘要本发明公开了一种在人脸的三维扫描。

2、数据中定位鼻尖点的方法，其步骤如下： (1) 双模板提取； (2) 侧影线簇的提取； (3) 侧影线重构； (4) 双模板匹配； (5)定位鼻尖点。本发明的有益的效果是可以在人脸的三维扫描数据中自动、准确地定位鼻尖点。 (51)Int.Cl. (19)中华人民共和国国家知识产权局 (12)发明专利申请权利要求书 3 页说明书 7 页附图 3 页 CN 101976360 A1/3 页 2 1. 一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其步骤如下： (1) 双模板提取：从正侧姿态的人脸的三维扫描数据的侧影线中，挑选满足一定条件的侧影线，按一定。

3、规则从中提取两个点集作为模板 1 和模板 2，合称为双模板； (2) 侧影线簇的提取：对每个 -90， -85， -80， 85， 90、 -60， -55， -50， 55， 60，将待定位鼻尖点的人脸的三维扫描数据绕 y 轴旋转度，然后绕x轴旋转度，然后提取旋转之后的人脸的三维扫描数据的侧影线，得到3725 925 条侧影线组成的侧影线簇； (3) 侧影线重构：对第 (2) 步得到的人脸的三维扫描数据的侧影线簇中的每条侧影线，计算侧影线上每个点的导数，根据一定规则删除侧影线中点和在侧影线中插入新的点； (4) 双模板匹配：按一定规则对第 (3。

4、) 步中重构过的侧影线簇中每条侧影线进行双模板匹配，根据匹配结果，按一定规则定位三维人脸扫描数据中的鼻尖点。 2. 根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (1) 中正侧姿态的人脸，是人脸朝向与三维扫描设备的 z 轴平行，且双眼连线与三维扫描设备 y 轴垂直的人脸。 3. 根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (1) 中三维扫描数据的侧影线，是如下二维数据点的集合： (x， i)|Subi(S) 不为空集，且 x 等于 maxi(S).z 其中 S 是三维扫描数据。

5、中所有点的集合， Subi(S) 是如下点集合： (x， y， z)|(x， y， z) S，且 y i， i+1) maxi(S)(x， y， z) 是如下点： maxi(S)(x， y， z) Subi(S) 且maxi(S).z A.z。 4. 根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (1) 中满足一定条件的侧影线是：侧影线 P，b(x， i) P，满足 Tf.y 是提取此侧影线的人脸的三维扫描数据的鼻尖点的 y 坐标， Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标，且 0.55 |(t.i-b.i。

6、)/(t.x-b.x)| 0.65， 5. 根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (1) 中按一定规则选择两个点集做为模板 1 和模板 2，模板 1 是如下点集合： m(x， i)|m(x， i) P， 0 m.i-t.i 30 或者 0 t.i-m.i 9 模板 2 是如下点集合： m(x， i)|m(x， i) P， 0 m.i-b.i 6 或者 0 t.i-b.i 31 Tf.y 是提取此侧影线的人脸的三维扫描数据的鼻尖点的 y 坐标， Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标。 6. 根据权利要求。

7、1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特权利要求书 CN 101976355 A CN 101976360 A2/3 页 3 征是：步骤 (3) 中导数定义如下， a b.x-a.x a点 a(x， i) 处的导数， b(x， i) 是满足如下条件的点： b(x， i) P 且 b.i a.i-1 如果 b 不存在，则 a不存在。 7. 根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (3) 中所述根据一定规则删除侧影线中点和在侧影线中插入新的点，删除或插入点规则是：将 P 中点 (x， i) 按。

8、 i 坐标值从大到小排序，并从序列第 20 个点，即纵坐标第 20 大的点，按纵坐标从大到小开始遍历，如果某点 a 导数 a大于 3，则删除点 a 和离点 a 最近且 i 坐标大于 a 的个点，但最多不超过 15 个，记删除点之前序列中 a 的下一个遍历点为 b，在 b 及删除点之后序列中 b 上一点之间插入新点。然后再从 b 开始遍历，直到倒数第二个点，如果遇到导数大于 3 的点重复上述插入新点操作；第一次遍历后，再从新序列第 1 个点，开始遍历，如果某点 a 的导数 a小于 -3，记序列中 a 的下一点遍历点为 b，在序列 a， b 之间插入新的点。

