基于关键特征增强机制的3D人脸识别

摘要

3D人脸识别是计算机视觉领域的重要组成部分，Pointnet依靠深度学习解决了点云的无序性，实现了3D点云的全局特征提取，但由于点云数据缺乏细节纹理，仅靠全局特征很难实现复杂情况下的人脸识别。针对以上问题，基于Pointnet提出了一种局部特征描述子，用于描述点云局部空间的几何特征，并引入关键特征增强机制，通过特征概率分布增强人脸关键信息，该机制能减少不必要特征对任务的干扰，有效提升模型的准确率。在公共数据集CASIA-3D、Lock3DFace、Bosphorus上进行实验测试，结果表明该方法能很好地应对表情变化、部分遮挡以及头部姿态的干扰，在弱光环境下其准确率高于RP-Net 1.1%，并具有良好的实时性。

关键词

3D人脸识别 / 深度学习 / 局部特征描述子 / 特征增强 / 点云数据

基金资助

国家自然科学基金（61802052）; 喀什地区科技计划项目（KS2023029）