三維及多模態(tài)人臉識別研究.pdf

1、目前的二維人臉識別系統(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)入臉識別可望取得更好的識別效果。本文對三維及多模態(tài)人臉識別的若干算法進行了研究。 首先提出了一個基于迭代對應點（ICP）的三維人臉識別方法。先通過聚類算法去除人臉點云的局外點，再以鼻尖為中心提取感興趣區(qū)域，并變換到姿態(tài)坐標系進行粗略配準。利用人臉對稱性填補孔洞，提

2、高了人臉數(shù)據(jù)的質(zhì)量。再用ICP算法進行精細配準，采用最近鄰分類器進行分類。實驗結(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)合的三維人臉識別算法。將人臉深度圖像分成多個區(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直方圖連成一個向量，作為人臉深度圖像的特征，采用改進高斯核函數(shù)的GDA作為

3、分類器。實驗結(jié)果表明，3DLBP和GDA結(jié)合的識別率要優(yōu)于PCA和3DLBP。 采用多種方法對人臉深度圖像和灰度圖像進行融合。對LBP算子和局部Gabor二值模式（LGBP）算子進行了詳細的比較。實驗結(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一步的提升。基于LGBP的各方法與基于LBP的相應方法相比，在計算量和存儲量上要大很多，但在性能上卻沒有優(yōu)勢