文档介绍：【关键词】3D人脸识别 特征提取 稀疏表示 深度图像 点云数据
【英文关键词】3D Face Recognition Feature Extraction Sparse Representatlon Depth Image Point Cloud Data
3D人脸识别论文：基于稀疏表示的三维人脸识别
【中文摘要】随着三维点云数据的获取越来越便捷,研究三维人脸识别的学者也越来越多。与二维图像数据相比,三维点云数据包含的信息,能更好的处理光照、姿态和表情等的变化,所以它具有二维图像数据无法比拟的优越性。因此,三维人脸识别已逐渐成为图像处理领域的一个研究热点。但是在三维人脸识别中,由于人脸面部信息比较繁杂,从而在特征提取上往往计算复杂,且得到的效果也不是非常的理想。由于稀疏表示能用较少的特征来有效的表示出三维人脸的重要信息,用它来进行人脸识别能得到理想的识别效果,同时计算量和处理复杂度相对减小很多。基于此,本文将稀疏表示这一方法应用到三维人脸识别中,通过实际的数据库实验验证,该方法具有计算量小、识别率理想和稳定等优势。本文主要内容包括：首先,介绍人脸识别中常用的特征提取方法,并着重介绍基于主成分分析和测地距离的特征提取方法的原理和算法。然后,提出了基于稀疏表示的三维人脸识别系统的理论框架。具体工作包括：点云的预处理,先对初始点云进行配准并得到深度图像；然后,利用特征提取方法得到特征向量,然后利用特征向量,通过稀疏表示方法来实现三维人脸的分类和识别。最后,通过数值实验,比较了用稀疏表示方法和其它识别方法来进行三维人脸分类识别的效果。实验结果表明,用本文的基于稀疏表示的识别方法来进行三维人脸的识别能得到理想的识别率,并且此识别方法还对特征提取方法不敏感,从而可以选取计算量相对较小的特征提取方法,大大减小整个识别过程的计算量。
【英文摘要】As capture point cloud data more conveniently, more and more scholars to research the3D face recognition. Compared with the2D image data,3D point cloud data contain more information, and the attribute of3D point cloud data which can better handle changes in illumination, pose and expression makes it superior to2D image data. Thus,3D face recognition has gradually become a hot area of face recognition. In3D face recognition, it is often complex computationally on the feature extraction because of the relatively complex facial information, and the result is also not very ideal. Cou