● 摘要
随着近年来科学技术的发展和信息化水平的提高，人脸识别技术已成为计算机应用领域的一个重要研究方面。基于生物特性的身份认证方法具有难以伪造、无需配合和安全性高等特点，因此在公共安全和现代化办公中有着广阔的应用前景。在人脸识别领域，基于二维图像的人脸识别技术研究开始较早，现阶段的相关理论已较为成熟。但大量研究结果表明，当采集图像的光照或头部姿态等因素变化时，基于二维图像的人脸识别算法的性能会受到很大影响。因此二维图像对光照和姿态等变化的敏感性也成为制约二维人脸识别发展的重要瓶颈。
三维扫描设备和三维图像处理技术的进步为三维数据的获取提供了很大的便利。不同于二维图像，三维数据具有采集对象的空间结构信息，可以反映物体的固有特性，因此不易受光照和姿态等采集条件的影响。所以近来年基于三维数据的人脸识别已成为相关领域学者的研究重点。本文在总结和研究现有三维人脸识别算法的基础上，着重对基于空域配准和结构特征的三维人脸识别算法进行了研究。本论文完成的研究工作包括：
1. 研究三维人脸点云数据预处理方法。根据鼻尖点位置对原始三维人脸进行面部分割；提取左右内眼角点，为后续粗配准做准备；为避免噪声干扰，对点云数据进行滤波。
2. 研究基于空域配准的识别方法。针对配准中对应点的查找，提出了局部形状分布图。该分布图结合了点的曲率、法向量和空间距离信息，对点的局部几何形状有较强的描述能力，提高了对应点查找的准确性，并在此基础上提出了迭代最近形状点三维人脸识别法。在中科院自动化研究所三维人脸数据库中选取样本进行识别，结果表明该方法可以有效提高识别率。
3. 研究基于结构特征的识别方法。针对人脸识别中局部特征的提取，提出了局部径向二值模式。首先对经过预处理的人脸深度图像进行区域划分，然后用局部径向二值模式提取子区域的特征序列，并将其链接在一起构成三维人脸的特征向量。最后利用Fisherface方法对三维人脸特征向量进行训练和识别。实验结果表明该方法在基本不损失识别率的前提下，可以有效提高识别的效率。