高 工，杨红雨，2，刘 洪，2*

（1.视觉合成图形图像技术国防重点实验室（四川大学），成都 610064；2.四川大学计算机学院，成都 610065）

（*通信作者电子邮箱g18438613630@126.com）

0 引言

近年来，人工智能和计算机视觉高速发展，人脸识别凭借其高效性、便捷性、实用性，成为了目前最流行的生物安全验证手段，在金融支付、视频监控、考勤等领域的相关应用越来越广泛。虽然基于二维图像人脸识别有很高的识别率，但二维图像是三维物体在平面上的投影，三维物体投影到平面会丧失一部分信息，并且二维图像人脸识别容易受到光照、姿态、表情的影响，因此使用三维人脸数据进行识别更有优势。

传统的基于点云的三维人脸识别首先使用鼻尖点检测算法找到三维人脸的鼻尖点，根据鼻尖截取一定范围内的人脸区域，然后手工设计面部特征提取特征，比如脸型、鼻子、眼睛等，然后利用特征相似性度量进行识别［1］。Drira 等［2］把径向线引入三维人脸，以鼻尖点为起点构建径向线来表示人脸表面，使用径向线的弹性形状进行分析人脸表面的形状，通过弹性黎曼度量标准测量面部形状的差异实现人脸识别。在此基础上，Lei 等［3］设计出角径向特征（Angular Radial Signature，ARS），针对人脸多表情的问题，仅提取上半部分脸的特征，然后使用核主成分分析（Kernel Principal Component Analysis，KPCA）方法将ARS 映射到更具区分度空间，最后使用支持向量机（Support Vector Machine，SVM）进行人脸识别。Russ等［4］针对三维人脸对齐中存在的最大数量压缩以及未训练人脸的良好泛化性能，提出了一种基于主成分分析（Principal Component Analysis，PCA）的三维人脸识别方法。……