初探三维人脸识别技术

杜艳绥

摘要：随着信息化技术的不断发展，用户信息的安全性成为备受关注的问题之一，传统的口令对身份的验证已经不能满足人们的需求，三维人脸识别技术作为一种典型的生物特征识别技术成为身份识别的重要发展方向。三维人脸识别技术既有非接触性、信息完备等独特的优点，又有数据处理难度大、姿态表情年龄等因素的制约，因而在研究上具有重要的理论意义和现实意义。

关键词：三维人脸识别；关键技术；生物特征

中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2017）09-0234-01

1 三维人脸识别相关概述

1.1 三维人脸识别的介绍

如今的人类社会已经步入到了信息化时代，各种各样的信息充斥在我们的周围，在线支付、信息化办公、远程教育等都离不开身份的认证与识别，传统的验证方式通常是用户名与密码的结合，但是这种存在着不安全性，很容易被伪造或是窃取，口令验证越来越不适应社会信息的发展。而生物识别技术则主要是通过人类的生物特征来进行的一种身份验证的技术，由于生物特征的独特性和唯一性，可以满足身份验证的需要。比如：人脸识别、指纹识别、手型识别、虹膜识别、DNA识别等。而在众多生物识别中人脸识别则是便于信息的采集、可以非接触的、友好的人机交互的方式，尤其伴随着技术的成熟，也由原有的二维灰度图像逐步的升级为三维人脸识别[1]。

1.2 三维人脸识别与二维人脸识别的区别

人脸识别的技术起源于上世纪初，经过数十年的发展，二维人脸识别逐步转变为三维人脸识别。二维人脸识别的缺陷主要有：（1）光照条件对人脸识别的时候会因为光照角度或是光照强度的不同而得到不同的二维图像视觉效果。（2）人脸姿态在不同的姿态条件下会出现很大的差异性，最终导致识别判断的错误性。（3）人脸的面部表情会使人脸识别过程中出现偏差，破坏二维图像中。

二维人脸识别存在的缺陷可以通过三维人脸识别技术有所改变，比如光照条件问题可以通过基于 Gamma 灰度矫正的方式解决，人脸姿态的问题可以通过对不同角度而形成的二维人脸识别的图像进行合成来建模从而抑制姿态变化造成的成像影响，人脸的面部表情问题可以通过基于频率域或统计的方法提取表情特征，从而达到人脸识别。尽管三维人脸识别可以极大程度的改善二维人脸识别，但是却存在着算法较多、规模较大、限制条件较多等问题，因而三维人脸识别技术也存在着一定的制约性。

首先，人脸识别技术很多是对二维人脸识别技术的延续，许多技术方法与手段尚不成熟，未能完全发挥出三维图像的优势。其次，三维人脸图像对于光照条件不明感，对于姿态、表情、年龄等方面的因素也会对三维人脸识别的效果造成影响，仍需技术加以克服。最后，三维人脸的分辨率要求越来越高，信息量也在不断加大，如何利用有效的数据降维方法和提高数据信息存储等，都需要较高的要求。

2 三维人脸识别的关键技术

2.1 基于几何特征直接匹配的方法

三维人脸识别是一种空间的立体结构。基于几何特征的方法就是将识别到的人脸看成是一张张的曲面，不需要对人脸的图像特征进行提取，只需要在曲面上对数据进行相应的匹配。主要采用的方法为迭代最近点法（ICP）和豪斯多夫（Hausdorff）距离法。

2.2 基于局部特征的方法

基于局部特征的方法主要采用的思想就是通过利用有限的人脸局部的区域来对原始的人脸进行表征，这样就会使人脸特征的数据量在一定程度上减少，但是却需要对人脸局部的区域选取选择好的方案进行细致的分析与设计，这样才能确保在进行局部特征选取的时候采用的区域是具有代表性与可分性的。其中采用的方法主要有：基于LBP（Local Binary Patterns）即二值模式的方法、通过对特征表达与处理最终达到对人脸进行识别目的的局部描述符法以及基于曲率特征的方法[2]。

2.3 多數据多技术融合的方法

多数据多技术的融合方式作为人脸识别技术中新的发展方向，任何一种人脸成像数据都是对客观对象的一种描述，都包含了若干有价值的信息；但是每一种数据也有自己的局限和不足。伴随着人脸识别技术的发展，技术和方法都在大大的改进，将多种手段与技术进行迭代和融合，可以极大程度的对人脸识别的效果得到提高。

3 三维人脸识别的几种方法

3.1 基于复数域的多数据融合三维人脸识别

多数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理技术。一般来说，多数据融合技术主要分为三个层次，即：数据级融合、特征级融合以及决策级融合。通过将多个数据进行融合的方法可以获取到更多的信息量，有用的信息量也在加大，这样就可以在多数据进行融合的基础上来互相的取长补短，可以使提高的识别率有大幅度的增强，同时获取到的识别效果也更好，任何一个人的人脸都是一种客观对象数据的描述，里面包含了许多有价值的信息，多种的数据融合方式进行三维人脸识别优于单一传统的识别方法[3]。

3.2 基于不同姿态三维人脸深度图识别

对于人脸识别来说，姿态的问题是人脸识别问题研究的瓶颈，也就是说当成像的对象面部的表情发生变化的时候，那么整个人脸的区域的成像就都会发生变化，在一些情况之下，人脸的图像会因为视觉的感官的改变而发生变化，这样就会导致整个人脸的区域成像效果也发生了相应的改变。这种变化是难以捕捉和把握的，因而就对人脸的识别增大了其难度。就目前来说对于人脸的不同姿态的三维人脸成像的方法主要有三种，首先是通过单幅或者是多幅的二维图像进行合成，其次是在不同的姿态之下进行图像的采集，使人脸的数据库信息得到丰富，从而构建出相应的多姿态的训练集，来提高最终的辨识度，最后就是可以通过人脸模型的架构，来形成多角度的表情人脸图像。可是建模是需要一定的算法与复杂性，规模也较大。

3.3 基于曲面等高线特征的三维人脸识别

曲率是一种局部几何的属性，三维人脸的曲面数据是分散的，所以会受到许多条件的制约，采集点也不相同，这样就会出现数据之间的格式不规范、不统一，所以三维人脸的识别是不能通过曲率的特征直接进行识别的，另外，除了主观与客观的因素之外，成像过程中出现的噪声也会造成成像的误差，因而曲率特征对于数据精度要求高，必须与其他方法结合使用。

参考文献

[1]苏煜，山世光，陈熙霖，高文.基于全局和局部特征集成的人脸识别[J].软件学报，2010，（8）：1849-1862.

[2]刘小军.人脸识别技术研究[D].北京：中国科学院电子学研究所，2011.

[3]胡珍珍.基于深度数据的空间人脸旋转角度估计[D].合肥工业大学，2011.