欢迎到 - 深圳市华诺安科技有限公司!

hujiangyong@126.com

0755-23739472

联系我们

行业知识
您现在的位置: 首页 > 行业知识 > 内容
三维人脸识别算法简述
编辑:深圳市华诺安科技有限公司   时间:2018-03-21

       近年来,提出了一种基于几何不变特征的三维人脸识别算法。该算法的关键思想是面部表面的结构,对于等距变形(例如由面部表情导致的变形)不变。构建几何不变量的关键阶段之一是测量三角形表面上的距离,这是通过在三角域(FMTD)上快速前进来实现的。这里提出的是一种方法,该方法仅使用表面的度量张量来测量距离。当与用于面部表面采集的光度立体相结合时,它允许在不重建3D表面的情况下构建面部的弯曲变体表示。


       三维人脸识别算法,快速前进,光度立体,多维缩放。引言ACE识别是一种生物识别方法,与其他生物识别技术不同,它是非侵入性的,甚至可以在没有主体知识的情况下使用。最先进的人脸识别系统基于二十世纪六十年代早期40年的二维算法传统。


       第一种人脸识别方法使用关键点(如眼睛,鼻子和嘴巴)的几何形状及其几何关系(角度,长度,比率等)。1991年,Turk和Pentland应用主成分分析(PCA)面对成像。这已经被称为特征脸算法,并且现在是人脸识别中的一个黄金标准。后来,提出了使用类似想法的特征脸的算法。然而,所有2D(基于图像的)人脸识别方法对照明条件,头部方向,面部表情和化妆。二维方法的这些局限性直接源于二维图像中包含的关于面部的有限信息。最近,显而易见的是,由于3D信息是视点和光照条件独立的,即缺少2D方法的“内在”弱点,因此使用脸部的3D数据可以有很大的帮助。戈登表明,结合正面和剖面视图可以提高识别的准确性。


      三维人脸识别算法表现出对头部取向更好的鲁棒性。Huang等人提出了另一种应对头部姿势问题的尝试。使用3D形变头部模型。Mavridis等人将基于PCA和隐马尔可夫模型的经典人脸识别算法融入人脸的距离图。特别是,这种方法显示出对颜色,照明和化妆品使用的巨大变化的稳健性,并且还允许将脸部从杂乱的背景中分离出来。然而,迄今为止提出的方法都没有能够克服由于人脸的非刚性特性而导致的问题。

       例如,Beumier和Acheroy未能执行准确的全球表面匹配,并且观察到当使用太多轮廓时识别准确性降低。执行面部表面精确表面匹配的困难也是其他3D人脸识别算法的主要限制因素之一。最近在文献中提出了克服这些困难的尝试,使用弯曲不变规范形式。在这种方法中,面部表面被转换成表示,其对于脸部的不同姿势实际上是相同的。构建弯曲不变表示的关键阶段之一是计算三角形流形中点之间的测地距离。在这项工作中,我们介绍了三角域(FMTD)快速前进的变化,能够仅给出表面的度量张量来计算测地距离。我们建议将这种算法与用于面部表面采集的光度立体方法相结合。光度立体声是一种便宜而简单的方法,在不重构表面的情况下产生度量张量。结果,获得了简单且快速的人脸识别方法。


       肤色获取本文讨论的人脸识别算法将人脸视为三维表面。因此有必要首先获得我们试图识别的对象的面部表面。在这里,我们专注于产生表面梯度的方法。如第四节所示,不需要实际的表面重建,节省了计算工作量并减少了数值误差 我们建议将这种算法与用于面部表面采集的光度立体方法相结合。光度立体声是一种便宜而简单的方法,在不重构表面的情况下产生度量张量。结果,获得了简单且快速的人脸识别方法。

人脸识别的设备、终端、算法、应用、功能、一体机、考勤机、门禁,人证比对的终端、一体机、设备,人证识别,人证合一

版权所有:深圳市华诺安科技有限公司手机版