基于三维配准的面部变化检测技术

杨东亮，宋昌江，高凤娇，何 艳

(1.黑龙江省科学院自动化研究所，哈尔滨 150090； 2.黑龙江省科学院高技术研究院，哈尔滨 150020)



基于三维配准的面部变化检测技术

杨东亮1，2，宋昌江1，2，高凤娇1，2，何 艳1，2

(1.黑龙江省科学院自动化研究所，哈尔滨 150090； 2.黑龙江省科学院高技术研究院，哈尔滨 150020)

针对微整容变化检测的问题，提出一种基于改进迭代最近点算法的变化检测方法。首先采用面部数据曲率特征确定特征点，然后通过普式分析法对面部特征点集求解最小二乘函数，提高迭代最近点算法的效率。通过对面部微整形数据的测试，与经典的ICP方法相比，文中方法具有配准精度高、收敛速度快的特点。

变化检测；最近点迭代；微整容；三维配准；面部变化；检测技术

随着计算机辅助技术和三维可视化技术的快速发展，其技术成果已被不断应用到美容领域。应用三维图像可以对面部从任意角度进行观察，并进行术后评价，使整形手术趋于精确和微创，提高手术的满意度[1]。医学图像的三维处理技术无论是在临床，还是在理论研究领域都具有重要的意义。利用三维变化检测技术对整形前后的变化进行评估的关键是三维配准技术。

三维点集的配准有手动配准和自动配准两类。本文算法属于自动配准方法，利用电脑程序得到两个三维点集的变换参数，进而将这两个三维点集配准。在图像配准领域，一般采用迭代最近点(iterative closest point，ICP)算法[2，3]。但是传统的ICP算法存在一些不足，比如ICP算法对初始条件的设置鲁棒性不好，求解过程容易得到局部最值，导致错误配准结果；传统的ICP算法的计算量大、计算效率不高等[4，5]。因此，很多文献提出了对ICP算法的改进。文献[6]提出结合主成分分析的ICP算法，该算法减少迭代的时间，但是图像配准的精度不高。文献[7]提出普式分析法结合到ICP算法中，该算法可以高效求解匹配参数的最小二乘解，即使在较差的初始条件下，也可以使配准的精度达到满意，但是运算的时间较长。本文提出基于特征点和普式法的ICP算法，选取曲面曲率值大的点作为三维特征点集，提高计算效率。

1 基于三维配准的变化检测方法

面部数据在差异检测之前需要将面部数据配准，这里采用基于曲率特征点和普式分析法的迭代最近点方法。首先，应了解其中一个关键算法——对应点集的配准。

1.1 对应点集配准的普式分析法

对应点集配准是要通过最小二乘问题的求解得到两个点集变换的旋转和平移参数，采用普式分析法[7]。三维配准函数模型可以表示：Yi=RXi+T，其中Yi和Xi分别代表两片点云中的对应点对，R和T分别代表变换的旋转矩阵和平移向量。求解这些参数主要分为以下三步：

第一，分别将两个点云坐标去重心化，去重心化的点云数据的矩阵X′，Y′。

第二，计算特征矩阵Q=Y′TX′，对其进行SVD分解，求得旋转矩阵R。

1.2 三维变化检测方法

最近点迭代算法在点云配准领域应用广泛，结合普式分析法的最近点迭代算法能够满足面部三维数据配准在精度上的要求。但是实际面部数据量大，使用最近点迭代算法花费时间长，需要对其改进，提高计算效率。

本文基于三维配准的面部点云数据差异检测技术，采用基于特征点的最近点迭代算法。根据面部三维曲面曲率，选取三维特征点，目的在于解决结合普式分析法的最近点迭代算法中计算效率的问题。具体来讲，根据三维点的曲面曲率，在点云中寻找曲面上曲率较大的点，作为特征点，然后对特征点集进行配准。当配准完成后，微整形三维数据在同一坐标系下，通过对应点相减，获得面部变化检测结果。算法流程如图1。

2 实验结果和分析

为了测试本文算法的配准精度，将其与ICP算法进行比较。图2a表示了微整形前后的面部点云数据。图2b是基于经典ICP算法的配准效果图，可以看到有部分区域，比如鼻子区域没有重合，配准效果不佳。图2c是本文配准结果，配准的效果较好，配准精度较高。图2d是配准后的面部数据得到的变化位置检测结果，可以检测出在右脸颊位置有变化。

图1 基于三维配准的变化检测算法流程图Fig.1 Change detection flow chart based on 3d registration

图2 基于三维配准的变化检测方法实验结果Fig.2 Experimental results of change detection method based on 3d registration

3 结语

针对微整容前后的变化检测问题，提出一种基于改进ICP算法的三维变化检测技术，首先通过曲率特征选取特征点集，然后引入普式分析法求解出点云变换参数，最后通过配准的点云数据得到面部变化区域。通过实验，所提出的方法相比经典的ICP算法，配准的精度高，且运算时间大大减少，具有较好的实际应用价值。

[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] 高凤娇，宋昌江.基于ICP算法的人体三维点云数据的拼接技术[J].自动化技术与应用，2014，33(8)：39-42.

[5] 解则晓，徐尚.三维点云数据拼接中ICP及其改进算法综述[J]. 中国海洋大学学报(自然科学版)，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

杨东亮(1984-)，男，硕士，研实员。

TP391.41

A

1674-8646(2017)04-0026-02