三维建模人脸识别方法、存储介质、嵌入式设备及系统技术方案

本发明专利技术提供了三维建模人脸识别方法、存储介质、嵌入式设备及系统，嵌入式设备先获取无约束场景的二维图片并进行预处理得到数据源，接着将数据源发送给神经网络加速器中已训练的神经网络模型的卷积层进行计算，如此明显缩短了计算时间，进而明显缩短了整个过程的时间；接着嵌入式设备接收神经网络加速器返回的数据文件并将其输入至已训练的神经网络模型的全连接层，如此数据源经过了整个已训练的神经网络模型的计算，得到了精确的形状参数和纹理参数，进而构建出精确的目标三维人脸模型，最后根据目标三维人脸模型与预存的人脸图片进行人脸识别，提高了准确率。与现有技术相比，本发明专利技术提高了嵌入式设备进行人脸识别的准确率和效率。

3D modeling face recognition method, storage medium, embedded device and system

【技术实现步骤摘要】
三维建模人脸识别方法、存储介质、嵌入式设备及系统
本专利技术涉及人脸识别
，具体涉及三维建模人脸识别方法、存储介质、嵌入式设备及系统。
技术介绍
现有的嵌入式设备在无约束场景下，使用单张二维图片进行人脸识别时，由于拍摄所得的图片存在人脸图像正面角度小、拍摄光强弱或存在遮挡物等缺点，因此嵌入式设备无法获取足够的人脸特征信息，导致人脸识别的准确率偏低，一般只有72％左右。由于深度学习神经网络在图像处理领域已取得了卓越的成就，可以提高人脸识别率，因此目前嵌入式设备会采用深度学习神经网络来提高人脸识别率，但是嵌入式设备的计算能力较弱，应用深度学习神经网络会大幅度增加整个人脸识别过程所用时间，一般需要11秒左右，识别效率较低。因此，现有技术还有待改进和发展。
技术实现思路
鉴于上述现有技术的不足，本专利技术的目的在于提供三维建模人脸识别方法、存储介质、嵌入式设备及系统，旨在解决现有嵌入式设备进行人脸识别存在识别效率低和识别准确率低的问题。为实现上述目的，第一方面，本专利技术提供了三维建模人脸识别方法，应用于一种包括嵌入式设备和神经网络加速器的三维建模人脸识别系统，所述三维建模人脸识别方法包括：获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源；将所述数据源发送至所述神经网络加速器中已训练的神经网络模型的卷积层后，接收所述神经网络加速器返回的数据文件并将所述数据文件输入至所述神经网络模型的全连接层，得到形状参数和纹理参数，其中，所述神经网络模型是基于二维图片与目标形状参数及目标纹理参数的对应关系训练而成的；根据所述形状参数和纹理参数构建目标三维人脸模型；将所述目标三维人脸模型与预存的人脸图片进行比对，进行人脸识别。进一步地，所述获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源的步骤，具体包括：获取摄像头拍摄的二维图片，对所述二维图片进行像素转换；对已进行像素转换的二维图片进行人脸检测并裁剪，得到仅包括人脸的二维图片；读取所述仅包括人脸的二维图片中的所有像素值后，保存为预定数据格式的数据源。再进一步地，所述预定数据格式与所述神经网络模型的数据输入格式相对应。进一步地，所述获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源的步骤，之前还包括：预先将所述神经网络模型的卷积层设置于所述神经网络加速器中，并将所述神经网络模型的全连接层设置于所述嵌入式设备中。进一步地，所述将所述数据源发送至所述神经网络加速器中已训练的神经网络模型的卷积层后，接收所述神经网络加速器返回的数据文件并将所述数据文件输入至所述神经网络模型的全连接层，得到形状参数和纹理参数的步骤，具体包括：将所述预定格式的二维图片发送到所述神经网络加速器，以使所述预定格式的图片输入至所述神经网络模型的卷积层，得到预定格式的数据文件；接收由所述神经网络加速器返回的所述预定格式的数据文件后，将所述预定格式的数据文件输入至所述神经网络模型的全连接层，得到形状参数和纹理参数。