三维人脸识别研究综述

近二十多年来,虽然基于图像的人脸识别已取得很大进展,并可在约束环境下获得很好的识别性能,但仍受光照、姿态、表情等变化的影响很大,其本质原因在于图像是三维物体在二维空间的简约投影.因此,利用脸部曲面的显式三维表达进行人脸识别正成为近几年学术界的研究热点.文中分析了三维人脸识别的产生动机、概念与基本过程;根据特征形式,将三维人脸识别算法分为基于空域直接匹配、基于局部特征匹配、基于整体特征匹配三大类进行综述;对二维和三维的双模态融合方法进行分类阐述;列出了部分代表性的三维人脸数据库;对部分方法进行实验比较,并分析了方法有效性的原因;总结了目前三维人脸识别技术的优势与困难,并探讨了未来的研究趋势.     

三维人脸识别及其关键技术

利用三维信息进行人脸识别是近年来提出的很有发展前景的人脸识别新思路。本文对三维人脸识别的优越性、思想方法和存在的困难进行了综述,并对三维人脸建模、人脸姿态估计和人脸识别算法这些三维人脸识别的关键技术进行了讨论。     

三维人脸识别研究进展

回顾了人脸机器识别的发展现状，阐述了3D人脸识别面临的挑战；讨论了基于3D人脸通用模型的解决方案，并且介绍了人脸模型的建模方法和人脸通用模型．将3D人脸识别问题分为人脸重建、头部跟踪、人脸识别和表情合成四类，并详细对四类问题的主流实现方法和手段进行了综述．     

多视角三维人脸识别中的特征提取

针对二维人脸识别系统在姿态发生较大变化就难以识别的问题,利用三维人脸数据姿态不变性的特征,提出了一个基于方向最大值的方法来估计鼻尖点,同时也给出姿态的角度.用子空间表示的鼻子轮廓模型被用来选择鼻尖点的最可行的候选点.另外,利用SUSAN算子提取边缘,并与方向积分投影等方法结合,快速准确的定位内外眼角点和嘴角点.实验证明该方法可以保证达到和手工自动标定特征点相差无几的准确率.     

基于轮廓线的三维人脸识别的改进算法

对已有的基于轮廓线的人脸识别方法进行了改进,在人脸的任意位置利用PCA自动确定人脸纵方向,采用网格配准方法提取对称面和对称轮廓线。通过计算对称轮廓线上的曲率,提取其他3条横向轮廓线。对提取的4条轮廓线进行重采样和归一化,截取轮廓线的有价值部分作为ICP算法的输入,进行人脸识别。试验证明,该算法将人脸识别率从原来的86.5%提高到了94%,降低了误识率。     

融合多种几何特征的三维人脸识别算法

由于对光照、姿态变化的不敏感, 三维人脸识别算法已经受到人们的极大关注, 其中三维人脸特征的表示、获取以及多种表示特征的有效融合仍然是三维人脸识别的核心问题. 本文提出一种三维人脸识别方法, 该方法针对归一化的三维人脸数据, 选取人脸的曲面特征和描述人脸特征相互关系矩阵的主分量特征作为人脸表示特征, 给出了各特征的提取方法及同类特征的相似性度量, 进而提出了一种对各类特征进行加权融合的方法, 即通过分析不同特征的分类识别能力, 根据Fisher的线性判别准则, 以类内和类间特征相似度的均值差与类内和类间的散度平方和之比的大小作为该类特征权重, 在决策层为不同的特征赋予不同的权重. 最后, 基于公开发布的BJUT-3D三维人脸数据库进行了识别性能实验. 实验结果证明, 本文的特征融合方法比一般的加权策略有更好的识别性能．     

基于深度学习的三维实时人脸识别技术研究

目前,虽然深度学习算法通过二维卷积能够获得二维图像,并且形成的二维图像可为人脸识别提供支持,但在实际场景之中,在人脸表情、姿态等方面的识别比较困难,而三维实时人脸识别技术则能够弥补这一缺陷。但由于人脸的姿态和表情随时可能出现变化,会导致三维人脸信息缺乏完整度,同时也会造成人脸区域发生变形等问题,因此,本文基于深度学习,对三维实时人脸识别技术进行研究,以持续解决当前人脸识别方面存在的问题。     

基于MEGI模型的三维人脸识别方法

三维人脸识别是未来人脸识别的方向,有望解决二维人脸识别的瓶颈问题。基于MEGI模型,扩展了球面相关性系数,将其用于三维人脸识别。实验证明,基于MEGI模型的方法可以用于三维人脸识别。     

基于改进几何特征的三维人脸识别方法

研究人脸识别问题,当人脸的表情发生很大变化时,提取的三维几何特征会发生较大变化,造成识别准确度很低,影响识别效果.为解决上述问题,提出了一种改进几何特征的三维人脸识别方法.通过求出人脸几何特征差异的关联程度,计算哪种三维几何特征变化与识别结果是无关的,哪种与识别结果足关联的,解决了人脸表情变化时的准确三维识别问题进行仿真.结果表明,改进方法实现识别高效,可使得三维人脸识别的准确度大大的提高,为设计提供了支持.     

