人脸识别是当前生物特征识别研究的热点之一,目前的人脸识别方法主要集中在二维图像方面,由于受到光照、姿势、表情变化的影响,其识别的准确度受到很大限制。迄今为止,建立一个鲁棒的人脸识别系统仍然是一个很困难的问题。三维人脸模型具有比二维人脸图像更丰富的信息,利用三维信息是完成人脸识别的另一有效途径。 本文主要研究基于三维数据模型的人脸识别问题,在对三维人脸模型进行人脸区域提取及必要预处理的基础上,通过人脸标志点定位及人脸配准,将三维人脸模型转换到一致的状态下,最后通过高精度有效的识别算法完成识别。本文的主要工作有: 三维人脸的提取与预处理方面,通过分析三维模型数据的分布特征,提出了头肩分离的方法,结合人脸的五官分布特点,实现了人脸区域的准确裁减。总结了现有的几种噪声平滑方法,通过实验验证了各方法的特点和处理效果。 三维人脸标志点定位方面,提出了一种基于连续Shape Index特征和几何约束的标志点定位方法。在该方法中,针对在计算连续Shape Index特征时确定邻域点集的问题,提出了一种顶点近邻迭代查找算法。针对区域标记问题,提出了一种三维网格区域标记算法。针对区域筛选问题,提出了通过统计得到的标志区域分布模型进行区域筛选的方法。实验证明所提方法具有较高的姿态鲁棒性。 三维人脸配准方面,通过和标志点定位结合,实现了基于标志点的粗配准方法。针对在噪声很大,或标志区域丢失时,标志点无法稳定提取的问题,提出了一种基于主轴分析的粗配准方法。改进了ICP算法,通过使用桶算法,提高了最近点查找的速度。实验结果证明,基于主轴分析的粗配准方法具有很好的噪声鲁棒性。 三维人脸识别方面,对现有的识别算法做了深入的分析和比较,实现了基于PCA、LDA、ICP和Hausdorff距离的三维人脸识别算法,通过实验验证了各方法的识别效果和精度。