{
  "paper_id": "8c32260e050e7da8fc1a1eb48db245eb",
  "paper_title": "3D Shape-based Face Recognition using Automatically Registered Facial Surfaces",
  "paper_authors": [
    "M.O. Irfanoğlu",
    "B. Gökberk",
    "L. Akarun"
  ],
  "publication_date": "",
  "publication_venue": "Proceedings of the 17th International Conference on Pattern Recognition, 2004. ICPR 2004.",
  "abstract": "本文探讨利用三维面部形状信息进行人脸识别。我们提出一种新方法，将人脸表示为三维配准点云。通过自动定位关键面部标志点，并借助三维人脸模板辅助的薄板样条算法建立面部表面点的稠密对应关系，实现面部表面的精细配准。配准后，两幅人脸的相似度定义为面部表面之间体积差的离散近似。在3D RMA数据集上的实验表明，所提算法的性能与点签名方法相当，且在统计上优于基于点分布模型的方法和二维深度图像技术。在计算复杂度上，所提算法比点签名方法更快。",
  "keywords": [
    "3D face recognition",
    "point set distance",
    "surface registration",
    "thin plate spline",
    "automatic landmarking"
  ],
  "paper_institutions": [
    "Boğaziçi University, Computer Engineering Dept."
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:46:40.033769Z",
  "template_tag": "simple",
  "summary": "### 摘要\n本文针对三维人脸识别问题，提出了一种基于自动配准面部表面的新方法。研究背景是二维图像识别受光照、姿态和表情影响较大，而三维形状信息可提供更鲁棒的特征。现有三维方法如点签名、点分布模型等各有局限。本文提出的点集距离方法，首先通过自动定位10个面部标志点，结合薄板样条变换和基础网格重建，建立人脸表面的稠密对应点，再以对应点间欧氏距离之和作为人脸相似度。实验采用3D RMA数据集第一会话无噪声数据，包含30人每人3次拍摄，平均约4000个三维点，存在表情和旋转变化。实验设置三个会话，每个会话以一次拍摄为测试集，其余两次为训练集，使用1-最近邻分类器。结果显示，自动标志点配准的PSD方法在三个会话上均达到96.66%的识别率，与手动标志点配准效果相当，且优于点分布模型（最高86.66%）和二维深度图像PCA（最高80%），与点签名方法（最高100%但计算复杂度高）在统计上无显著差异。计算复杂度方面，PSD的特征维度为Np（点数），远低于点签名的Np×35。未来可探索进一步提高配准精度和适应更大规模数据库。该方法适用于如门禁、监控等需要非接触式身份验证的场景，但受限于三维采集设备的精度和配准算法的鲁棒性。核心机制是：通过自动标志点定位和TPS扭曲建立稠密对应，然后计算对应点间欧氏距离和作为相似度。\n\n### 关键要点\n- 提出点集距离（PSD）方法，以配准后的三维点云表示人脸，通过对应点欧氏距离和进行识别。\n- 自动标志点定位算法包含10个面部的关键点，利用曲率、法向量和对称面等几何信息自动定位。\n- 建立稠密对应关系分两步：自动找到稀疏标志点，再用薄板样条变换和基础网格重建实现点对点匹配。\n- 实验采用3D RMA数据集，无噪声第一会话，包含30人每人3次拍摄，平均4000个三维点。\n- 三个实验会话中，每个会话用一次拍摄作为测试，其余两次训练，使用最近邻分类器。\n- 自动标志点的PSD方法在三个会话上均达到96.66%识别率，与手动标志点配准性能相同。\n- 点签名方法在第一个会话达到100%识别率，但计算复杂度为Np×35，远高于PSD的Np。\n- 点分布模型方法使用约40个形状参数，识别率最高86.66%，统计上低于PSD。\n- 二维深度图像PCA方法识别率最高80%，同样低于PSD。\n- 隐式多项式方法性能最差，识别率不高于63.33%。\n- 95%置信度的t检验表明PSD与点签名在统计上无显著差异，且PSD计算复杂度更低。\n- 自动标志点定位与手动标志点结果相当，验证了自动算法的有效性。"
}