9、。然后再从 b 开始遍历，直到倒数第 2 个点，如果遇到导数小于 -3 的点重复上述插入新点操作。 8. 根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (4) 所述按一定规则对第 (3) 步中重构过的侧影线簇中每条侧影线进行双模板匹配，规则是：将模板 1， 2 和侧影线按 i 坐标从大到小排序，首先使用模板 1 进行匹配，找到最佳匹配位置，即模板与侧影线对应点误差平方和最小的位置，再使用模板 2 进行匹配，从侧影线第一点到模板 1 的最佳匹配位置之间找到模板 2 的最佳匹配位置，匹配结果是模板 1 的最小误差平方和。

10、加上模板 2 的最小误差平方和。 9. 根据权利要求 1 所述的一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其特征是：步骤 (4) 所述按一定规则定位人脸的三维扫描数据中的鼻尖点，规则如下： S 是等定位鼻尖点的人脸的三维扫描数据中所有点的集合， P 是 S 的侧影线簇中匹配结果最小的侧影线， Sp是提取出侧影线 P 的人脸的三维扫描数据中所有点的集合，该集合由 S 或者 S 经过旋转得到； t (x， i) P，且 t (x， i) 是模板 1 与 P 最佳匹配时 t(x， i) 对应匹配的点，其中 t(x， i) m1，且 Tf.y 是提取出的侧影线 Pm1的人。

11、脸的三维扫描数据的鼻尖点的 y 坐标， Pm1是提取出模板 1 的侧影线， Subi(Sp) 是如下点集合： (x， y， z)|(x， y， z) Sp，且 y i， i+1) maxi(Sp) 是如下点： maxi(Sp) Subi(S) 且maxi(Sp).z T(x， y， z) Subt .i(Sp)，且T.z T .z 权利要求书 CN 101976355 A CN 101976360 A3/3 页 4 如果 Sp就是 S，那么 T(x， y， z) 就是鼻尖点，如果 Sp同 S 旋转得到，则， S 中一点 Ts旋转得到 T(x， y， z)，那么 Ts就。

12、是鼻尖。权利要求书 CN 101976355 A CN 101976360 A1/7 页 5 一种在人脸的三维扫描数据中自动定位鼻尖点的方法技术领域 0001 本发明涉及一种在人脸的三维扫描数据中自动定位鼻尖点的方法，尤其涉及一种以双模板匹配为基础的，非正侧人脸的三维扫描数据中自动定位鼻尖点的方法。背景技术 0002 近年来，随着三维扫描技术的逐渐成熟，三维人脸的识别、三维表情判定与模拟以及三维人脸超分辨率等领域得到了长足的发展。鼻尖点是三维人脸数据中最为重要的特征点之一，该点的精确定位在三维人脸识别的相关领域，尤其在预处理阶段以及模型对齐阶段具有非常重要。

13、的作用。 0003 尽管近些年来国内外学者对自动定位三维人脸鼻尖点提出了不少算法，但对非正侧朝向人脸的三维扫描数据中鼻尖点的快速、精确定位仍然是一个难点。然而在三维设备采集人脸过程中，并不能确保总采集出正侧朝向的人脸的三维扫描数据，因为有的时候是在被采集人员不知情的情况下采集，即使被采集人员非常配合也无法保证采集出完全正侧的人脸的三维扫描数据，因此研究三维非正侧朝向人脸的三维扫描数据的鼻尖点的精确定位有着重要的意义和实用价值。发明内容 0004 本发明提供一种基于双模板匹配的在人脸的三维扫描数据中自动定位鼻尖点的方法，主要解决的是非正侧人脸的三维扫描数据中鼻尖点的自。

