标定三维人脸识别系统的摄像机标定方法研究

三维人脸识别系统的摄像机标定方法研究

张磊 赵成 董秀则

(北京电子科技学院北京100070)

摘要提出了一种三维人脸识别系统的标定方法将BP神经网络和直接线性变换法DLT结合起来用DLT标定双目摄像机的线性部分用BP神经网络来描述系统的非线性部分。结果表明该方法结合了神经网络和直接线性变换法的优点利用神经网络的非线性逼近能力补偿由于镜头径向畸变、切向畸变等因素引起的系统非线性误差并且精度高、抗噪声能力强、鲁棒性好。

关键词三维人脸识别 摄像机标定直接线性变换神经网络

中图分类号 TP391 文献标识码 A

A Calibration Method for 3D Face Recognition Systems

Zhang Lei Zhao Cheng Dong Xiuze

(Beijing Electronic Science and Technology Institute,Beijing 100070)

Abstract:A new calibration method for 3D face recognition system is proposed in this paper,which using the BP neural networkand the direct liner transformation(DLT) Utilize DLT to calibration the linear part of binocular camera, and utilize BP neuralnetwork to compensate the nonlinear error of 3D face recognition system brought by lens distortion, etc The experiments resultsshow that the method we proposed is feasible,effective,and has high anti-noise ability

Keywords: 3D face recognition;cameral calibration;direct liner transformation;neural network

利用三维数据进行人脸识别可以避免姿态、

本文的标定方法

对于非线性模型摄像机标定考虑了畸变参数 引 设任意空间三维坐标点的齐次坐标(X,Y, Z,入了非线性优化但方法较繁速度慢对初值选

择和噪声比较敏感而且非线性搜索并不能保证参 1)T其对应的二维图像点齐次坐标m=(u v 1)T。数收敛到全局最优解。 摄像机为理想小孔成像模型则三维坐标点与对应

本文提出了一种新的标定方法结合神经网络 图像点的关系为



其中 λ代表任意比例因子 M为投影矩阵

是具有11个自由度的3×4矩阵

这个式子表明如果空间有n个已知的标定点 图1 3层BP神经网络模型

矩阵实际往往取远远大于6的已知空间点使方 式中 Oi1、 Oi2和Oi3为网络的3个输出值 Δxi、程的个数大大超过未知数的个数从而用最小二乘 Δyi和Δzi为已知的由线性标定计算出的世界坐标法求解以降低误差造成的影响。但由于镜头畸变等 和实际的世界坐标间的偏差值。

因素的影响根据这个线性模型得到的世界坐标 BP神经网络经过训练就可以用来计算非线性(x,y,z)往往和实际存在较大的非线性误 误差(x,y,z) 。

差 1 3 空间点坐标计算流程

(x,y, 本文的空间点坐标计算流程如图2所示。输入z) 。

1 2 用BP神经网络标定非线性参数 同一空间点在左右两相机上成像坐标(ul ,vl)和

镜头畸变包括径向畸变、偏心畸变和薄棱镜畸

变径向畸变是造成非线性误差的主要原因。径向 (ur ,vr) 分别代入公式3前面已完成线性标定

可得关于线性模型空式中 (,)是图像平面上某一图像点的极坐标 间点坐标(x,y,z)的四个方程如下

络是4输入3输出的3层神经网络 4个输入代表 yh 6图像点坐标(ul ,vl) 、 (ur ,vr)  3个输出代表线 其中mij、 hij为左右相机投影矩阵M的参数 由标

变换函数[7,8,9]。 (X,Y,Z) [10]  即

[XY Z]=[x′  y′  z′ ]+[ΔxΔyΔz] 7

图2 空间点坐标计算流程图 0.132 0.129 0.984 0.815 1 .001 2.1 19

本文标定方法分别用DLT标定相机投影矩阵2 实验结果与分析 参数和用神经网络系统标定的非线性部分和直接

用神经网络的标定方法存在不同。神经网络标定方2 1 实验装置建立了三维人脸识别检测系统。实验设备包 可以看作是对线性标定结果的修正。

括中国大恒数字工业摄像机DH-HV3000FC两台

结论

a左相机棋盘格模板平面和镜头平面平行将棋盘格模 参考文献

off-the-shelf TV cameras and lenses[J] IEEE Journal ofRobotics Automation 1987,3(4):323-344

[5]王东红罗均胡崟峰等.摄像机标定中的直接线性变换法[J].机械与电子 2006 9: 9-11.

[6]夏楠.基于最小二乘法的DLT摄像机定标法[J].信息技术 2006 5:98-100.

[7]张可许斌唐立新等.基于BP神经网络的双目视觉系统摄像机标定[J].机械与电子 2005 12: 12-14.

[8]崔彦平林玉池张晓玲.基于神经网络的双目视觉摄像机标定方法的研究[J]. 光电子·激光 200516(9) : 1097-1100.

[9]傅其凤崔彦平.双目视觉摄像机神经网络标定方法[J].工程图学学报 2005 6:93-97.

[10]谢凯刘宛予浦昭邦.结构光三维视觉检测系统的标定方法研究[J].光电子·激光 2007 18(3) :369-371.作者简介

张磊男 1979年出生北京电子科技学院讲师。主要研究方向为机器视觉、计算机检测技术等。 赵成男1973年出生北京电子科技学院讲师。主要研究方向为电子技术应用。

董秀则男 1976年出生北京电子科技学院讲师。主要研究方向为嵌入式技术。