一种活体人脸检测头部姿态回归器的获取方法及检测方法技术

本发明专利技术公开了一种活体人脸检测头部姿态回归器的获取方法及检测方法，包括获取人脸数据、形成具有复合标准化的人脸三维模型数据；获取训练样本集；以获取的由特征点二维坐标构成的二维坐标平面集合，获取对应的欧拉角、以及包含各个二维坐标平面与其对应的欧拉角之间的对应关系的旋转矩阵；获取头部姿态回归器；本发明专利技术通过构建出高精度的头部姿态回归器，并通过对人脸二维模型数据、人脸三维模型数据以及虹膜数据进行相对应的前期处理，以及进一步进行人脸特征点定位以及数据处理，能够提高数据的精确性和科学性，本发明专利技术方法有利于有效的进行人脸识别，大幅度提高了人脸特征点定位的速度和精度，增加了人脸活体检测的成功率。

Acquisition method and detection method of head pose regressor for living face detection

The invention discloses an acquisition method and a detection method of a live face detection head posture regressor, including acquiring face data, forming a face 3D model data with composite standardization, acquiring a training sample set, acquiring a 2D coordinate plane set composed of two-dimensional coordinates of feature points, acquiring the corresponding Euler angle, and including each 2D coordinate plane and its pair According to the rotation matrix of the corresponding relationship between Euler angles, the head posture regressor is obtained; the invention can improve the accuracy of the data by constructing a high-precision head posture regressor, carrying out the corresponding pre-processing for the two-dimensional model data of the face, the three-dimensional model data of the face and the iris data, and further carrying out the facial feature point positioning and data processing The method of the invention is conducive to effective face recognition, greatly improves the speed and accuracy of facial feature point positioning, and increases the success rate of face live detection.

