表情不变的三维人脸识别算法过程

       表情不变的三维人脸识别算法从预处理、特征提取、匹配识别等步骤入手，设计三维人脸识别算法。
       一、对三维人脸库进行预处理。对样本库中的原始三维模型，通过插值的方法完成缺失数据的补全，通过滤波完成三维人脸表面的平滑去噪工作。采用主成分分析法，提取三维人脸点云模型的主轴，将所有三维人脸进行人脸对齐。经上述操作，完成三维人脸的标准化工作。
       二、三维人脸特征模型。对所有中性表情人脸求取平均脸，在平均人脸上，以鼻尖点为基点构建测地线环，在环上根据先验知识选择对表情不敏感的特征点，同时特征点之间的拓扑关系也由此确定。以基点与各个特征点之间的测地线距离为标准，自动确定样本库内所有三维人脸的特征点模型。同时考虑到表情变化时，特征点之间的测地线距离相对鲁棒。采用快速行进法对测地线距离进行近似计算，在不影响识别精度的情况下，提高计算速度。至此对三维人脸生成鲁棒的特征模型描述。
       三、对上述提取的特征进行基于弹性模型的匹配以及基于卷积神经网络的匹配。
       一方面对三维人脸模型的特征点邻域特征以及边特征分别进行相似性度量，通过余弦距离和欧式距离分别度量不同人脸间特征点与边的相似度，完成基于弹性模型的三维人脸识别。另一方面将上述特征进行融合，经过数据预处理后作为卷积神经网络的输入，通过训练调整学习率、批训练量、迭代周期等参数得到合适的网络模型，从而完成卷积神经网络下的三维人脸识别。
       该三维人脸算法对大部分表情变化有着良好的鲁棒性，在表情人脸库上可以取得较高的识别率，且算法可行性高，对预处理工作的要求较低。