李 骞 史岳鹏 彭 勃

（河南牧业经济学院能源与智能工程学院,河南 郑州 450008）

人脸特征定位可以分为二维（2D）和三维（3D）两种类型，面部特征点指在人体测量数据中用于确定面部特征的一些关键点[1]。二维人脸的生物特征数据包括宽度和高度，是人脸识别研究的基础。但是二维人脸识别在不同的表情识别、姿势识别和识别光照等方面受到许多限制。与二维面部识别不同，三维的数据具有来自多个维度深度值的视角[2]，包括鼻尖、嘴角、下巴、眼角。面部特征定位的准确性是由方位、纹理图和姿态决定的。在特征定位和配准[3]之前需要将三维面部网格合成表面[4]，而三维人脸图像处理和分析的精度很大程度取决于输入图像分割时的精度。因此，三维图像的表面分割至关重要。

自动面部检测系统是结合了二维和三维两种方法的生物特征性能创建出的一种多维检测系统，可以最大限度地减少在不同面部表情下测量生物特征数据带来的系统限制。本文的主要目标是提出一种新的三维人脸特征自动检测方法。该方法包括三个阶段：第一，重建丢失的三维图像信息；第二，分割若干面部图像；第三，定位面部特征，为三维系统模型中的自动正面面部检测提供足够的生物特征信息。

1 三维人脸分割技术

1.1 三维面部缺失数据填充方法

本文以FRGC（Face Recognition Grand Challenge，人脸识别大赛）为训练数据库，对点分布模型（Point Distribution Model，PDM）中的关键点与点云的关系进行建模[5]。技术难点在于丢失数据、错误数据和噪声。……