68个地标是有效的3D面部对齐:还有更多吗? : 3D面部对齐方法应用于面部识别

科学领域:

• 计算机视觉和模式识别
• 生物识别和人机交互的人机交互

背景情况:

• 从二维图像中准确的3D面部重建对于强大的面部识别至关重要,特别是无限制的"在野外"数据.
• 现有的方法经常与杂的地标作斗争,需要3D形态模型,限制了它们的适用性.

研究的目的:

• 为单个有噪音地标的2D个人资料图像提出一种新的3D面部对齐技术.
• 在重建的3D面部模型上使用深度学习来实现准确的个人识别.

主要方法:

• 提取超过68个面部地标,使用特征袋的方法来捕捉可见和不可见的关键点.
• 从关键点重建3D面部模型和三角网格,使用蝶和BPA算法进行区域相关.
• 通过将染的3D模型与2D面部相匹配,进行对齐和姿势校正,然后使用深度卷积神经网络 (DCNNs) 进行姿势正常化以进行识别.

主要成果:

• 从没有外部3D形态模型的2D图像中成功重建高质量的3D面部模型,利用2D到3D注释.
• 与最先进的方法相比,在标准基准 (YTF,LFW,BIWI) 上实现了可比或优越的面部识别性能.
• 在"野生"面部图像中对杂的地标表现出强度.

结论:

• 拟议的2D-to-3D面部对齐和重建方法有效地处理杂的地标,以改进3D面部建模.
• 与DCNNs的集成使单个配置图像的高度准确的面部识别成为可能,在经过测试的数据集上表现优于现有的方法.