14、动定位问题。 0005 一种在人脸的三维扫描数据中自动定位鼻尖点的方法，其步骤如下： 0006 (1)、双模板提取：从正侧姿态的人脸的三维扫描数据的侧影线中，挑选满足一定条件的侧影线，按一定规则从中提取两个点集作为模板 1 和模板 2，合称为双模板。 0007 (2)、侧影线簇的提取：对每个 -90， -85， -80， 85， 90、 -60， -55， -50， 55， 60，将待定位鼻尖点的人脸的三维扫描数据绕 y 轴旋转度，然后绕x轴旋转度，然后提取旋转之后的人脸的三维扫描数据的侧影线。得到3725 925 条侧影线组成的侧影线簇。 000。

15、8 (3)、侧影线重构：对第 (2) 步得到的人脸的三维扫描数据的侧影线簇中的每条侧影线，计算侧影线上每个点的导数，根据一定规则删除侧影线中点和在侧影线中插入新的点。 0009 (4)、双模板匹配：按一定规则对第 (3) 步中重构过的侧影线簇中每条侧影线进行双模板匹配，根据匹配结果，按一定规则定位三维人脸扫描数据中的鼻尖点。 0010 步骤(1)中正侧姿态的人脸，是人脸朝向与三维扫描设备的z轴平行，且双眼连线与三维扫描设备 y 轴垂直的人脸。 0011 步骤 (1) 中三维扫描数据的侧影线，是如下二维数据点的集合： 0012 (x， i)|Subi(S) 不。

16、为空集，且 x 等于 maxi(S).z 0013 其中 S 是三维扫描数据中所有点的集合，说明书 CN 101976355 A CN 101976360 A2/7 页 6 0014 Subi(Sp) 是如下点集合： 0015 (x， y， z)|(x， y， z) Sp，且 y i， i+1) 0016 maxi(S)(x， y， z) 是如下点： 0017 maxi(S)(x， y， z) Subi(S) 且maxi(S).z A.z 0018 步骤 (1) 中满足一定条件的侧影线是： 0019 侧影线 P，b(x， i) P，满足 0020 Tf-y 是提取此侧影线的人。

17、脸的三维扫描数据的鼻尖点的 y 坐标 0021 Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标 0022 且 0.55 |(t.i-b.i)/(t.x-b.x)| 0.65， 0023 0024 步骤 (1) 中按一定规则选择两个点集作为模板 1 和模板 2，模板 1 是如下点集合： 0025 m(x， i)|m(x， i) P， 0 m.i-t.i 30 或者 0 t.i-m.i 9 0026 模板 2 是如下点集合： 0027 m(x， i)|m(x， i) P， 0 m.i-b.i 6 或者 0 t.i-b.i 31 0028 Tf.y 是提取此侧影线的人脸的三维。

18、扫描数据的鼻尖点的 y 坐标 0029 Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标 0030 步骤 (3) 中导数定义如下， 0031 a b.x-a.x 0032 a为点 a(x， i) 处的导数， b(x， i) 是满足如下条件的点： 0033 b(x， i) P 且 b.i a.i-1 0034 如果 b 不存在，则 a不存在 0035 步骤 (3) 中所述根据一定规则删除侧影线中点和在侧影线中插入新的点，删除或插入点规则是： 0036 将 P 中点 (x， i) 按 i 坐标值从大到小排序，并从序列第 20 个点，即纵坐标第 20 大的点，按纵坐。

19、标从大到小开始遍历，如果某点 a 导数 a大于 3，则删除点 a 和离点 a 最近且 i 坐标大于 a 的个点，但最多不超过 15 个，记删除点之前序列中 a 的下一个遍历点为 b，在 b 及删除点之后序列中 b 上一点之间插入新点。然后再从 b 开始遍历，直到倒数第二个点，如果遇到导数大于 3 的点重复上述插入新点操作。 0037 第一次遍历后，再从新序列第 1 个点，开始遍历，如果某点 a 的导数 a小于 -3，记序列中 a 的下一点遍历点为 b，在序列 a， b 之间插入新的点。然后再从 b 开始遍历，直到倒数第 2 个点，如果遇到导数小于 -3 的点。

