《表4 本文与其他三维人脸识别算法的耗时对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于残差网络的三维人脸识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

单位:s

Li等[17]利用曲率提取算子来实现三维人脸识别，提出一种基于多任务稀疏表示的细粒度匹配算法，识别一张人脸需要64秒，预处理阶段耗时55秒；在中性对中性实验中识别率为96.3%，在中性对全部实验中识别率为94.5%.Al-Osaimi等[18]使用Principal Component Analysis（PCA）提取特征，从提取的特征中学习表达面部表情变化的模式，最后将变形后的三维人脸进行匹配.算法在同等条件下识别一个人需要32秒，预处理阶段耗时26秒；在中性对中性实验中识别率为98.4%，在中性对非中性中识别率为97.7%.Maurer等[19]将三维特征和纹理特征融合后来进行人脸识别，需要耗时9.3秒，预处理阶段耗时8秒；在中性对中性实验中识别率为97.8%，在中性对全部实验中识别率仅为86.5%.Berretti等[11]首先将三维人脸转为深度图，在深度图的基础上提取Haar特征、Gabor特征和LBP特征，将三种特征融合后用Boosting算法来实现人脸识别，需要耗时15秒，预处理阶段耗时11秒；在中性对中性实验中识别率为97.7%，在中性对非中性中识别率为91.4%，在中性对全部的实验中识别率为95.5%.Wang等[20]将三维人脸的相关几何信息编码到一张压缩图中，使用这个压缩图来进行人脸识别，需要耗时7秒，预处理阶段耗时6.5秒；在中性对非中性实验中识别率为97.8%.Lei等[21]首先使用ANGULAR RADIAL SIGNATURE（ARS）来进行三维人脸的特征提取，然后使用Kernel Principal Component Analysis（KPCA）进行多个中间层特征提取，并将多个中间层特征进行融合，最后使用支持向量机（support vector machine，SVM）来进行分类，需要耗时5.2秒，预处理阶段耗时4.5秒；在中性对全部实验中识别率为98.6%.本文的算法识别一个人需0.5秒，预处理阶段耗时仅为0.34秒；在中性对中性实验中识别率为98.8%，在中性对全部实验中识别率为98.5%，在中性对非中性实验中识别率为98.5%.详见表4～5.