一种人脸识别方法技术

本发明专利技术提供一种人脸识别方法，属于图像处理及模式识别技术领域。本发明专利技术的人脸识别方法包括：利用3维模型和2维人脸图像数据构建3维人脸模型纹理数据；对所述3维人脸模型纹理数据进行投影变换得到2维纹理图像；对所述2维纹理图像进行参数化处理得到UV图像；对所述UV图像进行照明归一化处理；对照度归一化处理后的所述UV图像进行识别得到相似度得分。本发明专利技术的一种人脸识别方法提出了新的3维‑2维（3D‑2D）识别框架，该框架利用3D数据进行登记，同时仅需要2D数据进行识别，该识别方法具有较高的识别率，且对于条件变化更具辨别力和鲁棒性。

A Face Recognition Method

【技术实现步骤摘要】
一种人脸识别方法
本专利技术属于图像处理及模式识别
，尤其涉及一种人脸识别方法。
技术介绍
人脸识别(FR)一直是计算机视觉、模式识别和机器学习研究中的一个关键主题，它扩展了感知，行为和社会原则。平行地，FR技术在传感器、算法、数据库和评估框架等方面一直在不断发展，促使其日益增长的兴趣一部分由困难的任务和挑战(即复杂的，类内对象识别问题)驱动，一部分由涉及身份管理的各种应用驱动。目前研究的挑战包括：(i)将内在与外在的外观变化分开；(ii)发展判别表示和相似性度量；(iii)发现跨异构数据和条件的性能不变量。面向应用程序，面部正在成为一种强大的生物识别技术，一种用于基于内容的索引和检索的高级语义，以及一种用于人机交互的自然而丰富的通信模式。现有的用于面部识别的框架根据一些方法(例如：数据驱动/基于模型/感知)或面部数据域(例如：图像/点云/深度图)变化。现有的2D-2D人脸识别技术存在着精确度、识别通过率、识别速度等方面的缺陷，它会受到诸如光照、角度及清晰度等客观条件的影响，从而给判定的结果带来影响，目前已经提供了一些方法来提高对比的准确性，但是在这些现有技术的方法中存在诸多限制。
技术实现思路
本专利技术提供一种人脸识别方法，以解决现有的2D-2D人脸识别技术存在的精确度、识别通过率、识别速度等方面的缺陷。为解决上述技术问题，本专利技术提供了一种人脸识别方法，包括：利用3维模型和2维人脸图像数据构建3维人脸模型纹理数据；对所述3维人脸模型纹理数据进行投影变换得到2维纹理图像；对所述2维纹理图像进行参数化处理得到UV图像；对所述UV图像进行照明归一化处理；对照度归一化处理后的所述UV图像进行识别得到相似度得分。根据本专利技术的一实施方式，所述对照度归一化处理后的所述UV图像进行识别得到相似度得分的步骤之后还包括：归一化处理所述相似度得分。根据本专利技术的另一实施方式，所述3维模型为AFM构建模型，所述AFM构建模型的表面参数为一内射函数：其中表示3维向量R3，M表示图像，U表示2维图像网络。根据本专利技术的另一实施方式，所述对所述3维人脸模型纹理数据进行投影变换得到2维纹理图像的步骤包括：在透视投影模型下对所述3维人脸模型纹理数据进行线性映射得到2维纹理图像；对所述2维纹理图像进行重投影误差最小化处理。根据本专利技术的另一实施方式，所述对所述2维纹理图像进行参数化处理得到UV图像的步骤包括：对所述2维纹理图像进行模型参数化处理得到UV图像；去除所述UV图像中的伪值点。根据本专利技术的另一实施方式，所述对所述UV图像进行照明归一化处理的步骤包括：分析确定所述UV图像的皮肤反射模型；根据所述皮肤反射模型构建所述UV图像的纹理照度模型；利用所述纹理照度模型对所述UV图像进行照明归一化处理。另一方面，本专利技术还提供了一种人脸识别装置，包括：3维模型构建模块，用于利用3维模型和2维人脸图像数据构建3维人脸模型纹理数据；投影变换模块，用于对所述3维人脸模型纹理数据进行投影变换得到2维纹理图像；参数化处理模块，用于对所述2维纹理图像进行参数化处理得到UV图像；照度处理模块，用于对所述UV图像进行照明归一化处理；识别模块，用于对照度归一化处理后的所述UV图像进行识别得到相似度得分。根据本专利技术的一实施方式，所述投影变换模块包括：透视投影单元，用于在透视投影模型下对所述3维人脸模型纹理数据进行线性映射得到2维纹理图像；重投影误差最小化单元，用于对所述2维纹理图像进行重投影误差最小化处理。根据本专利技术的另一实施方式，所述参数化处理模块包括：参数化处理单元，用于对所述2维纹理图像进行模型参数化处理得到UV图像；去除单元，用于去除所述UV图像中的伪值点。根据本专利技术的另一实施方式，所述照明处理模块包括：皮肤反射模型分析单元，用于分析确定所述UV图像的皮肤反射模型；纹理照度模型构建单元，用于根据所述皮肤反射模型构建所述UV图像的纹理照度模型；照度归一化单元，用于利用所述纹理照度模型对所述UV图像进行照明归一化处理。