三维人脸识别中光线和角度的特点

  三维人脸识别是基于三维人脸图像的，从理论上讲具备一些三维图像信息的技术优势，但一直存在采集设备昂贵，采集系统复杂，存储度高，人脸重建算法很复杂，识别速度较慢等缺点。
  现有的三维人脸识别方法有：1.基于图像特征的方法：采取了从3D结构中分离出姿态的算法。首先匹配人脸整体的尺寸轮廓和三维空间方向；然后，在保持姿态固定的情况下，去作脸部不同特征点(这些特征点是人工的鉴别出来)的局部匹配。2.基于模型可变参数的方法：使用将通用人脸模型的3D变形和基于距离映射的矩阵迭代更小相结合，去恢复头部姿态和3D人脸。随着模型形变的关联关系的改变不断更新姿态参数，重复此过程直到更小化尺度达到要求。
  基于模型可变参数的方法与基于图像特征的方法的区别在于：后者在人脸姿态每变化一次后，需要重新搜索特征点的坐标，而前者只需调整3D变形模型的参数。
  光线和角度:三维人脸识别仪的工作波段接近于红外波段，使用者可不受光线状况、背景颜色、脸部的毛发与肤色的影响，从任何的角度都可以呈现出准确的三维脸形资料。三维图像的特异性：获取丰富的脸部测量数据特点，通过运算形成的三维脸形模板，就可以准确识别出看似两个完全相同的双胞胎兄弟或姐妹的脸形。识别速度和准确性：专有的三维人脸生物算法执行实时以每秒30帧的脸部影像扫描以获取脸部特征点进行识别运算，即使在极低的拒判率和误判率［＜0.001］的情况下每秒也能达到10～12次比对运算使得三维脸部识别验证具有极高的识别准确性。