【技术实现步骤摘要】
一种活体人脸检测头部姿态回归器的获取方法及检测方法
本专利技术涉及图像识别技术，尤其涉及一种活体人脸检测头部姿态回归器的获取方法及检测方法。
技术介绍
随着大数据时代的到来，个人信息安全问题日益严峻，基于图像处理的人脸识别和检测技术得到了广泛的应用。然而，目前人脸检测技术都是针对数量较小的人脸图像，随着大数据概念的深入，图像大数据处理将对人脸检测技术提出更高要求。而且，大多数人脸检测方案都是基于对人脸图像信息的直接提取，无交互性，抗攻击能力差，例如照片、视频、模型伪装，这就对人脸活体检测提出了要求，目前尚未有成熟的人脸活体检测方法，且尚未公开在人脸识别中进行姿态回归的回归器，因此，本专利技术提出一种活体人脸检测头部姿态回归器的获取方法及检测方法，以解决现有技术中的不足之处。
技术实现思路
针对上述问题，本专利技术提出一种活体人脸检测头部姿态回归器的获取方法及检测方法，通过构建出高精度的头部姿态回归器，并通过对人脸二维模型数据、人脸三维模型数据以及虹膜数据进行相对应的前期处理，以及进一步进行人脸特征点定位以及数据处理，能够提高数据的精确性和科学性，本专利技术方法有利于有效的进行人脸识别，大幅度提高了人脸特征点定位的速度和精度，增加了人脸活体检测的成功率。本专利技术提出一种活体人脸检测头部姿态回归器的获取方法，包括以下步骤：A、获取人脸二维模型数据、人脸三维模型数据以及虹膜数据，然后对获取的人脸二维模型数据、人脸三维模型数据和虹膜数据进行筛除处理，去除人脸二维模型数据、人脸三维模型数据内的低分辨率和出现的重复数据，去除虹膜数据中的残损数据；B、在人脸二维模型数据中选择一定数量的特征点，然后在人脸三维模型数据选择相同的特征点，并将特征点进行映射，然后形成具有复合标准化的人脸三维模型数据；C、对具有复合标准化的人脸三维模型数据进行预处理，包括进行滤波去噪、人脸区域检测、人脸裁剪和姿态矫正，然后与筛除残损数据后的虹膜数据进行合并，作为训练样本集；D、选择具有复合标准化的人脸三维模型数据中的人脸特征点；并通过相机成像模型将所述人脸特征点在空间内做任意的随机旋转和随机平移交换时影像投影到相机成像平面上，以获取由特征点二维坐标构成的二维坐标平面集合，以及获取该所述二维坐标平面集合中的各个二维坐标平面对应的欧拉角、以及包含所述各个二维坐标平面与其对应的欧拉角之间的对应关系的旋转矩阵；E、根据所述获取的二维坐标和所述旋转矩阵或者根据所述获取的二维坐标和所述欧拉角，通过最小二乘法获取头部姿态回归器,当所述头部姿态回归器为旋转矩阵回归器时，所述步骤E中还包括：E1：根据所述特征点二维坐标及所述旋转矩阵，通过最小二乘法获取旋转矩阵回归器；其中，所述旋转矩阵回归器的计算公式如公式(1)所示：W＝(STS+λE)-1STR(1)公式(1)中，S表示特征点的二维坐标矩阵，ST表示矩阵转置后的特征点的二维坐标矩阵，λ表示仿真参数，E表示单位矩阵，λE表示保证可逆性的松弛项，R表示所述旋转矩阵。进一步改进在于：所述步骤B中形成具有复合标准化的人脸三维模型数据后，还包括对具有复合标准化的人脸三维模型数据进行归一化处理，以所述具有复合标准化的人脸三维模型数据中的两瞳孔的距离和方向轴最为基准，进行水平旋转和横向水平尺度缩放，将人脸区域裁剪到相同大小，再采用基于平面模板的稠密对于方法对其进行三维人脸的标准化。进一步改进在于：所述步骤C中人脸区域检测时，从具有复合标准化的人脸三维模型中检测出人脸区域，得到人脸区域深度值，然后利用该人脸区域深度值将人脸区域从所述具有复合标准化的人脸三维模型中分割出来；人脸裁剪时，采用轮廓特征点的方法进行人脸裁剪，然后再根据经验值进行一次阈值裁剪；姿态矫正时，利用基于平面拟合的姿态矫正算法进行姿态矫正。进一步改进在于：所述步骤E中头部姿态回归器为欧拉角回归器时，所述步骤E包括：E2：根据所述特征点二维坐标及所述欧拉角，通过最小二乘法获取欧拉角回归器，所述欧拉角回归器的计算公式如公式(2)所示：W'＝(STS+λE)-1STθ(2)公式(2)中，S表示特征点的二维坐标矩阵，ST表示矩阵转置后的特征点的二维坐标矩阵，λ表示仿真参数，E表示单位矩阵，λE表示保证可逆性的松弛项，θ表示欧拉角角度值。一种基于头部姿态回归器的活体人脸检测方法，包括以下步骤：H、获取用户根据终端发出的指令做出的头部姿态的图像，包括二维图像和三维图像，再利用虹膜采集设备采集的虹膜数据；I、根据所述二维图像和三维图像和虹膜数据，通过adaboost算法获取人脸框；G、通过有监督梯度下降法定位所述人脸框中的人脸特征点坐标；K、将所述人脸特征点进行中心化和归一化处理；L、根据处理后的特征点数据，通过所述的头部姿态回归器获取头部角度；当判断获取的头部角度值在预设阈值之内时，识别成功。进一步改进在于：当所述头部姿态回归器包括旋转矩阵回归器时，步骤L所述获取头部角度的步骤包括：L1：根据处理后的特征点数据和所述旋转矩阵回归器获取回归的旋转矩阵；L2：根据所述回归的旋转矩阵，通过数学解析的方式得到头部空间姿态的三个欧拉角。进一步改进在于：根据所述旋转矩阵回归器获取回归的旋转矩阵的计算公式如公式(3)所示：hW(Si(x,y))＝W·Si(x,y)+ξ(3)公式(3)中，hW(Si(x,y))表示回归后的旋转矩阵，W表示旋转矩阵回归器，ξ表示误差项，Si(x,y)表示特征点的二维坐标矩阵。进一步改进在于：所述头部姿态回归器包括欧拉角回归器时，步骤L所述获取头部角度的步骤具体为：根据处理后的特征点数据，根据所述欧拉角回归器获取头部空间姿态的三个欧拉角，所述欧拉角回归器获取头部空间姿态的三个欧拉角的计算公式如公式(4)所示：θ＝W'·Si(x,y)+ξ(4)公式(4)中，W'表示欧拉角回归器，ξ表示误差项，Si(x,y)表示特征点坐标矩阵，ξ表示误差项。一种活体人脸检测方法，包括以下步骤：M、获取用户根据终端指令做出的面部表情的二维图像和三维图像，以及利用虹膜采集设备采集的虹膜数据；N、根据所述二维图像、三维图像以及虹膜数据，通过adaboost算法获取人脸框；O、通过有监督梯度下降法定位所述人脸框中的人脸特征点坐标；P、将定位的特征点进行线性变换；当判断线性变换后的特征点的特征信息值在预设特征阈值范围之内时，则识别成功。本专利技术的有益效果为：通过构建出高精度的头部姿态回归器，以及通过采用交互方式，用户根据终端发出的指令做出相应的人脸姿态，终端的摄像头和虹膜采集设备获取用户图像数据和虹膜数据，并通过对人脸二维模型数据、人脸三维模型数据以及虹膜数据进行相对应的前期处理，以及进一步进行人脸特征点定位以及数据处理，能够提高数据的精确性和科学性，有利于后期操作的顺利进行，若该处理后的数据值在预设数据阈值内，则人脸识别成功；本专利技术方法有本文档来自技高网...

