人脸识别是基于生物特征的身份认证技术中最为活跃最具挑战性的领域之一,也是本世纪最具发展潜力的技术之一,作为最自然最友好的身份认证方式,自动人脸识别已经成为下一代计算技术的重要组成部分。而三维人脸识别有望解决二维人脸识别中面临的光照和姿态的瓶颈问题,减少表情的影响。本文主要针对三维人脸识别,在以下几个方面展开了研究工作: (1) 提出了一种基于轮廓线进行三角剖分的网格数据规格化处理的思路。同时,设计了一种三角形索引数据组织结构来组织三角网格,不仅减少了数据存储空间,也极大的方便了对人脸网格的各种操作。 (2) 提出利用人脸径向差分图和改进的高斯图进行人脸的边缘检测,采用区域生长来构造器官的轮廓区域,最后通过曲线拟合和能量优化精确定位人脸的主要特征点。 (3) 首次将人脸的曲线距离特征加入人脸的几何特征向量中,形成具有欧氏直线距离、曲线距离、角度和体积的特征向量,完成人脸识别。 (4) 在人脸任意位置下,利用PCA自动确定人脸纵方向,采用网格配准方法提取对称面和对称轮廓线;再通过计算对称轮廓线上的曲率,提取其他3条横向轮廓线;最后对提取的4条轮廓线进行重采样和归一化,只截取轮廓线的有价值部分作为ICP算法的输入,进行人脸识别。 (5) 分析了扩展高斯图不能用于凹物体的原因。提出采用加入了每个网格面位置信息的MEGI模型,并对球面相关性进行扩展来度量MEGI表示的三维人脸的相似性。 (6) 分析了目前降维算法的局限性,研究了几种主要的流形学习算法,提出了将流形学习应用于三维人脸特征降维,并构建了一个基于流形学习的三维人脸识别框架。