多表征方法在三维人脸生物识别融合中的应用：针对监视场景

三维人脸重建 (3DFR) 算法基于针对不同应用场景的限制和特征所设计的特定假设。在本研究中，我们探讨如何利用多种最新 3DFR 算法来生成更准确的主体表征，最终目标是提高面部识别系统在挑战性且不受控制场景下的性能。我们还研究了不同的参数化和非参数化得分级融合方法如何利用多种 3DFR 算法各自独特优势来增强生物识别鲁棒性。为此目标，我们对多个面部识别系统进行全面分析，涵盖多种条件，如距离变化、摄像头配置、数据集内和数据集间测试，以评估所提出集成方法的鲁棒性。结果表明，不同 3DFR 算法提供的独特信息可减轻在多种应用场景下泛化的难题。此外，本研究强调了先进融合策略在提升 3DFR 基于面部识别系统可靠性方面的潜力，为研究社区提供了关键见解，以有效地在实际应用中加以利用。虽然实验是在特定的人脸验证场景下进行，但本文提出的融合式 3DFR 方法可应用于与身份识别不严格相关的其他生物识别任务。