点CNN:3D面部识别与本地特征描述器和特征增强机制
Qi Wang1, Hang Lei1, Weizhong Qian1
1School of Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu 610054, China.
Sensors (Basel, Switzerland)
|September 28, 2023
概括
这项研究介绍了一种新的3D面部识别网络,以应对点云挑战. 这种新的方法增强了特征提取和歧视,提高了公共数据集的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 3D数据分析 3D数据分析
背景情况:
- 点云对于3D视觉至关重要,但它们的无序性质阻碍了CNN的应用.
- 在点云中缺乏详细的纹理,使面部特征易受姿势和表情变化的影响.
研究的目的:
- 开发一个新的3D人脸识别网络,克服点云限制.
- 为了提高3D人脸识别系统的准确性和稳定性.
主要方法:
- 一个基于局部特征描述符的新运算符,用于细粒度特征提取和顺序不变.
- 一个特征增强机制,以改善面部特征歧视.
主要成果:
- 拟议的网络在CASIA-3D,波斯波罗河和Lock3D面部数据集上实现了更高的准确性.
- 与最先进的方法相比,观察到0.7%,0.4%和0.8%的精度增长.
结论:
- 这种新型网络有效地解决了3D点云面部识别方面的挑战.
- 该方法在提取和增强面部特征以进行识别方面表现出卓越的性能.
