说明
目前,人脸识别技术在日常生活中得到了广泛应用,该技术具有非强制性、非接触性和并发性等优势,用户体验非常友好。
其中,三维人脸识别技术对于人脸的光照和姿态变化更为鲁棒,并且安全系数较高,不过高精度传感器的成本和体积限制了其广泛应用的可能。
而随着消费级深度传感器的出现,使得三维人脸识别技术的广泛应用成为可能。
在三维人脸识别的整个流程中,主要会涉及到采集设备、数据集和识别方法。
高精度的采集设备体积大、价格高,低精度的采集设备体积小、价格低,在应用上更具有优势,但在数据质量上表现较差。
现有的三维人脸数据集,规模都不大,远比不上二维人脸的数据量。
传统的识别算法,对于数据量的要求都不高,例如基于空域、局部特征和全局特征的识别算法。
而基于深度学习的识别算法,都采用了数据扩增的手段,然后利用卷积神经网络进行识别,取得了显著的效果。
不过,对于消费级深度传感器采集得到的低质量三维人脸数据而言,其视觉效果较差,表面粗糙,增加了识别难度。而且由于应用场景的限制,识别方法需要轻量高效,能够满足在低功耗设备上的部署要求。