三维人脸识别方法和系统技术方案

本发明专利技术实施例提供了一种三维人脸识别方法和系统，其中，所述方法包括：获取待识别的三维人体数据的人脸特征，以及用于三维人脸识别的识别规则，其中，所述三维人体数据包括人的面部的数据；对所述人脸特征进行维数约简；按照所述识别规则对维数约简后的人脸特征进行三维人脸识别。本发明专利技术实施例降低人脸特征的维数，减少了根据人脸特征进行三维人脸识别的计算量，提高了三维人脸识别的速度和精度。

【技术实现步骤摘要】

本专利技术实施例涉及生物特征识别
，尤其涉及一种三维人脸识别方法和系统。
技术介绍
随着计算机技术、网络技术和信息技术的飞速发展，身份识别已在多个领域(如信息安全以及涉及到隐私和权限的领域)显示出前所未有的重要性，特别是在网上银行、电子商务、公共安全等领域对身份识别的可靠性、安全性和认证的方式提出了新的要求。人脸识别作为生物特征识别的一种识别方式，具有不会遗失、不易被复制、采集方便、唯一性和不被察觉等优点，正越来越受到人们的重视，已经进入了社会生活的各个领域。与视网膜、指纹、虹膜、语音、掌纹等其它人体生物特征识别系统相比，人脸识别系统以其方便、友好等特点，具有十分广泛的应用前景，特别是应用在人脸识别门禁考勤系统、人脸识别ATM机智能视频报警系统、人脸识别公安罪犯追逃智能报警系统的身份识别、视频会议以及医学等方面的应用，已成为目前模式识别和基于内容检索领域的一个研究热点。虽然目前的人脸识别已取得了丰富的成果，但现有大部分研究均集中于基于二维图像的人脸识别，而二维图像对光照、姿态、表情、年龄等的变化适应性较差。随着点云获取设备的逐步推广，越来越多的关于人脸识别的研究开始转向基于点云的三维人脸识别。三维人脸数据在信息量方面拥有更为丰富的形状信息，且三维人脸数据的采集不受光照影响。但是三维人脸识别的劣势明显，高分辨率下的三维人脸数据匹配需要消耗大量的计算时间，而且三维人脸数据更易受到表情变化的影响，识别精度还远未达到实用化程度。因此，需要研究新的方法来消除表情变化的影响，提高识别精度，并尽量减少识别过程所需的匹配时间。
技术实现思路
本专利技术实施例提供了一种三维人脸识别方法和系统，以解决现有的三维人脸识别方法需要消耗大量的计算时间，识别精度低的问题。根据本专利技术实施例的一方面，提供了一种三维人脸识别方法，包括：获取待识别的三维人体数据的人脸特征，以及用于三维人脸识别的识别规则，其中，所述三维人体数据包括人的面部的数据；对所述人脸特征进行维数约简；按照所述识别规则对维数约简后的人脸特征进行三维人脸识别。根据本专利技术实施例的另一方面，提供了一种三维人脸识别系统，包括：获取模块，用于获取待识别的三维人体数据的人脸特征，以及用于三维人脸识别的识别规则，其中，所述三维人体数据包括人的面部的数据；约简模块，用于对所述人脸特征进行维数约简；识别模块，用于按照所述识别规则对维数约简后的人脸特征进行三维人脸识别。根据本专利技术实施例提供的三维人脸识别方法和系统，获取待识别的三维人体数据的人脸特征，以及用于三维人脸识别的识别规则，其中，三维人体数据包括人的面部的数据，识别规则为预先确定的识别规则。对获取到的人脸特征进行维数约简，降低人脸特征的维数，减少了根据人脸特征进行三维人脸识别的计算量，提高了三维人脸识别的速度。同时，对人脸特征进行维数约简，删除了冗余或者起到干扰作用的人脸特征，提高了根据人脸特征进行三维人脸识别的精度。附图说明图1是本专利技术实施例中人脸识别的示例性示意图；图2是本专利技术实施例中三维人脸识别的技术方案示意图；图3是本专利技术实施例中三维人脸识别中预处理的示意图；图4a是本专利技术实施例中三维人脸识别中鼻尖检测的三维人脸图像示意图；图4b是本专利技术实施例中三维人脸识别中鼻尖检测的原理示意图；图5是本专利技术实施例中三维人脸识别中姿态校正的示意图；图6a是本专利技术实施例中三维人脸识别中所用特征示意图；图6b是本专利技术实施例中三维人脸识别中所用特征的放大示意图；图7是本专利技术实施例一的三维人脸识别方法的步骤流程图；图8是本专利技术实施例一的三维人脸识别方法的阶段执行示意图；图9是本专利技术实施例二的三维人脸识别方法的步骤流程图；图10是本专利技术实施例三的三维人脸识别系统及结构示意图；图11是本专利技术实施例四的三维人脸识别系统及结构示意图。