三维人脸识别的方法有哪几种？

  随着人脸识别技术的不断进步，三维人脸识别技术逐渐应用到更多的实际场景中，使刷脸有更高的安全性。那么，三维人脸识别的方法有哪几种？
基于复数城的多数据融合三维人脸识别
  多数据融合技术是指利用计算机对按时序得到的若干观测信息，在一定准则下进行自动分析、综合，完成需要的决策和评估任务而进行的信息处理技术。多数据融合技术可以分为三个层次，就是数据级融合、特征级融合以及决策级融合。
  通过将多个数据进行融合的方法获取到更多的信息量，而且有用的信息量也在加大，这样就能够在多数据进行融合的基础上互相的取长补短，使提高的识别率有增强，得到更好的识别效果，多种的数据融合方式进行三维人脸识别要比单一传统的识别方法更具有优势。
基于不同姿态三维人脸深度图识别
  姿态的问题是人脸识别问题研究的难题，当成像的对象面部的表情发生变化的时候，会使整个人脸的区域的成像发生变化，人脸的图像因视觉的感官的改变而发生变化就会导致整个人脸的区域成像效果也发生相应的改变。这种变化是比较难去捕捉和把握的，会增加人脸识别的难度。
  对于人脸的不同姿态的三维人脸成像的方法主要有三种方法，先是通过单幅或者是多幅的二维图像进行合成。其次就是在不同的姿态下进行图像的采集，使人脸的数据库得到更丰富的信息，从而构建出相应的多姿态的训练集，提高辨识度，然后通过人脸模型的架构，形成多角度的表情人脸图像。但是建模是需要一定的算法与复杂性，其规模比较大。
基于曲面等高线特征的三维人脸识别
  曲率是一种局部几何的属性，因为三维人脸的曲面数据是分散的，所以会受到很多条件的制约，采集点也不相同，这样就会出现数据之间的格式不规范、不统一的现象。因此，三维人脸的识别是不可以通过曲率的特征直接进行识别的。除此之外，会有主观与客观的因素的影响，若人脸成像过程中出现的噪声也会造成人脸图像的误差，所以曲率特征对于数据精度要求高，要与其他方法结合使用，并不能直接使用。