37、3D 人脸识别技术全解析

3D 人脸识别技术全解析

1. 引言

人脸识别作为一种社会可接受的生物识别方法，能够以非侵入的方式实现。过去四十多年来，基于 2D 图像的人脸识别技术得到了广泛研究，但在应对光照和姿态变化时面临诸多挑战。相比之下，3D 人脸识别在过去十年中受到了大量研究关注和媒体宣传。随着价格亲民的 3D 扫描仪日益普及，研究人员提出了众多算法，并举办了一系列竞赛来评估其性能。如今，市场上已出现一些商用的 3D 人脸识别系统。

2D 图像受场景几何、成像几何、场景反射率和光照条件等多种因素影响，相同场景在不同视角或光照下呈现出截然不同的外观。对于人脸图像而言，姿态和光照变化所导致的差异，远大于相同姿态和光照条件下不同个体图像之间的差异。因此，基于 2D 图像的人脸识别算法往往难以应对这些成像变化。

而 3D 人脸扫描数据更直接地反映了场景的几何形状，受环境光照和视角（即面部姿态）的影响较小。不过，3D 成像并非完全不受姿态影响，单台 3D 相机视野有限，会出现自遮挡问题，导致只能获取部分表面信息。此外，3D 相机对强光环境较为敏感，在主动成像时，强光会干扰对投影光图案的检测，可能造成 3D 数据缺失。姿态变化还会影响成像表面的方向，进而改变投影光的覆盖范围和反射回相机的光量，增加测量表面几何形状的噪声。

尽管存在这些问题，3D 成像用于人脸识别仍比 2D 成像具有明显优势。3D 面部形状既可以作为独立的识别线索，也能用于多模态 2D/3D 识别方案，还能辅助 2D 图像人脸识别进行姿态校正。同时，3D 人脸识别在处理面部表情变化方面也取得了显著进展，可通过构建表情不变的面部表面表示、建模非刚性表面变形或仅考虑面部较刚性的上部区域等方法来实现。

使用 3D