生物识别是最能体现计算机智能的特征之一,它在科研工作和日常生活应用方面都引起了巨大的轰动。在所有生物特征里面,人脸特征是最普遍和最容易获取的。所以,人脸识别一直都是模式识别和图像处理领域最热门的课题之一。在过去的十几年里,大部分学者都只关注于从二维灰度图像进行特征的抽取,并进行识别。但是,光照、表情、摄像视角、外貌(例如头发、眼睛)等变化都对识别的精度产生较大的影响。因此,迄今为止,还是很难建立一套鲁棒的自动人脸识别系统。 三维几何特征能够提供比二维图像更加丰富的信息,其中部分标准化处理后的特征还具有平移、旋转和缩放不变性。除此之外,许多三维扫描装置获取的三维人脸图像都不受光照变化的影响。人脸的三维信息具有提高识别系统性能的巨大潜力。 本文提出了一种基于Voronoi域积分的三维人脸识别方法。首先,利用基本网格简化方法把原始的离散点云表示成规则的三角化人脸网格。接着我们抽取了一种基于Voronoi域积分的三维人脸几何特征。最后,利用主成分分析对人脸的几何特征向量进行降维并利用马氏距离进行相似度量。我们在山东大学数学院图像处理实验室建立的LS_SDU三维人脸数据库上对本算法进行的测试,实验取得了93.3%的识别率,表明了本方法具有良好的识别性能。 本文主要做了以下四方面的工作: