42、3D 人脸识别技术的最新进展

3D 人脸识别技术的最新进展

1. 曲率在 3D 人脸识别中的应用

在 3D 人脸识别领域，曲率是一种重要的特征。曲率能够提供视角不变且局部化的特征，对于人脸对齐和匹配非常有用。当基于曲率的特征与距离图像或点云结合使用时，人脸识别性能通常会得到提升。

Samir 等人用连续的面部曲线来表示 3D 人脸，这些曲线是 3D 人脸与垂直于相机且处于不同深度的平面的交集。通过使用测地距离准则匹配相应的面部曲线来进行人脸识别。不过，面部曲线并非完全不受姿态影响。

1.1 计算 3D 人脸扫描曲率的标准技术

以下是计算 3D 人脸扫描曲率的标准步骤：
1. 寻找局部邻域内的邻居 ：邻居集包括该点本身。邻域大小需要在扫描分辨率和噪声水平之间进行权衡。可以利用网格中的连接信息或距离图像的结构快速计算邻域，否则需要对 3D 点云进行数据结构化处理，通常使用 k - d 树和八叉树，其标准实现可在网上找到。
2. 对邻居进行零均值处理并拟合平面 ：可以使用特征分解或奇异值分解（SVD）来拟合平面。特征值最小的特征向量是估计的表面法线，另外两个特征向量位于估计的切平面内，可作为局部基。
3. 将所有邻居投影到局部基 ：这与对整个面部扫描的处理过程相同。
4. 将数据重新以表面点为中心 ：
5. 使用最小二乘法拟合局部二次曲面片 ：$z = A_{2}x^{2}+Bxy + C_{2}y^{2}$，其中 $[x,y,z]^{T}$ 是在重新中心