【技术实现步骤摘要】
三维人脸识别方法、装置、终端设备及计算机可读介质
本专利技术属于人工智能
,具体是涉及到一种三维人脸识别方法、装置、终端设备及计算机可读介质。
技术介绍
人脸识别是指通过对人脸部特征的比较而识别出身份的过程,目前通用的技术是二维人脸识别,即通过彩色(RGB)或者灰度人脸图像进行二维平面的特征提取并进行身份识别。三维人脸识别指在三维空间中进行人脸特征提取和认证的过程,与二维相比,增加了人脸的深度信息,能够有效提取人脸的三维空间信息,具备天然的防伪能力,能够防止照片和视频的攻击,具有更强的实用价值。已有的基于深度学习的三维人脸识别方法中,一类方法是直接使用彩色图像和深度信息直接作为输入,通过卷积神经网络提取特征,进行比较;另一类方法则是通过彩色和深度图进行重构,得到三维人脸模型后,通过三维卷积神经网络提取特征进行比较。第一类方法识别速度快,精度与二维方法相当,且能够防伪,但受光线影响较大,且人脸偏转时无法识别;第二类方法消耗时间较长,往往需要多帧RGB和深度(depth)图像才能重构出三维人脸模型,而且三维卷积神经网络抽取特征时间较长,这导致这类方法在实际中应用受限。
技术实现思路
有鉴于此,本专利技术实施例提供一种三维人脸识别方法、装置、终端设备及计算机可读介质,能够有效识别不同偏转角度的人脸,同时可提升三维识别效率,并降低背景对人脸识别精度的影响。本专利技术实施例的第一方面提供了一种三维人脸识别方法,包括:获取实际场景的近红外图像和深度图像;对所述近红外图像和深度图像 ...
【技术保护点】
1.一种三维人脸识别方法,其特征在于,包括:/n获取实际场景的近红外图像和深度图像;/n对所述近红外图像和深度图像进行归一化处理,并将归一化后的近红外图像和归一化后的深度图像送入训练好的卷积神经网络中,得到所述实际场景的近红外图像和深度图像中的人脸的第一多维度特征向量;/n根据所述近红外图像中的人脸的关键点的位置坐标及深度值,计算所述人脸的偏转角度
【技术特征摘要】
1.一种三维人脸识别方法,其特征在于,包括:
获取实际场景的近红外图像和深度图像;
对所述近红外图像和深度图像进行归一化处理,并将归一化后的近红外图像和归一化后的深度图像送入训练好的卷积神经网络中,得到所述实际场景的近红外图像和深度图像中的人脸的第一多维度特征向量;
根据所述近红外图像中的人脸的关键点的位置坐标及深度值,计算所述人脸的偏转角度;其中,表示所述人脸的俯仰角度,表示人脸左右摆动角度,即所述人脸的双眼中心点与鼻尖点连线偏离竖直方向的角度,表示所述人脸的左右偏转角度;
将预先录入的人脸三维模型按照所述人脸的偏转角度进行旋转,并将旋转后的人脸三维模型进行平面投影,得到录入的人脸的近红外图像以及深度图像;
对录入的人脸的深度图像和近红外图像进行归一化处理,并将归一化后的录入的人脸的深度图像和近红外图像合并送入训练好的卷积神经网络中,得到录入的人脸的第二多维度特征向量;
计算所述第一多维度特征向量与第二多维度特征向量的相似度,并根据相似度进行人脸识别。
2.根据权利要求1所述的三维人脸识别方法,其特征在于,所述获取实际场景的近红外图像和深度图像之前,还包括:
录入人脸三维模型。
3.根据权利要求2所述的三维人脸识别方法,其特征在于,所述录入人脸三维模型,包括:
录入待录入人员的人脸的不同角度的近红外图像和深度图像;所述近红外图像中的每个像素点与深度信息中的每个点一一对应的;
基于所述不同角度的近红外图像和深度图像,通过三维人脸重建算法,得到录入的人脸三维模型。
4.根据权利要求1所述的三维人脸识别方法,其特征在于,所述对所述近红外图像和深度图像进行归一化处理,并将归一化后的近红外图像和归一化后的深度图像送入训练好的卷积神经网络中,得到所述实际场景的近红外图像和深度图像中的人脸的第一多维度特征向量,包括:
对所述实际场景的近红外图像中的人脸中的关键点进行定位;
根据所述关键点对所述近红外图像和深度图像进行预处理,得到归一化后的近红外图像和深度图像;
将归一化后的近红外图像和归一化后的深度图像按照通道合并,送入训练好的卷积神经网络中,由所述卷积神经网络的输出所述实际场景的近红外图像和深度图像中的人脸的第一多维度特征向量。
5.根据权利要求4所述的三维人脸识别方法,其特征在于,所述根据所述关键点对所述近红外图像和深度图像进行预处理,得到归一化后的近红外图像和深度图像,包括:
对所述实际场景的深度图像中缺失的深度信息使用插值方法填充完整,获得完整的深度图像;
使用所述关键点的位置坐标,获取所述完整的深度图像上对应关键点的深度值,并计算这些深度值的最大值和最小值;
将仅包含人脸区域的深度图像中所有深度值小于或者深度值大于的点赋值为0,将仅包含人脸区域的深度图像中所有点的深度值归一化至[0,1]之间,得到归一化后的深度图像;
将所述近红外图像中所有深度值为0的像素点颜色设置为白色,并将设置后的近红外图像中所有像素值归一化到范围...
【专利技术属性】
技术研发人员:陈俊逸,
申请(专利权)人:长沙小钴科技有限公司,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。