20、重复上述插入新点操作。 0038 步骤(4)所述按一定规则对第(3)步中重构过的侧影线簇中每条侧影线进行双模板匹配，规则是： 0039 将模板 1， 2 和侧影线按 i 坐标从大到小排序，首先使用模板 1 进行匹配，找到最佳匹配位置 ( 模板与侧影线对应点误差平方和最小 )，再使用模板 2 进行匹配，从侧影线第一点到模板 1 的最佳匹配位置之间找到模板 2 的最佳匹配位置。匹配结果是模板 1 的最小误差平方和加上模板 2 的最小误差平方和。说明书 CN 101976355 A CN 101976360 A3/7 页 7 0040 步骤 (4) 所述按一定规则定位人脸的。

21、三维扫描数据中的鼻尖点，规则如下： 0041 S 是等定位鼻尖点的人脸的三维扫描数据中所有点的集合 0042 P 是 S 的侧影线簇中匹配结果最小的侧影线， 0043 Sp是提取出侧影线 P 的人脸的三维扫描数据中所有点的集合 ( 由 S 或者 S 经过旋转得到 ) 0044 t (x， i) P，且 t (x， i) 是模板 1 与 P 最佳匹配时 t(x， i) 对应匹配的点，其中 t(x， i) m1，且 0045 Tf.y 是提取出的侧影线 Pm1的人脸的三维扫描数据的鼻尖点的 y 坐标 0046 Pm1是提取出模板 1 的侧影线 0047 Subi(Sp) 是如下点集合。

22、： 0048 (x， y， z)|(x， y， z) Sp，且 y i， i+1) 0049 maxi(Sp) 是如下点： 0050 maxi(Sp) Subi(S) 且A.z maxi(Sp).z 0051 T(x， y， z) Subt .i(Sp)，且T.z T .z 0052 如果 Sp就是 S，那么 T(x， y， z) 就是鼻尖点，如果 Sp是 S 旋转得到，则 S 中一点 Ts 旋转得到 T(x， y， z)，那么 Ts就是鼻尖。 0053 人脸的三维扫描数据中鼻尖点的定位问题可以定义如下：给定一个人脸的三维扫描数据，假设没有任何关于被扫描人脸的姿态和方向。

23、的信息，如何在三维扫描数据中定位鼻尖点。 0054 人脸上鼻尖点没有严格的定义，一般描述性地定义为：头部以眼耳平面定位时，鼻尖上向前最突出的点 ( 百度百科，互动百科上鼻尖点的定义 )。故要定位人脸，可以通过估计人脸的三维扫描数据的姿态和方向，一旦获得了人脸的姿态和方向，根据定义，该方向上向前最突出的点就是鼻尖点。通过事先提取的双模板与通过旋转三维扫描数据，再提取的侧影线匹配，查找与双模板具有最佳匹配的侧影线，由于模板是从正侧人脸的三维扫描数据的侧影线中提取，可以近似地认为，最佳匹配的侧影线是从正侧人脸的三维扫描数据中提取，再结合模板 1 与最佳匹。

24、配侧影线的匹配位置就可以定位鼻尖点。 0055 本发明有益的效果是可以在人脸的三维扫描数据中自动地、准确地定位鼻尖点。附图说明 0056 图 1 是本发明鼻尖点定位的流程图； 0057 图 2 是双模板提取结果； 0058 图 3 是人脸的三维扫描数据的侧影线； 0059 图 4 是侧影线重构结果； 0060 图 5 是双模板匹配过程； 0061 图 6 通过最佳匹配侧影线及最佳匹配位置得到鼻尖点的过程。具体实施方式： 0062 以下将结合附图和具体实施方式详细描述本发明，但附图和具体实施方式仅对发说明书 CN 101976355 A CN 101976360 A4/。

25、7 页 8 明起解释作用，并不用于限定本发明的保护范围。 0063 本发明的在人脸的三维扫描数据中自动定位鼻尖点的方法流程如图 1 所示，其具体步骤如下： 0064 双模板提取： 0065 从各种已知为正侧姿态的人脸的三维扫描数据的侧影线中挑选侧影线 P， P 满足： 0066 b(x， i) P，满足 0067 Tf.y 是提取此侧影线的人脸的三维扫描数据的鼻尖点的 y 坐标 0068 Bf.y 是提取此侧影线的人脸的三维扫描数据的鼻基点的 y 坐标 0069 且 t.i， b.i 满足式 (1)， (2) 0070 0.55 1(t.i-b.i)/(t.x-b.x)| 0.6。

