基于深度的三維人臉識(shí)別關(guān)鍵技術(shù)研究.pdf

1、近年來(lái)，人臉識(shí)別技術(shù)因其友好、自然、易被用戶接受的特點(diǎn)，成為生物特征識(shí)別領(lǐng)域里面最為活躍的研究方向之一?；诙S人臉圖像的識(shí)別技術(shù)，受光照、姿態(tài)、表情地影響較大。就本質(zhì)而言，二維人臉其實(shí)就是三維人臉在某一個(gè)方向上的投影，因而三維人臉具有更多更豐富的信息，理論上可以得到更好的識(shí)別效果。三維人臉識(shí)別研究將是未來(lái)人臉識(shí)別的一個(gè)新的重點(diǎn)。
　　 本文從以下四個(gè)方面對(duì)闡述了基于深度的三維人臉識(shí)別技術(shù)的方法:人臉數(shù)據(jù)獲取、人臉數(shù)據(jù)預(yù)處理、特

2、征提取和分類(lèi)器設(shè)計(jì)。本文的主要工作如下:
　　 1.本文使用的是中科院CASIA三維人臉數(shù)據(jù)庫(kù)。我們先從數(shù)據(jù)庫(kù)獲取三維人臉數(shù)據(jù)，再進(jìn)行去噪、姿態(tài)調(diào)整等預(yù)處理后，將三維人臉數(shù)據(jù)投影到二維X-Y平面，獲得深度圖像。在投影過(guò)程中我們采用了迭代插值的方法來(lái)填充數(shù)據(jù)丟失點(diǎn)(datamissingpoint)，可以獲得較好的深度圖像。
　　 2.在獲取深度圖像后，我們對(duì)傳統(tǒng)的二維特征提取方法，如PCA、LDA、LPP等進(jìn)行了研究。P

3、CA是一種基準(zhǔn)算法。在二維特征提取方法中，一般LDA優(yōu)于PCA，于是我們也采用LDA方法來(lái)進(jìn)行了實(shí)驗(yàn)。由于三維人臉一般位于高維的非線性的流行結(jié)構(gòu)，基于線性空間理論的算法在流行空間的凹進(jìn)或凸出部位表現(xiàn)的不夠理想，難以得到較好的效果。
　　 3.基于單一特征的三維人臉識(shí)別方法都有各自的局限性，我們?cè)诒疚闹刑岢隽艘环N基于多種特征的分類(lèi)器級(jí)聯(lián)的三維人臉識(shí)別方法。我們先用PCA方法先篩選出一部分候選數(shù)據(jù)，充分利用人臉數(shù)據(jù)的整體特征，再利用