
Die dreidimensionale Gesichtserkennung ( 3D-Gesichtserkennung ) ist eine Methode der Gesichtserkennung , die die dreidimensionale Geometrie des menschlichen Gesichts nutzt. Es hat sich gezeigt, dass 3D-Gesichtserkennungsverfahren eine deutlich höhere Genauigkeit als ihre zweidimensionalen Pendants erreichen und mit der Fingerabdruckerkennung konkurrieren können .
Die 3D-Gesichtserkennung bietet das Potenzial, durch die Messung der Geometrie starrer Gesichtsmerkmale eine höhere Genauigkeit als die 2D-Gesichtserkennung zu erzielen. Dadurch werden die typischen Schwächen von 2D-Gesichtserkennungsalgorithmen wie wechselnde Lichtverhältnisse, unterschiedliche Gesichtsausdrücke, Make-up und Kopfhaltung vermieden . Ein weiterer Ansatz besteht darin, das 3D-Modell zur Verbesserung der Genauigkeit herkömmlicher bildbasierter Erkennungsverfahren zu nutzen, indem der Kopf in eine bekannte Ansicht transformiert wird. Darüber hinaus erfassen die meisten 3D-Scanner sowohl ein 3D-Netz als auch die zugehörige Textur. Dies ermöglicht die Kombination der Ergebnisse reiner 3D-Matcher mit den traditionelleren 2D-Gesichtserkennungsalgorithmen und führt somit zu einer besseren Leistung (siehe FRVT 2006 ).
Die größte technologische Einschränkung von 3D-Gesichtserkennungsverfahren liegt in der Erfassung von 3D-Bildern, wofür üblicherweise eine Tiefenkamera benötigt wird . Alternativ können mehrere Bilder aus verschiedenen Winkeln mit einer herkömmlichen Kamera (z. B. einer Webcam [ 1 ] ) aufgenommen werden, um das 3D-Modell mit umfangreicher Nachbearbeitung zu erstellen. (Siehe 3D-Datenerfassung und Objektrekonstruktion .) [ 2 ] Dies ist auch ein Grund dafür, dass 3D-Gesichtserkennungsverfahren erst deutlich später (Ende der 1980er Jahre) als 2D-Verfahren entwickelt wurden. Neuere kommerzielle Lösungen nutzen die Tiefenwahrnehmung, indem sie ein Raster auf das Gesicht projizieren und die Videoaufzeichnung in ein hochauflösendes 3D-Modell integrieren. Dadurch wird eine hohe Erkennungsgenauigkeit mit kostengünstigen Standardkomponenten ermöglicht .
Die 3D-Gesichtserkennung ist noch immer ein aktives Forschungsgebiet, obwohl bereits mehrere Anbieter kommerzielle Lösungen anbieten.
Siehe auch
Referenzen
- ^ Nirav Sanghani (28. März 2007). „Bioscrypt stellt 3D-Gesichtserkennungskamera vor“ . DailyTech.
- ^ „Digiteyezer - iFace3D“ . Archiviert vom Original am 25.04.2012 . Abgerufen am 07.11.2011 .
- Okuwobi, IP; Chen, Q; Niu S.; et al. (2016). „Dreidimensionale (3D) Gesichtserkennung und -vorhersage“. Signal, Image and Video Processing . 10 (6): 1151–1158 . doi : 10.1007/s11760-016-0871-z . S2CID 11211308 .
- Bronstein, AM; Bronstein, MM; Kimmel, R. (2005). „Dreidimensionale Gesichtserkennung“. International Journal of Computer Vision . 64 (1): 5–30 . CiteSeerX 10.1.1.77.9592 . doi : 10.1007/s11263-005-1085-y . S2CID 670151 .
- Heseltine, T.; Pears, N.; Austin, J. (2008). „Dreidimensionale Gesichtserkennung mittels Kombinationen von Oberflächenmerkmalskarten-Unterraumkomponenten“. Image and Vision Computing . 26 (3): 382–396 . doi : 10.1016/j.imavis.2006.12.008 .
- Kakadiaris, IA ; Passalis, G.; Toderici, G.; Murtuza, N.; Karampatziakis, N.; Theoharis, T. (2007). „3D-Gesichtserkennung bei Vorhandensein von Gesichtsausdrücken: ein annotierter deformierbarer Modellansatz“. IEEE Transactions on Pattern Analysis and Machine Intelligence . 13 (12).
- Queirolo, CC; Silva, L.; Bellon, OR; Segundo, MP (2009). „3D-Gesichtserkennung mittels simulierter Abkühlung und Oberflächenpenetrationsmaß“. IEEE Transactions on Pattern Analysis and Machine Intelligence . 32 (2): 206–19 . doi : 10.1109/TPAMI.2009.14 . PMID 20075453. S2CID 12411479 .
- Gupta, S.; Markey, MK; Bovik, AC (2010). „Anthropometrische 3D-Gesichtserkennung“. International Journal of Computer Vision . 90 (3): 331–349 . doi : 10.1007/s11263-010-0360-8 . S2CID 10679755 .
- A. Rashad, A. Hamdy, M. A. Saleh und M. Eladawy, „3D-Gesichtserkennung mittels 2DPCA“, International Journal of Computer Science and Network Security, Band 12, 2009. http://paper.ijcsns.org/07_book/200912/20091222.pdf
- Spreeuwers, LJ (2015). „Die 99%-Grenze durchbrechen: Optimierung der 3D-Gesichtserkennung“ . IET Biometrics . 4 (3): 169–177 . doi : 10.1049/iet-bmt.2014.0017 . S2CID 195254 .
- Spreeuwers, LJ (2011). „Schnelle und genaue 3D-Gesichtserkennung mittels Registrierung an einem intrinsischen Koordinatensystem und Fusion mehrerer Regionenklassifikatoren“ . International Journal of Computer Vision . 93 (3): 389–414 . doi : 10.1007/s11263-011-0426-2 .
Externe Links
- CVPR 2008 Workshop zur 3D-Gesichtsverarbeitung
- Große Herausforderung der Gesichtserkennung
- Homepage zur Gesichtserkennung
- 3D-Gesichtserkennungsprojekt und Forschungsarbeiten
- Technion-Projekt zur 3D-Gesichtserkennung
- Mitsubishi Electric Forschungslaboratorien: 3D-Gesichtserkennungsprojekt ( Archiviert am 09.11.2006 im Internet Archive) .
- Kommerzielles 3D-Gesichtserkennungssystem von L-1 Identity
- Schnelle 3D-Scantechnologie für die 3D-Gesichtserkennung bei der Geometric Modelling and Pattern Recognition Group, Großbritannien
- 3D-Gesichtserkennung mithilfe eines deformierbaren Modells im Labor für Computergestützte Biomedizin, Houston, Texas
- 3D-Gesichtserkennung mittels photometrischer Stereoanalyse, Vereinigtes Königreich