多通道深度三维人脸识别
计算机视觉与模式识别
2020-10-01 v1 计算几何
摘要
人脸识别作为一种生物特征识别手段，因其高通量、便捷与非侵入性，在许多应用中具有重要意义。深度卷积神经网络（CNN）架构的最新进展显著提升了基于二维（2D）面部纹理图像的人脸识别性能，并超越了以往使用传统方法的先进水平。然而，2D 人脸识别的精度仍受姿态、光照、妆容与表情变化的影响。另一方面，三维（3D）人脸数据所含的几何信息有望克服 2D 人脸数据的根本局限。我们提出了一种基于 3D 人脸数据的多通道深度三维人脸网络用于人脸识别。我们基于分段线性三角网格结构计算 3D 人脸的几何信息，随后将几何信息与颜色共形展平从 3D 到 2D 平面，以利用最先进的深度 CNN 架构。我们修改网络的输入层以接收九通道而非仅三通道图像，从而可显式输入更多几何信息。我们使用来自 VGG-Face 的图像预训练网络，再以生成的多通道人脸图像微调。多通道深度三维人脸网络的人脸识别准确率达到了 98.6。实验结果亦清晰表明，基于共形映射将 9 通道图像展平至平面时，网络性能明显优于正交投影。
引用
@article{arxiv.2009.14743,
title = {Multi-channel Deep 3D Face Recognition},
author = {Zhiqian You and Tingting Yang and Miao Jin},
journal= {arXiv preprint arXiv:2009.14743},
year = {2020}
}