本专利技术的有益效果：本专利技术的一种人脸识别方法提出了新的3维-2维(3D-2D)识别框架，该框架利用3D数据进行登记，同时仅需要2D数据进行识别，该识别方法具有较高的识别率，且对于条件变化更具辨别力和鲁棒性。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术的一种人脸识别方法的一个实施例的流程示意图；图2是本专利技术的一种人脸识别方法的步骤200的一个实施例的流程示意图；图3是本专利技术的一种人脸识别方法的步骤300的一个实施例的流程示意图；图4是本专利技术的一种人脸识别方法的步骤400的一个实施例的流程示意图；图5是本专利技术的一种人脸识别装置的一个实施例的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1所示，本专利技术实施例提供了一种人脸识别方法，包括：步骤100：利用3维模型和2维人脸图像数据构建3维人脸模型纹理数据；此处的3维人脸模型纹理数据是利用3维模型得到的对应2维人脸人脸图像的3维控制键人脸模型数据。步骤200：对所述3维人脸模型纹理数据进行投影变换得到2维纹理图像；此处的2维纹理图像是二维图像没有颜色信息。步骤300：对所述2维纹理图像进行参数化处理得到UV图像；此处的UV图像是二维图像含有颜色和其他图像信息。步骤400：对所述UV图像进行照明归一化处理；步骤500：对照度归一化处理后的所述UV图像进行识别得到相似度得分。作为一个举例说明，如图1所示本专利技术实施例的步骤500之后还包括：步骤600：归一化处理所述相似度得分。可选地，本实施例步骤100中3维模型为AFM构建模型，所述AFM构建模型的表面参数为一内射函数：其中表示3维向量R3，M表示图像，U表示2维图像网络。本实施例的步骤100中面部数据图案和记录框架是由AFM构建模型所提供。将原始多边形或表面M映射到规则采样的固定尺寸2维(2D)网格U，称为几何图像。任何适合3维(3D)数据的模型都会继承此预定义的参数化和相同的几何图像网格。通过将纹理值与模型点相关联，可以在UV坐标空间上构建纹理图像，从而为局部面部特征提供通用参考框架。UV空间中的纹理图像通过构造对齐(由于是几何图像)并记录(由于网格的规则性)，并且可以使用局部相似性度量进行比较。对于具有记录的2D纹理数据的3D模型，从对应于最接近的3D点的纹理元素中获得每个UV坐标的图像值，使用相同的方法在图库和探测纹理上进行自动3D-2D注册。作为另一个举例说明，如图2所示，本专利技术实施例的步骤200包括：步骤201：在透视投影模型下对所述3维人脸模型纹理数据进行线性映射得到2维纹理图像；步骤202：对所述2维纹理图像进行重投影误差最小化处理。具体的步骤200首先通过估计透视投影变换来实现将拟合3D模型本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，包括：利用3维模型和2维人脸图像数据构建3维人脸模型纹理数据；对所述3维人脸模型纹理数据进行投影变换得到2维纹理图像；对所述2维纹理图像进行参数化处理得到UV图像；对所述UV图像进行照明归一化处理；对照度归一化处理后的所述UV图像进行识别得到相似度得分。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：利用3维模型和2维人脸图像数据构建3维人脸模型纹理数据；对所述3维人脸模型纹理数据进行投影变换得到2维纹理图像；对所述2维纹理图像进行参数化处理得到UV图像；对所述UV图像进行照明归一化处理；对照度归一化处理后的所述UV图像进行识别得到相似度得分。2.根据权利要求1所述的一种人脸识别方法，其特征在于，所述对照度归一化处理后的所述UV图像进行识别得到相似度得分的步骤之后还包括：归一化处理所述相似度得分。3.根据权利要求1所述的一种人脸识别方法，其特征在于，所述3维模型为AFM构建模型，所述AFM构建模型的表面参数为一内射函数：其中表示3维向量R3，M表示图像，U表示2维图像网络。4.根据权利要求2所述的人脸识别方法，其特征在于，所述对所述3维人脸模型纹理数据进行投影变换得到2维纹理图像的步骤包括：在透视投影模型下对所述3维人脸模型纹理数据进行线性映射得到2维纹理图像；对所述2维纹理图像进行重投影误差最小化处理。5.根据权利要求3所述的人脸识别方法，其特征在于，所述对所述2维纹理图像进行参数化处理得到UV图像的步骤包括：对所述2维纹理图像进行模型参数化处理得到UV图像；去除所述UV图像中的伪值点。6.根据权利要求4所述人脸识别方法，其特征在于，所述对所述UV图像进行照明归一化处理的步骤包括：分析确定所述UV图像的皮肤反射模型；根据所...

【专利技术属性】
技术研发人员：骞志彦，王国强，陈学伟，张斌，
申请(专利权)人：视缘上海智能科技有限公司，
类型：发明
国别省市：上海,31