【技术保护点】
1.一种活体人脸检测头部姿态回归器的获取方法，其特征在于，包括以下步骤：/nA、获取人脸二维模型数据、人脸三维模型数据以及虹膜数据，然后对获取的人脸二维模型数据、人脸三维模型数据和虹膜数据进行筛除处理，去除人脸二维模型数据、人脸三维模型数据内的低分辨率和出现的重复数据，去除虹膜数据中的残损数据；/nB、在人脸二维模型数据中选择一定数量的特征点，然后在人脸三维模型数据选择相同的特征点，并将特征点进行映射，然后形成具有复合标准化的人脸三维模型数据；/nC、对具有复合标准化的人脸三维模型数据进行预处理，包括进行滤波去噪、人脸区域检测、人脸裁剪和姿态矫正，然后与筛除残损数据后的虹膜数据进行合并，作为训练样本集；/nD、选择具有复合标准化的人脸三维模型数据中的人脸特征点；并通过相机成像模型将所述人脸特征点在空间内做任意的随机旋转和随机平移交换时影像投影到相机成像平面上，以获取由特征点二维坐标构成的二维坐标平面集合，以及获取该所述二维坐标平面集合中的各个二维坐标平面对应的欧拉角、以及包含所述各个二维坐标平面与其对应的欧拉角之间的对应关系的旋转矩阵；/nE、根据所述获取的二维坐标和所述旋转矩阵或者根据所述获取的二维坐标和所述欧拉角，通过最小二乘法获取头部姿态回归器,当所述头部姿态回归器为旋转矩阵回归器时，所述步骤E中还包括：/nE1：根据所述特征点二维坐标及所述旋转矩阵，通过最小二乘法获取旋转矩阵回归器；/n其中，所述旋转矩阵回归器的计算公式如公式(1)所示：/nW＝(S...

【技术特征摘要】
1.一种活体人脸检测头部姿态回归器的获取方法，其特征在于，包括以下步骤：
A、获取人脸二维模型数据、人脸三维模型数据以及虹膜数据，然后对获取的人脸二维模型数据、人脸三维模型数据和虹膜数据进行筛除处理，去除人脸二维模型数据、人脸三维模型数据内的低分辨率和出现的重复数据，去除虹膜数据中的残损数据；
B、在人脸二维模型数据中选择一定数量的特征点，然后在人脸三维模型数据选择相同的特征点，并将特征点进行映射，然后形成具有复合标准化的人脸三维模型数据；
C、对具有复合标准化的人脸三维模型数据进行预处理，包括进行滤波去噪、人脸区域检测、人脸裁剪和姿态矫正，然后与筛除残损数据后的虹膜数据进行合并，作为训练样本集；
D、选择具有复合标准化的人脸三维模型数据中的人脸特征点；并通过相机成像模型将所述人脸特征点在空间内做任意的随机旋转和随机平移交换时影像投影到相机成像平面上，以获取由特征点二维坐标构成的二维坐标平面集合，以及获取该所述二维坐标平面集合中的各个二维坐标平面对应的欧拉角、以及包含所述各个二维坐标平面与其对应的欧拉角之间的对应关系的旋转矩阵；
E、根据所述获取的二维坐标和所述旋转矩阵或者根据所述获取的二维坐标和所述欧拉角，通过最小二乘法获取头部姿态回归器,当所述头部姿态回归器为旋转矩阵回归器时，所述步骤E中还包括：
E1：根据所述特征点二维坐标及所述旋转矩阵，通过最小二乘法获取旋转矩阵回归器；
其中，所述旋转矩阵回归器的计算公式如公式(1)所示：
W＝(STS+λE)-1STR(1)
公式(1)中，S表示特征点的二维坐标矩阵，ST表示矩阵转置后的特征点的二维坐标矩阵，λ表示仿真参数，E表示单位矩阵，λE表示保证可逆性的松弛项，R表示所述旋转矩阵。


2.根据权利要求1所述的一种活体人脸检测头部姿态回归器的获取方法，其特征在于：所述步骤B中形成具有复合标准化的人脸三维模型数据后，还包括对具有复合标准化的人脸三维模型数据进行归一化处理，以所述具有复合标准化的人脸三维模型数据中的两瞳孔的距离和方向轴最为基准，进行水平旋转和横向水平尺度缩放，将人脸区域裁剪到相同大小，再采用基于平面模板的稠密对于方法对其进行三维人脸的标准化。


3.根据权利要求1所述的一种活体人脸检测头部姿态回归器的获取方法，其特征在于：所述步骤C中人脸区域检测时，从具有复合标准化的人脸三维模型中检测出人脸区域，得到人脸区域深度值，然后利用该人脸区域深度值将人脸区域从所述具有复合标准化的人脸三维模型中分割出来；人脸裁剪时，采用轮廓特征点的方法进行人脸裁剪，然后再根据经验值进行一次阈值裁剪；姿态矫正时，利用基于平面拟合的姿态矫正算法进行姿态矫正。


4.根据权利要求1所述的一种活体人脸检测头部姿态回归器的获取方法，其特征在于：所述步骤E中头部姿态回归器为欧拉角回归器时，所述步骤E包括：
E2：根...

【专利技术属性】
技术研发人员：张琪，
申请(专利权)人：淮北师范大学，
类型：发明
国别省市：安徽;34