3D-Gesichtserkennung kann auch in vielen Anwendungen verwendet werden wie z.B. für einen sicheren Zugang zu Systemen oder für die Personenerkennung am Smart TV, wenn beim Online-Shopping Kinder nicht zugelassen sind, etc.
Die Aufgabe der 3D-Gesichtserkennungs erfordert, wie die 2D-Gesichtserkennung einen Zugang mit einer Kamera. Für die 3D-Gesichtserkennung muss die 3D-Gesichtsfläche erfasst werden. Der Prozess der Gesichtserkennung besteht aus Teilprozessen wie:
- 3D-Gesichtsoberflächenerfassung - Es gibt verschiedene Wege, wie diese Aufgabe umgesetzt werden kann, beispielsweise durch Stereokameras, Laser oder Tiefenkamera (z.B. der Kinect) usw.
- Vorverarbeitung - die erfassten Daten werden anschließend Vorverarbeitet
- Merkmalsextraktion - der Zweck der Merkmalsextraktion ist es, die kompakten Informationen aus den Bildern zu extrahieren, die zur Unterscheidung zwischen den Gesichtsbildern von verschiedenen Personen und in Bezug auf die photometrischen und geometrischen Variationen der Bilder stabil und relevant sind
- Messung der Entfernung - der letzte Schritt der 3D-Gesichtserkennung ist die Messung des Abstands zwischen dem 3D-Gesicht der Testbenutzer und den 3D-Gesichtern in der Datenbank. Es gibt verschiedene Techniken, um den Abstand zu messen. Die einfachste Methode ist eine lokale und globale Distanz zweier Gesichter zu messen. Hierzu ist es nötig, die Gesichtspunkte wie Augen, Nase, Mund, Kinn, Ohren, etc. richtig und sehr genau zu bestimmen und ihre vorgegebenen Abstände mit etablierten Metriken zu messen. Die anspruchsvolleren Methoden sind KNN-Techniken, einschließlich SVM usw.
Abb. 3.8 – Beispiel der GUI für die 3D-Gesichtserkennung