基于深度學(xué)習(xí)的三維人臉識別方法研究.pdf

1、近半世紀(jì)以來，生物識別技術(shù)的飛速發(fā)展給人們生活各方面帶來了極大的方便。其中，人臉識別以其特有的優(yōu)勢，得到了廣大研究者的關(guān)注。然而，人臉識別技術(shù)在不斷進(jìn)步的同時，也面臨著諸多亟待解決的問題，如傳統(tǒng)的識別算法識別過程中特征的選取及提取成為直接影響識別結(jié)果的決定性因素，且二維人臉識別中，缺少人臉空間立體信息，不符合人眼視覺三維的、抽象的特點。這些問題成為人臉識別技術(shù)發(fā)展及商業(yè)推廣的瓶頸。正是由于傳統(tǒng)識別算法的局限性及識別率隨樣本數(shù)量增大趨于飽

2、和的特點，學(xué)者們將目光投向了深度學(xué)習(xí)方法（Deep Learning）。同時，廉價RGB-D傳感器的普及使三維人臉信息的廣泛應(yīng)用成為可能，三維人臉識別的研究以其能夠充分利用人臉深度信息，能夠克服二維識別中光照、表情、姿態(tài)影響的特點成為人臉識別領(lǐng)域的研究方向。
　　因此，本論文將深度學(xué)習(xí)方法應(yīng)用到三維人臉識別技術(shù)中，設(shè)計了深度學(xué)習(xí)網(wǎng)絡(luò)對特征自動進(jìn)行提取，成功避免了特征選擇的影響，同時在原有二維數(shù)據(jù)的基礎(chǔ)上增加了樣本的深度信息，增強(qiáng)了

3、識別系統(tǒng)對光照、表情等影響因素的魯棒性。
　　首先，將三維人臉點云數(shù)據(jù)轉(zhuǎn)為深度圖形式。對二維人臉（灰度/彩色）圖像及深度圖進(jìn)行臉部提取及歸一化，以提高識別系統(tǒng)的效率。
　　之后，將改進(jìn)的深層卷積神經(jīng)網(wǎng)絡(luò)（Deep Convolutional Neural Networks，DCNN）與soft-max分類器相結(jié)合，分別設(shè)計二維人臉圖像及深度圖的特征提取層網(wǎng)絡(luò)，利用數(shù)據(jù)庫進(jìn)行訓(xùn)練的識別測試，以識別率最大化為原則優(yōu)化特征提取。將