基于eLBP面部描述和局部特征混合匹配的3-D人脸识别

本文提出了一种有效的3-D人脸识别方法，使用新颖的几何面部表示法以及局部特征混合匹配方案。所提出的面部表面描述基于通过多尺度扩展局部二值模式（eLBP）提取的一组面部深度图，能够有效准确地描述局部形状变化；因此，它增强了通过预处理步骤生成的平滑和相似的面部范围图像的区分度。随后匹配策略基于SIFT，并以混合方式执行，结合局部和整体分析，稳健地关联同一对象的两个面部表示之间的关键点。因此，所提出的方法对面部表情变化、部分遮挡和适度姿态变化具有鲁棒性，最后这一特性使我们系统对近前脸模型无注册要求。所提出的方法在三个公共数据集上进行了实验，即FRGC v2.0、Gavab和Bosphorus。在FRGC v2.0数据库上，未进行任何面部对齐时显示出97.6%的排名识别率和0.001 FAR下的98.4%验证率。对Bosphorus数据集的额外实验进一步突显了该方法在表情变化和外部部分遮挡方面的优势。在Gavab数据库上进行的最后实验表明，整个系统在仅由粗略对齐过程辅助下也可以处理面部在大姿态变化下甚至部分遮挡的情况。