三维人脸识别包含了哪些有利于识别的信息？

  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。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。
  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。