在所有的生物识别的特征中,耳朵是一个相对较新的成员,其理想的特性,如普遍性、独特性和永久性已被证明在生物识别中是可行的。与2D数据相比,3D数据包含更多的耳形状信息并且不易受照明强度大小的影响
3D耳识别的算法有很多,大多数算法是基于最近点迭代法(ICP)。ICP是一个可行的一对一验证三维匹配模型。但是在一对多的情况下并不适用。如果有多个样本,基于ICP的识别通常将所有的样本检测匹配。随着样本数量的上升,基于ICP的识别方法的性能将显著放缓。由于识别的任务基本上是从整个数据集中找到一个个体,Wright et al.证明了基于稀疏表示的框架在多样品的情况下非常适用并且可以有效的解决问题。基于稀疏表示的3D人耳识别方法由三部分组成——耳检测、特征提取和分类。在耳检测中,我们提出了基于模板的计划,可以应对耳朵姿势的改变。在特征提取中,我们采取了基于PCA描述的方法。我们将3D点云作为输入并且不需要额外的彩色图像。通过与使用ICP方法的实验数据进行比较,证实了基于稀疏表示的方法的有效性和效率。