隨著社會發(fā)展，許多場合對個體身份識別和驗(yàn)證提出了更為嚴(yán)格的要求，快速、準(zhǔn)確、有效地解決身份識別和驗(yàn)證問題成為一項(xiàng)迫切的任務(wù)。傳統(tǒng)的人臉識別算法[1,2]主要解決二維正面圖像識別，一旦人臉姿態(tài)發(fā)生變化，則算法性能急劇下降，表現(xiàn)為識別率低，可靠性差，甚至無法工作。近年來，借助三維人臉模型解決這一問題的方法已成為一個研究熱點(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)問題，從而提高基于 2D圖像的人臉識別算法的性能[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個人臉，通過訓(xùn)練建立一個可變形的3D人臉模型。但這種方法算法復(fù)雜度高，掃描一個人頭需要消耗較長的時間，擬合時間長（在2GHz Pentium IV的工作站上約需4.5分鐘），且掃描儀價格昂貴，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。國內(nèi)較多學(xué)者采用了類似的方法。但是要找到一個合適的通用人頭模型難度大,一旦通用模型定義過分精細(xì)，則擬合時間較長；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)人臉圖像及所對應(yīng)的深度圖的基礎(chǔ)上，通過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，由于該算法無需借助三維通用人臉模型，因此避免了存儲模型所需的空間開銷。此外，該算法對深度圖的獲取方式并無特殊要求，既可利用成本較低的立體視覺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