基于三維配準的面部變化檢測技術

楊東亮，宋昌江，高鳳嬌，何 艷

(1.黑龍江省科學院自動化研究所，哈爾濱 150090； 2.黑龍江省科學院高技術研究院，哈爾濱 150020)

?

基于三維配準的面部變化檢測技術

楊東亮1，2，宋昌江1，2，高鳳嬌1，2，何 艷1，2

(1.黑龍江省科學院自動化研究所，哈爾濱 150090； 2.黑龍江省科學院高技術研究院，哈爾濱 150020)

針對微整容變化檢測的問題，提出一種基于改進迭代最近點算法的變化檢測方法。首先采用面部數據曲率特征確定特征點，然后通過普式分析法對面部特征點集求解最小二乘函數，提高迭代最近點算法的效率。通過對面部微整形數據的測試，與經典的ICP方法相比，文中方法具有配準精度高、收斂速度快的特點。

變化檢測；最近點迭代；微整容；三維配準；面部變化；檢測技術

隨著計算機輔助技術和三維可視化技術的快速發展，其技術成果已被不斷應用到美容領域。應用三維圖像可以對面部從任意角度進行觀察，并進行術后評價，使整形手術趨于精確和微創，提高手術的滿意度[1]。醫學圖像的三維處理技術無論是在臨床，還是在理論研究領域都具有重要的意義。利用三維變化檢測技術對整形前后的變化進行評估的關鍵是三維配準技術。

三維點集的配準有手動配準和自動配準兩類。本文算法屬于自動配準方法，利用電腦程序得到兩個三維點集的變換參數，進而將這兩個三維點集配準。在圖像配準領域，一般采用迭代最近點(iterative closest point，ICP)算法[2，3]。但是傳統的ICP算法存在一些不足，比如ICP算法對初始條件的設置魯棒性不好，求解過程容易得到局部最值，導致錯誤配準結果；傳統的ICP算法的計算量大、計算效率不高等[4，5]。因此，很多文獻提出了對ICP算法的改進。文獻[6]提出結合主成分分析的ICP算法，該算法減少迭代的時間，但是圖像配準的精度不高。文獻[7]提出普式分析法結合到ICP算法中，該算法可以高效求解匹配參數的最小二乘解，即使在較差的初始條件下，也可以使配準的精度達到滿意，但是運算的時間較長。本文提出基于特征點和普式法的ICP算法，選取曲面曲率值大的點作為三維特征點集，提高計算效率。

1 基于三維配準的變化檢測方法

面部數據在差異檢測之前需要將面部數據配準，這里采用基于曲率特征點和普式分析法的迭代最近點方法。首先，應了解其中一個關鍵算法——對應點集的配準。

1.1 對應點集配準的普式分析法

對應點集配準是要通過最小二乘問題的求解得到兩個點集變換的旋轉和平移參數，采用普式分析法[7]。三維配準函數模型可以表示：Yi=RXi+T，其中Yi和Xi分別代表兩片點云中的對應點對，R和T分別代表變換的旋轉矩陣和平移向量。求解這些參數主要分為以下三步：

第一，分別將兩個點云坐標去重心化，去重心化的點云數據的矩陣X′，Y′。

第二，計算特征矩陣Q=Y′TX′，對其進行SVD分解，求得旋轉矩陣R。

1.2 三維變化檢測方法

最近點迭代算法在點云配準領域應用廣泛，結合普式分析法的最近點迭代算法能夠滿足面部三維數據配準在精度上的要求。但是實際面部數據量大，使用最近點迭代算法花費時間長，需要對其改進，提高計算效率。

本文基于三維配準的面部點云數據差異檢測技術，采用基于特征點的最近點迭代算法。根據面部三維曲面曲率，選取三維特征點，目的在于解決結合普式分析法的最近點迭代算法中計算效率的問題。具體來講，根據三維點的曲面曲率，在點云中尋找曲面上曲率較大的點，作為特征點，然后對特征點集進行配準。當配準完成后，微整形三維數據在同一坐標系下，通過對應點相減，獲得面部變化檢測結果。算法流程如圖1。

2 實驗結果和分析

為了測試本文算法的配準精度，將其與ICP算法進行比較。圖2a表示了微整形前后的面部點云數據。圖2b是基于經典ICP算法的配準效果圖，可以看到有部分區域，比如鼻子區域沒有重合，配準效果不佳。圖2c是本文配準結果，配準的效果較好，配準精度較高。圖2d是配準后的面部數據得到的變化位置檢測結果，可以檢測出在右臉頰位置有變化。

圖1 基于三維配準的變化檢測算法流程圖Fig.1 Change detection flow chart based on 3d registration

圖2 基于三維配準的變化檢測方法實驗結果Fig.2 Experimental results of change detection method based on 3d registration

3 結語

針對微整容前后的變化檢測問題，提出一種基于改進ICP算法的三維變化檢測技術，首先通過曲率特征選取特征點集，然后引入普式分析法求解出點云變換參數，最后通過配準的點云數據得到面部變化區域。通過實驗，所提出的方法相比經典的ICP算法，配準的精度高，且運算時間大大減少，具有較好的實際應用價值。

[1]JaconoAA，MaloneMH，TaleiB.Three-dimensionalanalysisoflong-termmidfacevolumechangeafterverticalvectordeep-planerhytidectomy[J].AestheticSurgeryJournal，2015，35(5)：491-503.

[2]BeslPJ，MckayHD.Amethodforregistrationof3-Dshapes[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，1992，14(2)：239-256.

[3]ZhangZY.Iterativeclosestpoint(ICP)[M].Heidelberg：Springer，2014.

[4] 高鳳嬌，宋昌江.基于ICP算法的人體三維點云數據的拼接技術[J].自動化技術與應用，2014，33(8)：39-42.

[5] 解則曉，徐尚.三維點云數據拼接中ICP及其改進算法綜述[J]. 中國海洋大學學報(自然科學版)，2010，40(1)：99-103.

[6]UmeyamaS.Least-squaresestimationoftransformationparametersbetween2pointpatterns[J].IEEETransactionsonPatternAnalysis&MachineIntelligence, 1991，13(4)：376-380.

[7]ReemaA，IngridD，YaronL.Continuousprocrustesdistancebetweentwosurfaces[J].CommunicationsonPureandAppliedMathematics，2013，66(6)：934-964.

Facial change detection methods based on 3d registration

YANG Dong-liang1,2, SONG Chang-jiang1,2, GAO Feng-jiao1,2, HE Yan1,2

(1. Institute of Automation, Heilongjiang Academy of Sciences, Harbin 150090, China;2. Institute of Advanced Technology, Heilongjiang Academy of Sciences, Harbin 150020, China)

In order to solve the problem of micro plastic change detection, this paper presents a change detection method based on improved ICP algorithm. First, the feature points are generated by surface curvature. Second, solving the least squares function of facial feature points by the procrustes method. In the experiments, facial micro plastic data is adopted to do the tests. Compared with the ICP method, the proposed method shows faster convergence and more accurate registration.

Change detection; Iterative closest point; Micro plastic; 3d registration; Facial change; Detection methods

2017-01-12

楊東亮(1984-)，男，碩士，研實員。

TP391.41

A

1674-8646(2017)04-0026-02