常俊彦 达飞鹏 蔡 亮

(东南大学自动化学院，南京 210096)

人脸识别具有自然、友好、对用户干扰少、易被用户接受等优势，因而有着广阔的应用前景.基于二维图像的人脸识别方法，主要是通过线性或非线性的降维方法，提取人脸外观特征以识别人脸，但由于缺少有效的特征表示，其研究进展较为缓慢.随着三维测量技术的发展，人们可以快速精确地获得物体的三维形状，于是研究人员开始转向三维人脸的研究，以期找到突破点.按照识别所用特征的形式，现有三维人脸识别方法可分为4类:基于全局特征的方法、基于局部特征的方法、全局与局部特征相结合的方法以及多模态的识别方法.

基于全局特征的三维人脸识别方法提取人脸整体形状特征进行识别.Hesher等［1］将网格人脸变换为深度图像，分别利用主成分分析法(principal component analysis，PCA)和独立成分分析法(independent component analysis，ICA)对深度图矢量进行降维，然后根据最近邻法进行识别.Pan等［2］将人脸点云投影到一个同构的二维平面中，在该平面内建立对应的映射深度图像，再采用子空间的方法进行识别.然而，全局特征提取时易受表情和姿势变化影响，且头发、胡子等遮挡的存在也会影响特征提取的准确性.基于局部特征的方法可以根据人脸不同区域的特性进行区别对待，因此在处理表情和遮挡等问题时，与基于全局特征的方法相比具有一定的优势.Cook等［3］将三维人脸模型对齐，建立了模型间的点对应关系，构造出高斯混合……