8）基于三維模型的方法

　　該類方法一般先在圖像上檢測出與通用模型頂點對應的特征點，然后根據(jù)特征點調(diào)節(jié)通用模型，最后通過紋理映射得到特定人臉的3D模型。Tibbalds［40］基于結構光源和立體視覺理論，通過攝像機獲取立體圖像，根據(jù)圖像特征點之間匹配構造人臉的三維表面，如圖5所示。

　　圖5 三維人臉表面模型 圖6 合成的不同姿態(tài)和光照條件下二維人臉表面模型

　　Zhao［41］提出了一個新的SSFS（Symetric Shape- from-Shading）理論來處理像人臉這類對稱對象的識別問題，基于SSFS理論和一個一般的三維人臉模型來解決光照變化問題，通過基于SFS的視圖合成技術解決人臉姿態(tài)問題，針對不同姿態(tài)和光照條件合成的三維人臉模型如圖6所示。

　　三維圖像有三種建模方法：基于圖像特征的方法［42、43］、基于幾何［44］、基于模型可變參數(shù)的方法［45］。其中，基于模型可變參數(shù)的方法與基于圖像特征的方法的最大區(qū)別在于：后者在人臉姿態(tài)每變化一次后，需要重新搜索特征點的坐標，而前者只需調(diào)整3D 變形模型的參數(shù)。三維重建的系統(tǒng)框圖，如圖7所示。

　　圖7　三維建模的系統(tǒng)框圖

　　三維人臉建模、待識別人臉的姿態(tài)估計和識別匹配算法的選取是實現(xiàn)三維人臉識別的關鍵技術。隨著采用三維圖像識別人臉技術的發(fā)展，利用直線的三維圖像信息進行人臉識別已經(jīng)成為人們研究的重心。

　　4　總結與展望

　　人臉自動識別技術已取得了巨大的成就，隨著科技的發(fā)展，在實際應用中仍然面臨困難，不僅要達到準確、快速的檢測并分割出人臉部分，而且要有效的變化補償、特征描述、準確的分類的效果，還需要注重和提高以下幾個方面：

　?。?） 人臉的局部和整體信息的相互結合能有效地描述人臉的特征，基于混合模型的方法值得進一步深入研究，以便能準確描述復雜的人臉模式分布。

　?。?） 多特征融合和多分類器融合的方法也是改善識別性能的一個手段。

　?。?） 由于人臉為非剛體性，人臉之間的相似性以及各種變化因素的影響，準確的人臉識別仍較困難。為了滿足自動人臉識別技術具有實時要求，在必要時需要研究人臉與指紋、虹膜、語音等識別技術的融合方法。

　　（4） 3D形變模型可以處理多種變化因素，具有很好的發(fā)展前景。已有研究也表明，對各種變化因素采用模擬或補償?shù)姆椒ň哂休^好的效果。三維人臉識別算法的選取還處于探索階段，需要在原有傳統(tǒng)識別算法的基礎上改進和創(chuàng)新。

　?。?） 表面紋理識別算法是一種最新的算法［52］，有待于我們繼續(xù)學習和研究出更好的方法。

　　總之，人臉識別是極富挑戰(zhàn)性的課題僅僅采用一種現(xiàn)有方法難以取得良好的識別效果，如何與其它技術相結合，如何提高識別率和識別速度、減少計算量、提高魯棒性，如何采用嵌入式及硬件實現(xiàn)，如何實用化都是將來值得研究的。