基于三维人脸特征分析的无人机跟拍系统

陆昌欣, 王 澍, 吕纪龙

(上海工程技术大学 电子电气工程学院, 上海 201620)

0 引 言

早期研究四旋翼无人机时更加注重无人机姿态控制。随着时代的进步，技术不断更新迭代，以及人脸识别技术不断成熟，研究者开始将无人机与人脸识别技术结合起来，在四旋翼无人机上安装摄像头，利用无人机实时捕捉图像。通过对图像中人脸特征的分析，达到识别人脸的目的。二维的人脸识别技术已经相对成熟，但是二维人脸识别的技术在许多方面还存在问题，如识别精度不高，对动态图像的识别准确度比较低，对人脸的识别速度相对较慢，实用价值不高。三维人脸识别技术相比二维人脸识别技术具有以下优势：

(1)三维人脸不受到亮度信息、光照、姿态等因素影响，抗干扰能力更强；

(2)人脸是一个三维的非刚性的物体，在分析结构时，有着一定的鲁棒性；

(3)对人脸的识别精度高，有更好的视觉体验。

目前常见的三维人脸识别算法有：基于空域直接匹配的算法、基于局部特征匹配的算法、基于整体特征匹配的算法[1]。本论文基于三维人脸特征分析，进一步讨论了三维人脸识别在无人机跟拍中的应用，建立了一个基于三维人脸特征分析的无人机跟拍系统，实验表明此系统具有较好的鲁棒性和稳定性。

1 三维人脸识别算法

基于局部特征的算法就是从人的面部提取一定的特征，如：眼睛、眉毛、鼻子、嘴巴等，这些特征能够将人脸完整的表现出来。在人脸变化的情况下，这些特征点依然能保持特征不改变。如何在人脸三维图像中提取出有用的局部特征，是局部特征算法的关键。本论文主要介绍的局部特征匹配算法中的曲线特征。

把人脸的三维曲面看做是由无数个二维曲线组成，这样就可以把三维人脸匹配问题降低到二维，降低计算的难度。基于面部曲线匹配的三维人脸识别的方法，如图1所示。具体步骤：先将降维的图像二值化处理，再将眼睛、鼻尖、鼻根、嘴角这几个特征点提取出来；把人的脸部进一步对齐，建立一个对齐的统一坐标系；在坐标系里选择过对称面的侧隐线、眼睛下侧的水平曲线和鼻尖区域曲线这三条曲线，把它们变成特征向量做对比，实现人脸的识别。在三维的环境下，人脸是变化的，这样就会给基准曲线的获取带来困难，不过可以通过人面部对称的特点，由原始的面部特征通过最小二乘法拟合出相应的对称面，这便可以找到对称面的中心侧隐线，解决基准曲线的获取困难的问题，完成识别过程[2]。

2 无人机目标跟拍设计

搭建四旋翼无人机硬件平台，在飞控的芯片中写入基于三维人脸特征分析的无人机跟拍算法。无人机起飞，打开双目摄像头开始跟拍；在空中悬停，执行三维人脸识别的算法，检测需要跟踪的人脸，若目标在视野范围内，便预测目标移动位置，随后开始执行跟踪算法。在一定的时间内，检测目标是否丢失，在没有丢失情况下，判断是否达到拍摄需求，达到就结束跟踪。

如果在一定的时间内，检测的目标丢失了，无人机会根据预测目标移动位置跟踪T秒，再开始执行三维人脸识别的算法，检测需要跟踪的人脸，开始新的一轮跟踪。

如果一开始目标不在视野范围内，无人机开始执行搜索算法，在检测到目标之后，然后执行跟踪算法。后续也是在一定的时间内开始检测目标是否丢失，没有丢失情况下，判断是否达到拍摄需求，达到要求即结束跟踪。三维人脸跟拍的流程如图2所示。

图2 三维人脸跟拍的流程

3 实验测试

本实验中无人机通过三维人脸识别算法对三维人脸特征进行分析，通过三维人脸的捕捉、跟踪拍摄，无人机可以执行小幅度转身、慢速下大幅度转身等姿态，也可以适应目标移动下的跟踪拍摄。通过设定部分飞行参数(如高度等)实现自动状态下的低空拍摄。

通过计算机仿真，测试算法对三维人脸特征的分析性能，经测试在光线充足，且距离人脸大于1.5 m的情况下，都可以识别到人脸,测试的结果如图3所示。

图3 人脸识别结果

4 结束语

本文设计了一种基于三维人脸特征分析的无人机跟拍系统，实验结果表明，该系统在三维的环境下，可以有效的检测出人脸，且能够有效地进行跟踪拍摄。本系统可以应用于新闻的户外拍摄、三维环境下的人物跟踪拍摄。可以给图像、视频的拍摄带来一种脱离人体持机的拍摄体验，节省了人力、物力的同时，提供了一种全新的跟踪拍摄方式，突破当今的拍摄限制。