三維及多模態(tài)人臉識(shí)別研究.pdf

1、目前的二維人臉識(shí)別系統(tǒng)在受控條件下能取得很好的性能，但在光照、姿態(tài)、表情等因素影響下性能將急劇下降。三維人臉識(shí)別可以克服或減輕這些因素的影響。融合二維和三維信息的多模態(tài)入臉識(shí)別可望取得更好的識(shí)別效果。本文對(duì)三維及多模態(tài)人臉識(shí)別的若干算法進(jìn)行了研究。 首先提出了一個(gè)基于迭代對(duì)應(yīng)點(diǎn)（ICP）的三維人臉識(shí)別方法。先通過聚類算法去除人臉點(diǎn)云的局外點(diǎn)，再以鼻尖為中心提取感興趣區(qū)域，并變換到姿態(tài)坐標(biāo)系進(jìn)行粗略配準(zhǔn)。利用人臉對(duì)稱性填補(bǔ)孔洞，提

2、高了人臉數(shù)據(jù)的質(zhì)量。再用ICP算法進(jìn)行精細(xì)配準(zhǔn)，采用最近鄰分類器進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明該方法能夠處理一定程度的人臉姿態(tài)變化，即便人臉數(shù)據(jù)的質(zhì)量不高，仍能取得較好的識(shí)別效果。 提出了一種將三維局部二值模式（3DLBP）和廣義判別分析（GDA）相結(jié)合的三維人臉識(shí)別算法。將人臉深度圖像分成多個(gè)區(qū)域后，采用3DLBP算子從各區(qū)域提取直方圖特征，并將各區(qū)域3DLBP直方圖連成一個(gè)向量，作為人臉深度圖像的特征，采用改進(jìn)高斯核函數(shù)的GDA作為

3、分類器。實(shí)驗(yàn)結(jié)果表明，3DLBP和GDA結(jié)合的識(shí)別率要優(yōu)于PCA和3DLBP。 采用多種方法對(duì)人臉深度圖像和灰度圖像進(jìn)行融合。對(duì)LBP算子和局部Gabor二值模式（LGBP）算子進(jìn)行了詳細(xì)的比較。實(shí)驗(yàn)結(jié)果表明LBP和Fisher判別分析（FDA）方法的結(jié)合要優(yōu)于其它方法，在其融合人臉深度圖像和灰度圖像后，性能較單一信息有進(jìn)一步的提升?；贚GBP的各方法與基于LBP的相應(yīng)方法相比，在計(jì)算量和存儲(chǔ)量上要大很多，但在性能上卻沒有優(yōu)勢