人臉識別是基于生物特征識別技術的身份認證中最主要的方法之一，涉及計算機圖形學、計算機視覺、模式識別、機器學習、感知科學、人工智能、計算智能等技術，3D人臉識別主要分為人臉檢測、人臉特征和人臉識別三個過程。為了提高人臉的識別精度，本文對3D人臉的自動識別系統及識別算法進行了研究，給出了3D人臉識別存在的問題。

　　1 3D人臉自動識別系統

　　普通的人臉識別一般分為圖1所示的三個過程。圖2所示是一個典型的3D人臉識別系統的組成框圖。其中，圖像獲取部分負責獲取來自于攝像機或是掃描儀等設備的圖像，通過程序將其轉換為可處理的數字圖像格式；檢測定位是通過對輸入的圖像進行處理分析，判斷圖像中是否有人臉，如果有人臉，則作出準確的定位；特征提取是在預處理后的人臉圖像中按照某種策略抽取出識別的特征。

圖1 人臉識別過程圖

?

圖2? 典型的人臉識別系統

　　人臉模型主要分為剛性模型和塑性模式，剛性模型可以滿足對人頭部跟蹤檢測的要求，主要用于表示人的頭部位置、姿態、方向等；塑性實體主要處理人臉識別、表情識別、唇語識別等問題，它涉及面部器官、肌肉和表皮的運動。

　　目前主要的三維建模工具有3DSMAX，MAYA，AUTOCAD等。

　　1.1 結合一般人臉模型的建模

　　由于人臉的復雜性和相似性，直接采用視覺重建算法進行3D人臉的重建，在精度和實用性上，相對于昂貴的硬件采集方法，都不能達到很好的效果。為了重建精度較高的人臉模型，下面引入了一般人臉3D模型。

　　一般人臉模型的主要思想是定義一個平均的人臉3D模型，其空間坐標點集為Sg={xgi，ygi，zgi}，i=1，2，…，n，該空間坐標集表達了常見的人臉表面形狀的共同特性。該思想認為，不同人臉的3D結構S。都可 以通過一般人臉模型Sg中每個空間點的位置變化來表達，即特定的人臉模型Sp=Sg+△S，（xpi，ypi，zpi}={xgi+△xi，yg+△yi，zgi+△zi}。形變量△S如何求取具有不同的方法，但核心思想是利用人臉模型提取表達五官特征（眼睛、鼻子、嘴、臉頰、眉毛）的輪廓點集Sf={xfj，yfj，***j}，j=1，2，…，m（其中m《n），然后利用相應的輪廓信息或特征點隊形的深度信息在一般人臉模型和特定人臉模型之間建立一個光滑的3D位移插值函數f（Sg），并使f（Sg）對于輪廓或特征點集合均滿足f（Sj）=△Sf，進而從f（Sg）得到一般人臉模型上每一點的位移△S。

　　1.2 結合3D人臉形變模型的建模

　　3D人臉形變模型的核心思想是利用有限數量的3D人臉模型的線性組合來表達任何一個3D人臉。在用3D人臉形變模型建模時，可將模型的形狀坐標集合記為s=[x1，y1，z1，…，xN，yN，zN]T，即包括N個頂點的x，y，z坐標；再將對應一個人臉的紋理表示為一個紋理向量t=[R1，G1，B1，…，RN，GN，BN]T，即包括N個對應頂點的RGB值（假設有效紋理的數據等于頂點數）。

　　形變模型由M個人臉樣本數據構成，這些數據分別表示為它的3D形狀和紋理兩部分，也可寫成M個樣本圖像的質心坐標表達式，即：

　　其中

使用PCA對3D人臉數據進行壓縮，再把基底變換到一個由對應協方差距陣的特征值按降序排列對應的特征向量si和ti形成的正交坐標系下，則有（α，β∈RM-1）：

　　其中，a的概率分布滿足

　　式中：δ2是形狀協方差矩陣Cs的特征值。p（β）的計算與p（α）的計算類似。

　　最終定義的3DMM為[smodel（α），tmodel（β）]，由兩個變量參數確定a=[a1，a2，…，aM]T，b=[b1，b2，…，bM]T。這樣，任意新的人臉都可以通過變化a，b來控制其形狀和紋理。