摘要：2D人臉識別技術(shù)雖已成熟，但由于單一的2D圖像不能提供識別所需的完整信息，故其識別精度很難進(jìn)一步提高。在人臉識別過程中，特征提取是影響識別效果的一個重要環(huán)節(jié)，在分析了傳統(tǒng)的主成分分析法和由此改進(jìn)的2D PCA方法的基礎(chǔ)上，提出了3D人臉識別方法。該方法將人臉圖像分為幾個部分分別進(jìn)行特征提取，同時充分考慮每個部分所包含的特征信息量的多少，并在分類時賦予它們不同的權(quán)值。因此，將人臉用立體圖像來表示并進(jìn)行識別是目前提高人臉識別精度的前沿課題。
關(guān)鍵詞：3D人臉識別；人臉建模；3D人臉形變模型；視頻圖像

人臉識別是基于生物特征識別技術(shù)的身份認(rèn)證中最主要的方法之一，涉及計算機(jī)圖形學(xué)、計算機(jī)視覺、模式識別、機(jī)器學(xué)習(xí)、感知科學(xué)、人工智能、計算智能等技術(shù)，3D人臉識別主要分為人臉檢測、人臉特征和人臉識別三個過程。為了提高人臉的識別精度，本文對3D人臉的自動識別系統(tǒng)及識別算法進(jìn)行了研究，給出了3D人臉識別存在的問題。

1 3D人臉自動識別系統(tǒng)
普通的人臉識別一般分為圖1所示的三個過程。圖2所示是一個典型的3D人臉識別系統(tǒng)的組成框圖。其中，圖像獲取部分負(fù)責(zé)獲取來自于攝像機(jī)或是掃描儀等設(shè)備的圖像，通過程序?qū)⑵滢D(zhuǎn)換為可處理的數(shù)字圖像格式；檢測定位是通過對輸入的圖像進(jìn)行處理分析，判斷圖像中是否有人臉，如果有人臉，則作出準(zhǔn)確的定位；特征提取是在預(yù)處理后的人臉圖像中按照某種策略抽取出識別的特征。

人臉模型主要分為剛性模型和塑性模式，剛性模型可以滿足對人頭部跟蹤檢測的要求，主要用于表示人的頭部位置、姿態(tài)、方向等；塑性實(shí)體主要處理人臉識別、表情識別、唇語識別等問題，它涉及面部器官、肌肉和表皮的運(yùn)動。
目前主要的三維建模工具有3DSMAX，MAYA，AUTOCAD等。
1．1 結(jié)合一般人臉模型的建模
由于人臉的復(fù)雜性和相似性，直接采用視覺重建算法進(jìn)行3D人臉的重建，在精度和實(shí)用性上，相對于昂貴的硬件采集方法，都不能達(dá)到很好的效果。為了重建精度較高的人臉模型，下面引入了一般人臉3D模型。
一般人臉模型的主要思想是定義一個平均的人臉3D模型，其空間坐標(biāo)點(diǎn)集為Sg={xgi，ygi，zgi}，i=1，2，…，n，該空間坐標(biāo)集表達(dá)了常見的人臉表面形狀的共同特性。該思想認(rèn)為，不同人臉的3D結(jié)構(gòu)S。都可 以通過一般人臉模型Sg中每個空間點(diǎn)的位置變化來表達(dá)，即特定的人臉模型Sp=Sg+△S，(xpi，ypi，zpi}={xgi+△xi，yg+△yi，zgi+△zi}。形變量△S如何求取具有不同的方法，但核心思想是利用人臉模型提取表達(dá)五官特征(眼睛、鼻子、嘴、臉頰、眉毛)的輪廓點(diǎn)集Sf={xfj，yfj，zfj}，j=1，2，…，m(其中mn)，然后利用相應(yīng)的輪廓信息或特征點(diǎn)隊(duì)形的深度信息在一般人臉模型和特定人臉模型之間建立一個光滑的3D位移插值函數(shù)f(Sg)，并使f(Sg)對于輪廓或特征點(diǎn)集合均滿足f(Sj)=△Sf，進(jìn)而從f(Sg)得到一般人臉模型上每一點(diǎn)的位移△S。
1．2 結(jié)合3D人臉形變模型的建模
3D人臉形變模型的核心思想是利用有限數(shù)量的3D人臉模型的線性組合來表達(dá)任何一個3D人臉。在用3D人臉形變模型建模時，可將模型的形狀坐標(biāo)集合記為s=[x1，y1，z1，…，xN，yN，zN]T，即包括N個頂點(diǎn)的x，y，z坐標(biāo)；再將對應(yīng)一個人臉的紋理表示為一個紋理向量t=[R1，G1，B1，…，RN，GN，BN]T，即包括N個對應(yīng)頂點(diǎn)的RGB值(假設(shè)有效紋理的數(shù)據(jù)等于頂點(diǎn)數(shù))。