26、5， (1) 0071 0072 然后选择满足式 (3) 的点集作为模板 1，满足式 (4) 的点集作为模板 2，合称为双模板 ( 图 2)。 0073 m(x， i)|m(x， i) P， 0 m.i-t.i 30 或者 0 t.i-m.i 9(3) 0074 m(x， i)|m(x， i) P， 0 m.i-b.i 6 或者 0 t.i-b.i 31(4) 0075 侧影线簇的提取 0076 对每个 -90， -85， -80， 85， 90、 -60， -55， -50， 55， 60，将待定位鼻尖点的人脸的三维扫描数据绕 y 轴旋转度， x 轴旋转度，记旋转之后的三维扫。

27、描数据为 S，然后将 S 按纵坐标大小划分成多个不相交的子集 Subi(S)， Subi(S) 是式 (5) 定义的集合，然后在每个 Sub(S)i找出 maxi(S)， maxi(S) 由式 (6) 定义，人脸的三维扫描数据的经过绕 y 轴旋转度， x 轴旋转度的侧影线 P，是由式 (7) 给出。一共得到 3725 925 条侧影线 ( 图 3) 组成的侧影线簇。 0077 Subi(S) (x， y， z)|(x， y， z) S，且 y i， i+1) (5) 0078 maxi(S)(x， y， z) Subi(S) 且maxi(S).z A.z (6) 0079 P，。

28、 (x， i)|Subi(S) 不为空集，且 x 等于 maxi(S).z (7) 0080 侧影线重构 0081 定义侧影线 P 上一点 a(x， i) 处的导数为： 0082 a b.x-a.x 0083 a为点 a(x， i) 处的导数， b(x i) 是满足如下条件的点： 0084 b(x i) P 且 b.i a.i-1 0085 如果 b 不存在，则 a不存在， 0086 将待重构侧影线中点按纵坐标从大到小排序，记为 S，并从 S 第 20 个点，即纵坐标第20大的点，按纵坐标从大到小开始遍历，如果某点A导数A大于3，则删除离A最近(包括 A)，且纵坐标大。

29、于 A 的个点，但最多不超过 15 个，然后按如下方法插入新值： 0087 记 B(x， i) 为 S 中 A 的下一个遍历点，将 B 及 B 以后遍历点的 i 坐标加上 n， n 为删去的点的个数，记删去点后的 S 中 B 的上一个遍历点为 C 0088 dx ： C， C是未删除点之前 C 的导数，如果 dx 0.1， dx ： 0.1 0089 P ： C 说明书 CN 101976355 A CN 101976360 A5/7 页 9 0090 如果 dx |1/k2|，重复进行以下步骤，直到 dx |1/k2| 或者 P.x B.x-dx ： 0091 S 中。

30、B 及 B 后点 i 坐标减 1，在 B 之前并紧邻 B 插入点 I(P.x+dx， P.y-1) 0092 P ： I， dx ： dx2-0.05 0093 k2是模板 2 中 i 坐标最小的 23 个点的最小二乘拟合直线的斜率 0094 如果 P.x B.x-|1/k2|，重复进行以下步骤，直到 P.x B.x-|1/k| ： 0095 S 中 B 及 B 以后点 i 坐标减 1，在 B 之前并紧邻 B 插入点 I(P.x+|1/k|， P.y-1) 0096 P ： I 0097 然后，计算 S 中新插入点和 C 的导数，再从 B 开始遍历，直到序例 S 中倒数第二点，。

