而人脸识别算法使用灰色显示出了很有前景的结果如果人脸图像不是正面的，则其准确性会下降。作为头部可以自由移动，这是人脸识别问题中的一个关键挑战。这个挑战是如何在没有人工干预的情况下自动识别非额叶带有正面人脸图像的画廊中的人脸图像。旋转是线性的三维空间中的问题，可以使用三维面数据轻松解决。然而基于3D人脸数据的识别算法获得的识别率低于方法基于二维灰度图像。在本章中，顺序算法是建议使用2D和3D人脸数据的优点来获得姿势不变人脸识别系统。在第一阶段，检测面部特征估计人脸姿态。然后，3D数据（面深度数据）和相应的2D旋转图像（灰度面部数据）以获得正面面部图像。最后，从正面灰度图像中提取特征并用于分类。在FRAV3D人脸数据库上的实验结果表明，该方法可以大大提高了非正面人脸图像的识别精度。
关键词： 3D旋转,生物识别,深度数据,降维,椭圆适合的,特征值问题,本征脸,人脸识别,面部特征,渔夫脸,特征提取,灰度图像,IRAD轮廓,线性鉴别分析,最小均方,流形学习,均值滤波器,平均曲率,最近邻分类器,姿势估计。
