返回列表

3D人脸识别研究探索

文章出处:常见问题责任编辑:深圳市掌虹科技有限公司 发表时间:2022-01-17

人脸识别是基于生物特征识别技术的身份认证中最主要的方法之一,涉及计算机图形学、计算机视觉、模式识别、机器学习、感知科学、人工智能、计算智能等技术,3D人脸识别主要分为人脸检测、人脸特征和人脸识别三个过程。为了提高人脸的识别精度,本文对3D人脸的自动识别系统及识别算法进行了研究,给出了3D人脸识别存在的问题。
1 3D人脸自动识别系统
普通的人脸识别一般分为图1所示的三个过程。图2所示是一个典型的3D人 脸识别系统的组成框图。其中,图像获取部分负责获取来自于摄像机或是扫描仪等设备的图像,通过程序将其转换为可处理的数字图像格式;检测定位是通过对输入 的图像进行处理分析,判断图像中是否有人脸,如果有人脸,则作出准确的定位;特征提取是在预处理后的人脸图像中按照某种策略抽取出识别的特征。
人脸模型主要分为刚性模型和塑性模式,刚性模型可以满足对人头部跟踪检测的要求,主要用于表示人的头部位置、姿态、方向等;塑性实体主要处理人脸识别、表情识别、唇语识别等问题,它涉及面部器官、肌肉和表皮的运动。
目前主要的三维建模工具有3DSMAX,MAYA,AUTOCAD等。
3 3D人脸识别存在的问题
近几年才开始研究将三维方法用于人脸机器识别,目的是为了弥补二维方法的不足,或者是解决二维方法所无法根本解决的问题。
目前,三维人脸识别的处理方法和手段还是处于发现时期,其本身还不成熟,主要存在以下困难:
(1)海量存储和计算的困难。由于三维识别过程中处理的数据容量和计算量十分巨大,对于一般计算机来说,它们的存储和运算还比较困难;
(2)信息来源方面的困难。由于三维识别的完整信息难于获取或者识别的信息往往不完整,同时,再加上图像采集设备的差异和成像原理的不同,都可能造成识别算法本身不可纠正的错误;
(3)对人的生理认识的不足。由于计算机没有人的经验和知识功能,而只有计算功能,同时由于对肌肉的运动理论和表情形成等问题,现在还不能提供给计算机足够的专家支持;
(4)受环境和条件的约束。影响二维识别的不利因素在三维识别上同样存在,如光线的强弱、方向、遮盖、阴影、背景等;
(5)实现方式和手段的不足。传统的识别方法不能满足三维识别的要求,必须改进或采用新的方法。例如由于动态图像的计算量太大,因此,适用于静态图像处理的神经网络就变得不适合了。
4 结语
3D人 脸的研究始于计算机动画和生物医学成像。计算机动画方面的方法是在计算机上生成三维的人脸来表达人的运动、姿态和表情。这种动画的人脸可以在不同的环境下 应用和发展为虚拟现实,这在生物医学方面可从生物图层或切片来重构人体器官组织,并将其用于病理分析。而三维人脸识别是极具挑战性的课题,如在技术上有所 突破,将具有很强的创新性和应用价值。