Verbesserung der 3D-Gesichtserkennung basierend auf LBP durch Fusion von Form- und Texturbeschreibungen im Netz

In diesem Papier präsentieren wir einen neuartigen Ansatz zur Fusion von lokalen binären Mustern (LBPs) für Form und Textur auf einem Netz zur 3D-Gesichtserkennung. Unter Verwendung eines kürzlich vorgeschlagenen Frameworks berechnen wir LBP direkt auf der Gesichtsnetzoberfläche und konstruieren dann ein Gitter der Regionen auf der Gesichtoberfläche, das globale und partielle Beschreibungen aufnehmen kann. Im Vergleich zu seinem Pendant aus Tiefenbildern zeichnet sich unser Ansatz durch die folgenden Merkmale aus: 1) Er übernimmt die intrinsischen Vorteile der Netzoberfläche (z. B. Erhaltung der gesamten Geometrie); 2) erfordert keine Normalisierung; und 3) kann partielle Zuordnung aufnehmen. Darüber hinaus ermöglicht es eine frühe Fusion von Textur- und Formmodalitäten. Durch Experimente, die an den Datenbanken BU-3DFE und Bosphorus durchgeführt wurden, bewerten wir verschiedene Varianten unseres Ansatzes hinsichtlich Gesichtsausdrücke und fehlende Daten, auch im Vergleich zu den aktuellen Lösungen.