袁 理，陈庆虎

(1.武汉纺织大学 电子与电气工程学院，湖北 武汉430073;2.武汉大学 电子信息学院，湖北 武汉430079)

责任编辑:时 雯

近年来，心理学与模式识别的相关研究表明，人类视觉系统在理解和识别物体时，使用了大量的基于视觉的深度信息[1-2]。因此，对于复杂环境下的人脸识别而言，可以从人脸的深度信息出发，研究基于深度图像的人脸识别系统，从而克服二维人脸识别系统对姿态、表情和光照变化较为敏感的问题。但值得注意的是，在应用统计方法解决人脸深度图像的识别问题时，都是针对特定的训练样本集设计特征提取算法[3-7]，而这些特征提取算法一旦设计好后，就再也不会有任何改进。因此会导致特征提取算法的普适性较差，即在由训练集中的样本扩展到非训练集时，算法的有效性和稳定性会显著下降，并最终影响识别系统的性能。

本文针对特征提取算法的普适性问题展开研究，首次将反馈学习理论与3DLBP特征提取过程相结合，提出了一种自适应性的3DLBP特征提取算法。实验结果表明，利用自适应3DLBP特征提取算法获取的人脸深度图像特征对训练样本集的变化具有较好的有效性和稳定性，在FRGCv2.0人脸数据库上取得了理想的识别性能。

1 机器学习理论与特征提取算法

1.1 机器学习理论

机器学习就是要使计算机能模拟人类的学习行为，通过主动的学习来获取知识和技能，并不断改善其性能，最终实现自我完善。目前，在机器学习研究领域中被普遍接受和认同的一个观点是:学习应该是系统运行过程中的某种改进。……