三维人脸研究

 

 三维人脸研究现状：

传统的人脸识别方法是基于二维图像分析的理论进行人脸的表示、分析、提取特征并进行分类识别。虽然基于二维图像的人脸识别算法在半个多世纪的研究过程中，取得了丰硕的成果，但是研究表明，基于二维图像分析的人脸识别方法受到诸如光照、姿态、表情等成像条件的影响较大。与二维数据相比，三维数据包含了人脸的空间信息，是人脸本身固有的信息，对外界条件的变化具有很好鲁棒性[13]。采集获得的脸部三维形状数据不随光照、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；而且三维数据在信息量上比二维图像丰富，三维数据具有显式的空间形状信息，而二维图像本质上仅是三维物体在二维空间上的投影，在投影过程中损失了很多有利于识别的信息。

因此，三维人脸识别越来越受到图像处理、模式识别领域研究人员的青睐。研究者普遍认为，三维人脸包含更多的有利于识别的信息，利用人脸的三维信息进行识别将有助于克服传统的基于二维人脸图像的识别方法所遇到的困难。近年来，随着三维人脸获取系统的成熟和发展，更多的研究者将主要的精力投向了三维人脸识别，挖掘三维人脸数据中包含的有用信息进行人脸识别，并取得了较大的进展[14,15]。

虽然三维人脸数据信息量丰富，但如何提取对分类有效的特征进行人脸表示是三维人脸识别的关键研究内容，也是首要解决的问题。按照三维人脸的表征和匹配方式对国内外人脸识别算法进行归纳、分析和综述，可将三维人脸识别算法分为基于局部特征的方法、基于全局特征的方法和基于多模态特征的方法。

【参考文献】

13 G. Medioni, R. Waupotitsch. Face modeling and recognition in3-D.Proceedings of IEEE Workshop on Analysis and Modeling of Faces and Gestures,Nice, France, 2003:232-233

14 A. Scheenstra, A. Ruifrok, R. C. Veltkamp. A survey of 3D facerecognition

methods. Proceedingsof International Conference on Audio- and Video-Based Biometric PersonAuthentication, New York, 2005: 891-899

15 K. Bowyer, K. Chang, P. Flynn. A survey of approaches and challengesin 3d

and multi-modal 3d+2dface recognition. Computer Vision and Image Understanding. 2006, 101(1):1-15

三维人脸数据库:

目前国际上已有多个大规模的二维人脸数据库，这些数据库为二维人脸识别算法提供了评测和性能比较的公共平台。2004 年之前，很少有公开的三维人脸数据库，近年来，越来越多的研究组织开始建立自己的三维人脸数据库。公开的三维人脸数据库为三维人脸识别领域提供了实验的依据。下面列出了部分公开的三维数据库：

1）University ofNotre Dame database(UND)[34, 35]

UND 库由University of Notre Dame 提供，其中包括 277 人的 953 幅人脸深度图像，采集设备为 Minolta 三维扫描仪。所有的人脸都是正面、无表情的，图像尺寸为 320*240。这个库包含了用于三维人脸配准的标准库 FRGC Ver1.0。

2）FRGC Ver2.0[36]

FRGC V2.0 包含了465 人的 4007 幅 2.5 维图像，图像尺寸为 320*240，采集设备为Minolta Vivid 900/910 seriesscanner，采集时间从 2003 年秋至 2004 年春。除了中性表情外，还包括一些带表情的图像，如：微笑、惊讶等。

3）GavabDB[37,38]

GavabDB 库包含了 61 人的 549 幅三维图像，其中 45 名为男性，16 名为女性。所有的被采集者都是高加索人种，年龄从 18 至 40 岁。每个采集分别采集 9 幅图像：2 幅中性正面、2 幅左右全侧面、1 幅仰头、1 幅低头、1 幅微笑表情、1 幅大笑表情、1 幅随意表情姿态图像。

4）3D_RMA[39]

3D_RMA 库包含了 120 人，每人 6 幅点云深度数据，包括姿态：正面、左或右、仰头或低头。该数据由基于结构光的采集系统分两次采集。

5）BU-3DFE[40,41]

BU-3DFE 库由Binghamton University 提供，包括 100 人，其中 44 名男性，56 名女性，采集对象包括白人、黑人、亚洲人、印度人等。每个人被采集 25 幅图像，包括一

个中性模型和 6 类带表情模型，每种表情分为 4 种程度，包括的表情有：高兴、厌恶、恐惧、生气、惊讶、悲伤。

6）USF[42]

USF 数据库由University of South Florida 提供，包含 100 个中性表情的三维人脸模型，该库用 Cyberware scanner 采集。该库中的 2.5 维数据可免费申请。

7）BJUT-3D Facedatabase[43]

BJUT 三维人脸数据库由北京科技大学提供，其中包含 500 人的三维模型，男女各半。该库用 3D CyberWare 3D scanner采集，每人采集一个三维模型，对每个模型去噪并切除了多余部分。

【参考文献】

[34].Chang, K. I.,Bowyer, K. W.,Flynn, P. J. Multi-modal 2D and 3Dbiometrics for face recognition[A]. In

IEEE International Workshop on Analysis and Modeling of Faces andGestures[C], 2003.

[35].UND. http://www.nd.edu/~cvrl/UNDBiometricsDatabse.html.

[36].FRGC. http://www.frvt.org/FRGC/.

[37].GavabDB. http://www.gavab.es/recursos_en.html.

[38].Moreno, A.,Sanchez, A. Gavabdb: A 3d face database[A]. In 2ndCOST275 workshop on Biometrics

on the Internet[C], 2004; 75-80.

[39].3D_RMA. http://www.sic.rma.ac.be/~beumier/DB/3d_rma.html.

[40].Yin, L.,Wei, X.,Sun, Y., etc. A 3D facial expression database forfacial behavior research[A]. In 7th

International Conference on Automatic Face and Gesture Recognition [C],2006.

[41].BU-3DFE.http://www.cs.binghamton.edu/~lijun/Research/3DFE/3DFE_Analysis.html.

[42].USF. http://www.csee.usf.edu/~sarkar/index_files/DataAndCode.htm.

[43].BJUT.http://www.bjut.edu.cn/sci/multimedia/mul-lab/3dface/face_database.htm.

三维人脸表情识别的研究现状：

虽然有很多的研究者致力于三维人脸识别研究，但是对于三维人脸表情识别的研究却较少。大部分自动人脸表情识别研究是基于静态图像和图像序列的[88-106]。三维表情识别通常会跟踪人脸特征点，例如鼻尖、嘴唇、眼镜和眉毛等。这些特征点可以作为描述符（如主曲率和相对距离），或者用于建立人脸解剖学意义上的对应关系。后者是建立可变人脸模型的关键部分，可变人脸模型的参数可以用于表情分类。