三维人脸识别演示系统
说明
目前，人脸识别技术在日常生活中得到了广泛应用,该技术具有非强制性、非接触性和并发性等优势，用户体验非常友好。
其中，三维人脸识别技术对于人脸的光照和姿态变化更为鲁棒，并且安全系数较高，不过高精度传感器的成本和体积限制了其广泛应用的可能。
而随着消费级深度传感器的出现，使得三维人脸识别技术的广泛应用成为可能。
在三维人脸识别的整个流程中，主要会涉及到采集设备、数据集和识别方法。
高精度的采集设备体积大、价格高，低精度的采集设备体积小、价格低，在应用上更具有优势，但在数据质量上表现较差。
现有的三维人脸数据集，规模都不大，远比不上二维人脸的数据量。
传统的识别算法，对于数据量的要求都不高，例如基于空域、局部特征和全局特征的识别算法。
而基于深度学习的识别算法，都采用了数据扩增的手段，然后利用卷积神经网络进行识别，取得了显著的效果。
不过，对于消费级深度传感器采集得到的低质量三维人脸数据而言，其视觉效果较差，表面粗糙，增加了识别难度。而且由于应用场景的限制，识别方法需要轻量高效，能够满足在低功耗设备上的部署要求。