31、如果遇到导数大于 3 的点重复上述删除与插入新点操作。 0098 再从第一次遍历后的新序列的第 1 个点开始遍历，如果某点 A 的导数 A小于 -3，则按下述方法插入新点： 0099 记 S 中 A 之后的下一个遍历点为 B 0100 P ： A 0101 如果 P.x B.x+1/k1，重复进行以下步骤，直到 P.x B.x-|1/k1| ： 0102 B 及 B 以后点 i 坐标减 1， S 中插入点 I(P.x+|1/k1|， P.y-1) 0103 P ： I 0104 k1是模板 1 中 i 坐标最小的 6 个点的最小二乘拟合直线的斜率 0105 接着再从点B继续遍历S，。

32、直到S中倒数第二个点，如果遇到导数小于-3的点重复上述插入新点操作。 0106 经过两次遍历最后得到的 S 即为重构过的侧影线点序列 ( 图 4)，将第一步提取的侧影线簇中每一条侧影线都进行重构。 0107 双模板匹配 0108 使用第 2 步重构过的侧影线点序列 S 与双模板进行匹配，鼻子模板与侧影线匹配的过程即对应点有最小误差平方和的位置查找过程 ( 图 5)。我们首先使用模板 1 进行匹配，找到最佳匹配位置 ( 对应点误差平方和最小，下同 )，再使用模板 2 进行匹配，从第一点到模板 1 的最佳匹配位置之间找到模板 2 的最佳匹配位置。与模板 1 和模板 2 最佳。

33、匹配时对应点误差平方和最小的侧影线即为最佳匹配侧影线，最佳匹配侧影线 Pbest的形式化表述为： 0109 记 Sp为侧影线 P 上点按纵坐标从大到小排序后的点序列， Spi 表示序列 Sp中第 i 个点， |Sp| 表示 Sp中点个数； 0110 记 |mz| 为模板 z 中点的数目， mzj.x 为模板 z 第 j 个点的 x 坐标， z 1， 2 ； 0111 记 m2min为模板 2 上点 x 坐标的最小值，记 m1max为模板 1 上点 x 坐标的最大值； 0112 按如下定义函数 f(S， z， i， bias) ： 0113 0114 意义为模板 z 与侧影线点序列。

34、 S 在区间 i， i+|mz| 上对应点减去偏差 bias 后误差平方和；说明书 CN 101976355 A CN 101976360 A6/7 页 10 0115 则Pall是所有重构过的侧影线的集合； 0116 Sump， 1按如下定义： 0117 0118 0119 Sump， 2按如下定义： 0120 0121 0122 kp按如下定义： 0123 0124 找到最佳匹配侧影线后，实际操作时，并非再到正侧姿态的人脸的三维扫描数据上寻找最突出的点，而是选择最佳匹配侧影线与模板 1 最佳匹配时，模板 1 上鼻尖点 ( 图 6a， 6b中点A)对应匹配的最佳匹。

35、配侧影线上点(图6c中点B)对应的原人脸的三维扫描数据上的点 ( 图 6d 中点 C) 做为鼻尖点。 0125 本发明的试验结果在 FRGC Fall2003 库上进行了实验，该库是 FRGC v2.0 的一部分，包含 1893 个原始头肩的扫描数据，先进行预处理割出人脸部分的三维扫描数据，再经过旋转和重采样模拟非正侧人脸的三维扫描数据，本方法在各种非正侧人脸的三维扫描数据集上都取得了很好的定位效果。表 1 是实验结果： 0126 表 1 定位结果与事先手工标定的鼻尖点误差在 10 毫米以内的百分比说明书 CN 101976355 A CN 101976360 A7/。

36、7 页 11 0127 0128 表 1 中 pitch、 yaw 的值表示待定位的人脸的三维扫描数据事先绕水平轴、竖起轴旋转的角度。表 1 中数据是定位结果与事先手工标定的鼻尖点误差在 10 毫米以内的百分比。从表 1 可以看出，本方法在各种非正侧人脸的三维扫描数据集上都取得了很好的定位效果。说明书 CN 101976355 A CN 101976360 A1/3 页 12 图 1 图 2 说明书附图 CN 101976355 A CN 101976360 A2/3 页 13 图 3 图 4 说明书附图 CN 101976355 A CN 101976360 A3/3 页 14 图 5 图 6 说明书附图 CN 101976355 A 。

展开阅读全文