1、人臉識(shí)別因其廣泛的應(yīng)用前景取得了巨大的發(fā)展。由于三維人臉數(shù)據(jù)包含了二維圖像數(shù)據(jù)中缺失的關(guān)鍵性深度信息,其有望克服或減輕二維圖像受光照、姿態(tài)、表情變化等因素的影響,因而受到越來(lái)越多研究者的關(guān)注。
　　 特征提取是模式識(shí)別領(lǐng)域最基本、最重要的問(wèn)題之一,在人臉識(shí)別中,如何從人臉數(shù)據(jù)中提取出有效的人臉特征是進(jìn)行人臉識(shí)別的關(guān)鍵。本文研究和分析了相關(guān)特征提取技術(shù),并根據(jù)二維人臉圖像和三維人臉圖像的信息互補(bǔ)性,將二維和三維人臉識(shí)別進(jìn)行決策融合

2、,有效地提高了人臉識(shí)別的準(zhǔn)確率。本文的主要工作和研究成果如下:
　　 (1)對(duì)傳統(tǒng)PCA線性特征提取方法和流形學(xué)習(xí)中的LLE、LPP非線性特征提取進(jìn)行了研究分析,由于人臉往往處于一個(gè)高維的非線性流形結(jié)構(gòu),因此本文選擇流形學(xué)習(xí)算法對(duì)二維灰度圖像和三維深度圖像進(jìn)行特征提取。通過(guò)實(shí)驗(yàn)對(duì)比LLE和LPP的優(yōu)缺點(diǎn),證實(shí)了LPP在人臉識(shí)別中有較好的識(shí)別精度和魯棒性。
　　 (2)研究了多特征提取的三維人臉識(shí)別技術(shù)。將PCA和LPP兩

3、種特征提取方法分別運(yùn)用于二維灰度圖像和三維深度圖像上,然后對(duì)兩類圖像上所獲得的匹配得分進(jìn)行決策融合。同時(shí)分析了決策融合中的三種融合方式。分別用最大得分法,距離乘積法,權(quán)重求和法對(duì)不同的特征提取方法進(jìn)行決策融合,實(shí)驗(yàn)證明權(quán)重求和法具有較好的性能。
　　 (3)基于上述研究工作,本文在Visual C++6.0和Matlab環(huán)境下開(kāi)發(fā)了基于多特征提取的三維人臉識(shí)別實(shí)驗(yàn)系統(tǒng),并在ZJU-3DFED、3DFACE-XMU和Texas3D