11.14 三维人脸识别算法

三维人脸识别由于其类内差距大而类间差距小，且易受表情变化等非刚性形变影响等特点，一直是一个富有挑战的模式识别问题[5] 。此外，三维人脸识别还易受头发遮挡，以及数据缺失等因素的影响。通过分析发现，虽然表情变化会改变人脸的三维形状，但人脸的局部形状信息依然能保持较好的稳定性。因此，采用局部特征匹配的方式可以有效地降低表情变化对人脸识别带来的负面影响。基于此，本文提出了一种基于 RoPS 局部特征的三维人脸识别算法[9] 。该算法首先采用鼻尖检测获得人脸点云；接着对三维人脸进行平滑补洞等预处理；进而在人脸上检测一系列具有较强类属关联性的关键点 ( 如图 10所示 )，这些关键点在不同个体人脸上的分布存在较大差异，但在同一个个体不同表情人脸上的分布较为相似。在此基础上，通过局部特征匹配与点云配准实现对三维人脸的融合识别 ( 如图 11 所示 )。
在 FRGC v2 标准数据集上的测试结果 ( 见表 1)表明，本文算法获得了非常高的识别率和对表情变化的稳健性。该算法的贡献在于两方面，一方面，采用局部特征有效降低了表情变化对人脸识别的不利影响；另一方面，综合利用人脸局部和全局信息，采用特征匹配和点云配准实现融合识别，进一步提高了识别算法的精度。