持有人：李慧斌 黄迪 Liming Chen (法国)
代表专利或成果：SHREC'11大姿态三维人脸检索国际竞赛第一名；第七届欧洲生物特征识别学术与工业奖第三名
技术内容：
近年来，随着三维成像技术与三维扫描技术的快速发展，三维人脸识别技术受到了学术界和工业界的广泛关注。由于数字化三维人脸曲面能够精准捕获用户的面部几何形状信息，三维人脸识别技术有望从根本上解决困扰二维人脸识别的光照、姿态、防伪等技术难题，从而有望在国家安全、军事安全和公共安全等领域发挥关键性的作用。三维人脸识别技术通常包括数据预处理、人脸配准、形状表示及相似性度量等技术环节。在非限制环境下，三维人脸识别通常会面临表情、姿态和遮挡问题：即用户面部表情变化所引发的人脸曲面非刚性形变；头部姿态变化所导致的自遮挡和人脸数据缺失；面部装饰或外物遮挡所造成的人脸形状改变。现有研究成果主要关注表情问题的解决。这些方法通常难以同时有效解决表情、姿态和遮挡互相耦合的问题。此外，现有三维人脸识别技术的精度很大程度上依赖于三维人脸配准的精度。
图1：基于多阶微分几何量统计特性的三维人脸识别框架
为了克服以上不足，我们提出了基于多阶微分几何量统计特性的三维人脸识别技术
，并将其成功应用于大姿态三维人脸检索。如图1所示，所提方法主要包括面部关键点（salient points）检测、关键点局部几何刻画及关键点匹配三个步骤。为了尽可能检测出更多的关键点，我们提出分别利用最大主曲率和最小主曲率来构造多尺度曲率空间，其极值点即为关键点。在关键点的一个测地邻域内，我们提出了构建基于多阶离散曲面微分量统计特性的局部形状描述子。在关键点匹配环节，我们摆脱了惯用的基于离散余弦距离的描述子相似性度量和基于匹配关键点对个数的人脸相似性度量（粗粒度匹配），创造性地提出了基于信号多任务稀疏重建的细粒度匹配技术，即三维人脸之间的相似性度量由所有关键点的累积重建误差给出。由于所用曲面微分几何量均不受三维人脸姿态变化的影响，同时，关键点检测、局部刻画及细粒度匹配均可自动实现，所提算法的突出优势在于摆脱了传统方法耗时费力的三维人脸配准环节，并且能够同时有效处理各种表情、姿态以及遮挡变化
问题。所提方法在Bosphorus等三维人脸识别国际标准数据库上进行了大量测试。特别地，在包含有105个人的4666个不同表情、姿态和遮挡变化样本的Bosphorus数据库上，所提方法获得了目前最好的识别精度：在表情、遮挡和姿态（除去90度侧脸）子库上的识别精度分别为98.82%、99.21%和98.94%。图2给出了表情、姿态或遮挡变化时三维人脸的匹配效果。
评价及应用情况：
上述成果在2011年举办的SHREC'11大姿态三维人脸检索国际竞赛中击败了来自荷
兰、法国和比利时的参赛团队，在14种算法结果中脱颖而出，获得了最高的识别精度。为了扩大该成果在生物特征识别领域的国际影响力，我们申报了2013年第七届欧洲生物特征识别学术与工业奖（EuropeanBiometric Research and Industry Award），经国际专家组的权威评审和申请人现场答辩，上述成果最终入围第三名。图3为三位获奖者与评审专家们的合影。该技术成果的相关论文最先发表在国际会议SHREC’11, ICIP 2011和EAB 2013上。2015年发表在计算机视觉领域顶级期刊International Journal of Computer Vision (IF 4.27)上，2017年发表在Journal of Mathematical Imaging and Vision上，已累计被引用70余次。
