自动化人脸识别技术在国家安全、军事安全、公共安全和家庭娱乐等领域具有广泛的应用前景。虽然人类可以毫不费力地识别出人脸和表情,但是机器自动识别确是一个极具挑战的难题。尽管经过了十几年的研究,基于图像的二维人脸识别技术虽然取得了快速的发展但仍然面临巨大的挑战,在光线、姿态和表情产生变化的情况下,二维人脸识别的准确性远远不能让人满意。 随着三维人脸获取设备的发展,三维人脸识别越来越受到研究人员的关注。三维人脸识别技术有望从根本上解决基于图像的人脸识别方法所面临的姿态、光线和表情影响等问题。本文紧紧围绕在利用三维人脸数据进行识别过程中遇到的特征抽取问题,给出了有效解决方案。 在北京工业大学多媒体与智能软件实验室建立的大规模中国人的三维人脸库上,为了得到归一化的人脸表示,本文采用非均匀网格重采样三维人脸对齐的方法,对所有的三维人脸进行规格化处理。使三维人脸具有统一的点数和拓扑结构,结果以向量的形式保存,分为形状和纹理信息两部分。在本文中借鉴基于二维图像人脸识别中的经典算法线性判别分析(LDA),在针对如何从三维数据抽取出对分类最有用的信息进行了研究,在本文中提出了两种不同的解决方法。 1、为了避免单纯使用LDA时候出现的小样本问题,首先利用主成分分析(PCA)对原始的形状信息和纹理信息分别进行降维处理。在此基础上,然后利用LDA得到更好的特征分类效果。即基于PCA+LDA的三维人脸识别算法。 2、我们以先分段,再重叠的形式将原本的一维向量组织为二维矩阵,然后使用二维线性判别分析方法(2DLDA)对获得的数据进行特征抽取。本文所提出的这种方式在能避免有效信息的丢失,增加组合特征的同时,从理论上也能缓解单纯使用LDA进行特征抽取时会出现的小样本问题。 以上两个算法在BJUT-3D大规模三维人脸数据库上进行了实验,本文采用三种信息分别进行了识别,分别是形状信息、纹理信息以及结合形状信息和纹理信息的融合信息。实验结果显示两种算法都能够取得良好的识别效果。