众所周知,表情可以显着改变面部几何形状,从而导致鲁棒的3D面部识别严重问题。 因此,对于许多应用程序而言,至关重要的是如何提取表达鲁棒性的特征来描述3D人脸。 在本文中,我们开发了一种在表情变体下使用局部二值模式(LBP)的新颖3D人脸识别算法,该算法是在普通人脸分析中广泛使用的LBP运算符的扩展。 首先,为了更准确地描绘人脸并减少面部局部失真对人脸识别的影响,提出了一种基于特征的3D人脸分割方案。 然后,描述了用于3D面部的LBP表示框架,并且面部深度和正常信息被LBP提取和编码,以减少表达效果。 对于每个脸部区域,统计直方图用于总结脸部细节,因此提出了三种匹配策略来解决识别任务。 最后,在BJUT-3D和FRGC v2.0数据库上对提出的3D人脸识别算法进行了测试,取得了可喜的结果,并得出结论,将LBP表示框架应用于3D人脸识别是可行和有效的。