隨著社會(huì)發(fā)展，許多場(chǎng)合對(duì)個(gè)體身份識(shí)別和驗(yàn)證提出了更為嚴(yán)格的要求，快速、準(zhǔn)確、有效地解決身份識(shí)別和驗(yàn)證問(wèn)題成為一項(xiàng)迫切的任務(wù)。傳統(tǒng)的人臉識(shí)別算法[1,2]主要解決二維正面圖像識(shí)別，一旦人臉姿態(tài)發(fā)生變化，則算法性能急劇下降，表現(xiàn)為識(shí)別率低，可靠性差，甚至無(wú)法工作。近年來(lái)，借助三維人臉模型解決這一問(wèn)題的方法已成為一個(gè)研究熱點(diǎn)[3]。該方法根據(jù)三維人臉模型信息，重新合成正面或指定姿態(tài)的臉部圖像，部分糾正原輸入圖像中存在的姿態(tài)問(wèn)題，從而提高基于 2D圖像的人臉識(shí)別算法的性能[4]。以上解決方案中，三維人臉模型重建是核心任務(wù)。  目前主要存在三類(lèi)三維人臉模型重建算法：（1）Vetter和Blanz的研究小組提出的基于三維可變形人頭模型的方法[5]。他們使用激光掃描采集200個(gè)人臉，通過(guò)訓(xùn)練建立一個(gè)可變形的3D人臉模型。但這種方法算法復(fù)雜度高，掃描一個(gè)人頭需要消耗較長(zhǎng)的時(shí)間，擬合時(shí)間長(zhǎng)（在2GHz Pentium IV的工作站上約需4.5分鐘），且掃描儀價(jià)格昂貴，因此實(shí)用性較差；（2）許瑞麟等人提出一種基于三維通用人頭模型的方案[3]。他們選擇了Water的人臉線框模型
      擬合輸入的人臉，從而產(chǎn)生三維人臉模型。國(guó)內(nèi)較多學(xué)者采用了類(lèi)似的方法。但是要找到一個(gè)合適的通用人頭模型難度大,一旦通用模型定義過(guò)分精細(xì)，則擬合時(shí)間較長(zhǎng)；若模型粗糙，則效果較差；（3）Gunaratne等人提出一種基于四張深度圖合成人臉三維模型的方案[7]。該算法通過(guò)手工選擇特征點(diǎn)和Sobel算子提取出圖像邊緣的方法產(chǎn)生三維人臉模型。因?yàn)槭褂肧obel算子提取邊緣，Sobel算子內(nèi)在高噪聲敏感性使得該方法在算法穩(wěn)定性上存在一定的問(wèn)題。  為了克服上述方法存在的缺陷，本文采用由三幅不同姿態(tài)下的人臉深度圖直接融合產(chǎn)生三維人臉模型的方案，并提出如下算法：在獲取正面、左側(cè)面、右側(cè)面三幅不同姿態(tài)人臉圖像及所對(duì)應(yīng)的深度圖的基礎(chǔ)上，通過(guò)人工輔助選擇和最優(yōu)化能量函數(shù)確定人臉特征點(diǎn)位置，獲得人臉姿態(tài)，實(shí)現(xiàn)人臉的側(cè)面圖和正面圖的初步融合，而后利用改進(jìn)的ICP算法實(shí)現(xiàn)人臉精細(xì)融合，產(chǎn)生隱式三維人臉模型，由于該算法無(wú)需借助三維通用人臉模型，因此避免了存儲(chǔ)模型所需的空間開(kāi)銷(xiāo)。此外，該算法對(duì)深度圖的獲取方式并無(wú)特殊要求，既可利用成本較低的立體視覺(jué)方法又可采用效果較好的激光掃描方法，從而增強(qiáng)了該算法的應(yīng)用范圍。http://www.dusttechnology.net