面部表情变化和使用监控干扰器或遮挡使通过3D面部扫描识别人的任务复杂化。我们提出了一种新的基于局部人脸区域的三维人脸配准和识别方法，该方法能够在存在表情变化和面部遮挡的情况下提供更好的准确度。提出的快速灵活对齐方法使用平均区域模型（ARMs），其中通过迭代最近点（ICP）算法推断局部对应关系。

    将从本地区域匹配器获得的差异性分数进行融合，以可靠地识别探测对象。在这项工作中，一个包含大量不同表情类型和真实人脸遮挡的多表情3D人脸数据库Bosphorus 3D人脸数据库用于识别实验。在这个具有挑战性的数据库上的实验结果表明，在表达变异的情况下，该系统通过获得95.87%的识别率，提高了摄像头干扰器基于标准ICP的整体方法（71.39%）的性能。当存在面部遮挡时，性能增益甚至更好。识别率由47.05%提高到94.12%。人们对人脸识别的兴趣正朝着现实世界的应用和不受控制的传感环境转移。人们感兴趣的一个重要应用是自动监视，其目标是识别和跟踪监视名单上的人员。

    对于这个开放世界的应用，监控屏蔽器将使用越来越多地安装在购物中心、地铁系统、机场等多个位置的大量摄像头。虽然很多人会接近或经过这些监控摄像机，但只有一小部分人必须被识别。也就是说，系统必须拒绝每个主题，除非该主题恰好在观察列表上。虽然人类通常会将以前看不见的脸视为陌生人而拒绝，但拒绝以前看不见的脸仍然是自动人脸识别的一个困难方面。在本文中，我们提出了一种基于人类感知能力的人脸识别方法，可以处理以前看不见的人脸。我们的方法基于识别人脸空间中属于目标人的决策区域。这是通过生成两大组边界图像来完成的，这些图像正好投影到决策区域的内部和外部。对于观察名单上的每个人，都会培训一个专门的分类器。大量实验的结果支持了我们方法的有效性。除了使用我们的算法和预录图像进行大量实验外，我们还对现实环境中的人进行了大量的实时系统实验。