人脸识别技术ppt课件

整理课件
4
难点一
如何自动地对原始三维人脸数据进行处理以得到 仅包含脸部主要区域、质量较好的数据是一个待 解决的问题。
整理课件
5
难点二
如何为三维数据确定一个统一的姿态也是一个问 题。
整理课件
6
Байду номын сангаас 难点三
表情问题是三维人脸识别的重大困难，也是当前 三维人脸识别领域的研究热点。
整理课件
7
难点四
构造一种三维数据规整的表征方法，也是三维人 脸处理与识别中的核心问题。
三维人脸识别可以克服或减轻这些因素的影响,因 而受到越来越多的重视。
整理课件
3
三维图像处理
三维人脸识别不同于二维人脸识别的关键在于所采 用的数据不同，其所具有的优势也来源于此： 1. 采集获得的脸部三维形状数据可看作是不随光照、 视图的变化而变化，且化妆等附属物对图像影响很 大而对三维数据影响不明显．因而，三维人脸识别 被认为具有光照不变、姿态不变的特性。 2. 三维数据具有显式的空间形状表征，因此在信息量 上比二维图像丰富
整理课件
8
难点五
研究面向三维人脸模型的分类与匹配技术也是一 个值得思考的问题。
整理课件
9
三维人脸深度图像前景展望：
首先，在三维人脸深度图像的预处理上，通过改进预处 理算法，可以运用ICP等配准算法，使得三维人脸在深 度图像中的成像对齐，归一化，更有利于下面特征提取 工作的进行。
其次，在三维人脸深度图像的特征提取上，还可以采用 改进的LPP算法提取人脸特征，例如带有参数的扩展 LPP算法以及正交LPP算法，在三维人脸的深度图像上 进行实验。
人脸识别技术
整理课件
1
局限性
影响人脸识别技术发展的主要因素： I. 光照
光线的强弱和光的方向是影响人脸识别的一个重要的 因素，也是比较难以攻克的科学难题。比如在使用笔记 本时，不同光线和位置情况会极大地影响具体的识别效 果。
II.表情
同一个人不同的表情对应的人脸识别效果也是不同的
整理课件
2
如何克服这些局限性？
最后，基于三维人脸模型的特征提取方法有很多种，有 基于三维人脸模型局部特征的，还有基于三维人脸模型 整体特征的。每种特征提取方法都有其优缺点，如何充 分利用各种三维人脸的特征，将其有效的综合和组合， 是今后的一个探索方向。
整理课件
10