一种基于局部描述符的三维人脸识别方法

提出一种局部描述符进行三维人脸识别。每个采样点的局部特征定义为该点根据其法向量与3个主轴之间的角度自适应选取的邻域点集向人脸主轴平面投影所得的面积。文中提出的三维人脸识别算法首先对人脸进行预处理,归一化到较统一的姿态后,提取与鼻尖等距的轮廓线,并对轮廓线进行重采样以剔除无用点。然后对每个采样点提取局部特征。最后建立人脸之间的点对应关系,将加权融合后的局部特征用于识别。通过实验认证,文中方法识别效果较好,且对遮挡和噪声有较好的鲁棒性。     

人脸识别中表情弱化处理研究

针对表情对人脸识别准确率的影响问题,提出了基于向导的局部表情弱化模型,其利用网格变形技术来减少表情人脸的塑性变形。首先在表情区域按三角面片变换,采用梯度算子计算出变形后梯度场,实现基于向导微分梯度场的变换;然后代入泊松方程完成离散三角形拼接和变形模型的重建。找到脸部表情不变的刚性区域,得到类内的平均人脸差异,从而产生约束条件并将之加入变形过程来保持类间的差异和类内的相似度。与其它算法比较,其识别准确率有明显提高,证明了算法的有效性。     

人脸识别综述

介绍了人脸识别的概念和发展,分析和比较了各种人脸识别方法的差异,探讨了人脸识别的应用和未来的研究趋势。     

基于离散余弦变换的人脸画像识别方法

设计了一个人脸画像自动识别系统,利用离散余弦变换进行特征提取,结合图像整体信息和局部信息,然后用最近邻分类器进行分类识别。实验获得了94.3％的正确识别率。     

视频图像中的人脸识别

视频中的人脸检测和身份识别应用领域广泛，文中利用定时器每0．3秒从视频图像序列中读取一幅图像进行人脸识别．首先我们利用了颜色信息来建立肤色模型，结合图像处理的基本知识准确定位人脸和进行人脸图像的预处理．然后对于处理后的人脸图像用K-L变换和神经网络的方法进行身份鉴别。实验证明该方法有很好的识别效果。     

基于聚类的大型人脸检索系统

介绍了基于聚类的大型人脸检索系统的设计思想与实现技术。该系统综合了人脸定位、人脸识别和聚类检索等技术,采用C／S模式,维护了大型的人脸数据库,提供了灵活的查询接口。实验结果表明该系统具有理想的识别率和查询速度,因此具有广泛的应用前景。     

人脸图像检测与识别方法综述

本文对人脸识别技术中的检测和识别分成两部分进行了讨论。首先,系统的整理分析了人脸检测的各种方法,其次,作为人脸识别技术的第二个环节,对人脸的各种识别方法进行了比较的论述,重点讨论了当前热点的识别算法,最后对人脸识别技术的发展方向进行了展望。     

人脸检测与识别技术综述

人脸的自动识别是模式识别、图像处理等学科的研究热点,并在商业和法律方面有广阔的应用前景(如身份证、信用卡、护照等身份认证以及智能小区管理、电视监控系统等等),近年来关于人脸自动识别的研究取得了很大的进展。但是,这些研究成果离这一问题的彻底解决还有很大的距离,这一课题仍然是当前研究的热点问题之一。本文重点对现有的人脸检测与识别的方法及研究进行总结,并比较了各种方法的优缺点。并在最后指出了进一步工作的方向。     

多姿态人脸识别

人脸识别在很多场合都有重要的作用,传统的身份验证是采用某种识别号码等方法, 以阻止伤造的发生。由于人的视觉特征如面部,姿态等是相对稳定而且各不相同的,因此采用这些特征进行身份的识别是可行的本文提出了一种处理多姿态人脸识别的多候选类加权识别方法,为了减少姿态变化的影响,提出了相应的预处理法。     

基于特征脸的人脸识别系统的研究

人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,用来辨认身份的一门技术.文章阐述了基于特征脸的人脸识别的基本算法,并对该方法进行改进,最后对其进行了仿真.该方法主要通过求出人脸图象与数据库中的特征脸空间距离来进行人脸的识别和分类,做到了快速准确地识别人脸.     

基于特征脸的人脸识别系统的研究

人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,用来辨认身份的一门技术。文章阐述了基于特征脸的人脸识别的基本算法,并对该方法进行改进,最后对其进行了仿真。该方法主要通过求出人脸图象与数据库中的特征脸空间距离来进行人脸的识别和分类,做到了快速准确地识别人脸。