具体实施方式下面结合附图(若干附图中相同的标号表示相同的元素)和实施例，对本专利技术实施例的具体实施方式作进一步详细说明。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。本领域技术人员可以理解，本专利技术实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。人脸识别在生物特征识别领域一直都是具有挑战性的研究课题，通常，人脸识别主要包括人脸图像预处理(人脸的定位、检测和标准化处理)、特征提取与选择，以及识别结果输出等过程，如图1所示。其中，特征提取与选择是人脸识别的核心问题，是后续正确识别的基础。全局特征和局部特征在人脸识别中得到了广泛应用。其中，基于全局特征的人脸识别方法主要利用人脸的整体特征进行描述，对于正常的人脸表情识别精度较高，但对于表情变化的人脸，识别精度不理想。基于局部特征的人脸识别方法主要通过对人脸细节的刻画来进行识别，对表情变化具有一定的鲁棒性，但由于缺少全局的结构信息，很难满足人脸识别的精度要求。理想的人脸特征应该只反映人的类别信息，对各种内在变化或者外在变化不敏感。本专利技术实施例提供了一种三维人脸识别方法和系统，总体技术方案主要包括如下四个部分，如图2所示。(1)三维人体数据预处理对三维人体数据预处理，目的是去除由于拍摄以及环境等原因造成的影响，并获取仅包括人脸信息的三维人脸点云供后续处理使用。三维人体数据预处理主要包括：鼻尖检测、人脸分割、平滑滤波补洞重采样等，如图3所示。给定肩膀以上的三维人体数据作为输入，首先采用一个由粗到精的方法精确地检测出鼻尖，进而由鼻尖得到三维人脸点云。得到三维人脸点云后，还要对逸出点进行剔除，并通过重采样使得点云在xy平面上均匀分布，由于剔除逸出点和重采样会在新点云上带来一些孔洞，因此进一步采用立方插值法对孔洞进行填充，并采用中值滤波在xy平面上对点云的z值进行平滑去噪，从而得到高精度的三维人脸点云。本实施例中，以三维人体数据投影面积最大的面为xy平面，以与xy平面垂直的方向为z轴，其中，xy平面的正负方向，以及z轴的正负方向可以根据实际情况设定，本实施例对xy平面的正负方向，以及z轴的正负方向不做限制。具体地，先采用一个由粗到精的方法精确地检测出鼻尖，进而由鼻尖得到三维人脸点云。图3给出了鼻尖检测算法的示意图，对于三维头像，采用一系列以dv(图中未示出)为间隔的水平面与三维人体数据(三维头像)相交，从而得到一系列的三维头像水平切片轮廓，如图4a所示。对每一个水平切片轮廓，对其进行均匀采样并填补相应的孔洞。在该轮廓线上以dh(图中未示出)为间隔选取一系列点并在每个点上放置一个圆，如图4b所示。将该圆与轮廓线的两个交点以及圆心连接起来得到一个三角形，并计算该三角形的高度h，如图4b所示。将具有最大h的点当做该轮廓线上的候选鼻尖点，并以高度h作为该候选鼻尖点的置信度。理论上，所有水平切片轮廓上的候选鼻尖点均应位于鼻梁线上，然而实际中依然会有少量的候选鼻尖点与鼻梁线存在较大的距离。为获得更加精确的结果，本专利技术实施例采用随机采样一致性(RANSAC)算法对候选鼻尖点进行筛选，并将经过筛选后具有最大置信度的点作为真正的鼻尖点。上述间隔dv和dh的取值直接关系到鼻尖检测的精度和效率。其取值越小，检测的精度越高，但消耗的时间也越多。为了获得较好的运算效率，首先采用较大的dv和dh值以检测到鼻尖点的初值，然后在该初值本文档来自技高网...

【技术保护点】
一种三维人脸识别方法，其特征在于，包括：获取待识别的三维人体数据的人脸特征，以及用于三维人脸识别的识别规则，其中，所述三维人体数据包括人的面部的数据；对所述人脸特征进行维数约简；按照所述识别规则对维数约简后的人脸特征进行三维人脸识别。

【技术特征摘要】
1.一种三维人脸识别方法，其特征在于，包括：获取待识别的三维人体数据的人脸特征，以及用于三维人脸识别的识别规则，其中，所述三维人体数据包括人的面部的数据；对所述人脸特征进行维数约简；按照所述识别规则对维数约简后的人脸特征进行三维人脸识别。2.根据权利要求1所述的方法，...

【专利技术属性】
技术研发人员：滕书华，鲁敏，
申请(专利权)人：湖南拓视觉信息技术有限公司，
类型：发明
国别省市：湖南;43