基于高级不确定推理架构的三维人脸识别研究

本书回顾了与现有人脸 识别尤其是三维人脸图像识 别研究相关的大量研究成果 ，探讨和总结了三维人脸识 别研究需要着重解决的技术 要点和以待克服的困难及问 题，并在此基础上创新性地 提出并实现了一种基于三维 曲面形状描述符的三维人脸 图像自动识别的技术框架， 实现了从原始粗糙的三维人 脸图像数据到最终完成人脸 识别的各项必需任务。在技 术框架的第一阶段，关键的 人脸特征（尤其是鼻尖）需 要被极其精确地识别和定位 ，从而为进行后续的人脸识 别最终关键任务奠定良好的 图像数据处理基础。

句全，博士，中国计算机学会会员，现任河南财经政法大学计算机与信息工程学院信息管理与信息系统系副主任。2011年毕业于英国约克大学（The University of York）计算机系，获得计算机科学博士学位（PhD in Computer Science），师从Jim Austin教授与 Simon O'keefe博士。本科毕业于华南理工大学自动控制专业，获得工学学士学位。先后主持和参与完成十余项省部级、厅级纵向和横向科研项目，在各类国外学术期刊及学术会议上发表十余篇科研论文。主要研究方向为模式识别及数据分析处理。

第一章 导言 第一节 人脸识别研究技术发展及产业现状 一、国家有关产业政策 二、人脸识别行业市场发展现状 三、国内外相关领域技术发展水平和趋势 第二节 三维人脸识别 第三节 研究目标和驱动 第四节 小结 第二章 人脸识别的研究背景与文献回顾 第一节 引言 第二节 二维人脸识别算法 一、基于外观的人脸识别 二、基于模型（model-based）的人脸识别 第三节 三维人脸识别技术和方法 一、基于二维人脸识别算法的三维人脸识别方法 二、使用形状分析的三维人脸识别 第四节 人脸数据库和性能评估 第五节 FRGC三维人脸数据库 第六节 迭代最近点算法 第七节 小结 第三章 人脸特征定位 第一节 简介 第二节 三维局部形状和曲面描述符 一、多轮廓曲面角矩描述符（MCSAMD） 二、多壳层曲面角矩描述符（MSSAMD） 三、小结 第三节 k最近邻AuRA算法 一、高级不确定推理架构（AURA） 二、使用k-Nearest Neighbour进行AuRA匹配 第四节 鼻尖分层定位方法 第五节 内眼眦（内侧眼角点）检测（Medial Canthi Detection） 第六节 实验结果 一、实验数据集 二、基于多轮廓曲面角矩描述符的鼻尖和内眼眦检测 三、基于多壳层曲面角矩描述符的鼻尖和内眼眦检测 四、表情变化对鼻尖定位结果的影响 五、与最新相关技术的比较 第七节 结论 第四章 人脸检测定位和对齐 第一节 引言 第二节 人脸定位 第三节 基于主成分分析的人脸姿态校正方法 第四节 使用迭代最近点算法并利用人脸的对称性进行人脸姿态校正 一、迭代最近点算法 二、基于人脸对称性的人脸对齐 三、使用不受表情影响的人脸区域的迭代最近点算法的人脸姿态校正 第五节 评估 第六节 结论 第五章 基于三维图像的人脸识别 第一节 引言