RGB-D多模态人脸识别方法研究.PDFVIP

摘 要 人脸识别是一个历史悠久的研究课题。随着机器学习，尤其是深度学习的发展，以 及大数据的爆炸式增长，二维图像人脸识别技术近几年获得了长足的进步。然而，由于 二维图像对姿态、光照、表情等因素的敏感性，在较为恶劣的条件，诸如巨大姿态和极 端光照等条件下，二维图像人脸识别性能将会面临显著的下降。而三维人脸因其所携带 的形状信息，对姿态和光照等因素有一定的鲁棒性。 随着廉价的2.5D摄像头Kinect和RealSense 的诞生和发展，基于RGB-D 的类三维 （2.5维）人脸识别受到了学界的持续关注。然而，传统的基于手工设计特征的RGB-D 多模态人脸识别方法和现有的基于深度学习的RGB-D人脸识别方法通常又不能充分的 挖掘RGB-D多模态特征的表达能力和互补能力。与此同时，近年来，也有越来越多的 研究工作基于深度学习研究这些问题，也给了本文很多启发。本文提出了一种基于互补 特征学习的RGB-D多模态人脸识别方法，用于充分挖掘模态各自的特征表达能力和互 补性。该方法适用于典型的RGB-D注册集vs.RGB-D测试集的人脸识别场景。 考虑到现有的大多数监控场景只有RGB摄像头而没有RGB-D摄像头，且城市里 的数十万摄像头更新换代升级的周期会很漫长，而安全部门和企