进一步地，所述将所述目标三维人脸模型与预存的人脸图片进行比对，进行人脸识别的步骤，具体包括：预先设置一个通用三维人脸模型，并获取所述通用三维人脸模型的通用形状参数和通用纹理参数；根据所述形状参数和纹理参数分别对所述通用形状参数和所述通用纹理参数进行调整，得到调整后的形状参数和纹理参数；所述通用三维人脸模型根据所述调整后的形状参数和纹理参数，构建目标三维人脸模型。进一步地，所述将所述目标三维人脸模型与预存的人脸图片进行比对，进行人脸识别的步骤，具体包括：将所述目标三维人脸模型与预存的人脸图片进行比对，得出相似性；若所述相似性大于预设阈值，则通过人脸识别。为实现上述目的，第二方面，本专利技术提供了一种存储介质，所述存储介质存储有三维建模人脸识别程序，所述三维建模人脸识别程序被处理器执行时实现如上所述的三维建模人脸识别方法的步骤。为实现上述目的，第三方面，本专利技术提供了一种嵌入式设备，所述嵌入式设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的三维建模人脸识别程序，所述三维建模人脸识别程序被所述处理器执行时实现如上所述的三维建模人脸识别方法的步骤。为实现上述目的，第四方面，本专利技术提供了一种三维建模人脸识别系统，所述三维建模人脸识别系统包括如第三方面所述的嵌入式设备，以及与所述嵌入式设备建立通信连接的神经网络加速器，所述嵌入式设备进行人脸识别时发送数据给所述神经网络加速器，并接收所述神经网络加速器返回的数据文件，以完成人脸识别。本专利技术提供了三维建模人脸识别方法、存储介质、嵌入式设备及系统，嵌入式设备先获取无约束场景的二维图片并进行预处理得到数据源，接着将数据源发送给神经网络加速器中已训练的神经网络模型的卷积层进行计算，如此明显缩短了计算时间，进而明显缩短了整个过程的时间；接着嵌入式设备接收神经网络加速器返回的数据文件并将其输入至已训练的神经网络模型的全连接层，如此数据源经过了整个已训练的神经网络模型的计算，得到了精确的形状参数和纹理参数，进而构建出精确的目标三维人脸模型，最后根据目标三维人脸模型与预存的人脸图片进行人脸识别，提高了准确率。与现有技术相比，本专利技术提高了嵌入式设备进行人脸识别的准确率和效率。附图说明图1为本专利技术三维建模人脸识别方法的较佳实施例的流程图；图2为本专利技术三维建模人脸识别方法的较佳实施例中步骤S10的流程图；图3为本专利技术三维建模人脸识别方法的较佳实施例中步骤S20的流程图；图4为本专利技术三维建模人脸识别方法的较佳实施例中训练神经网络模型的流程图；图5为本专利技术三维建模人脸识别方法的较佳实施例中步骤S30的流程图；图6为本专利技术三维建模人脸识别方法的较佳实施例中步骤S40的流程图；图7为本专利技术三维建模人脸识别方法的较佳实施例中嵌入式设备结构图。具体实施方式本专利技术提供了三维建模人脸识别方法、存储介质、嵌入式设备及系统，为使本专利技术的目的、技术方案及效果更加清楚、明确，以下对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。现有的嵌入式设备在无约束场景下进行人脸识别时，由于无约束场景下嵌入式设备拍摄所得的人脸图片(二维图片)存在人脸特征信息不足的问题，进而导致识别准确率低。目前部分嵌入式设备使用深度学习神经网络来提高无约束场景下人脸识别的准确率，但是由于嵌入式设备的计算能力弱导致识别过程过长，导致识别效率低。若存在一种嵌入式设备，采用深度学习神经网络以提高无约束场景下人脸识别的准确率，但是深度学习神经网络的计算由其他硬件配置较高的设备执行，如此即可提高嵌入式设备在无约束场景下人脸识别的效率和准确率。基于上述思路，请参阅图1，本专利技术较佳实施例所述的三维建模人脸识别方法，该方法应用于一种本文档来自技高网...

【技术保护点】
1.三维建模人脸识别方法，应用于一种包括嵌入式设备和神经网络加速器的三维建模人脸识别系统，其特征在于，所述三维建模人脸识别方法包括：/n获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源；/n将所述数据源发送至所述神经网络加速器中已训练的神经网络模型的卷积层后，接收所述神经网络加速器返回的数据文件并将所述数据文件输入至所述神经网络模型的全连接层，得到形状参数和纹理参数，其中，所述神经网络模型是基于二维图片与目标形状参数及目标纹理参数的对应关系训练而成的；/n根据所述形状参数和纹理参数构建目标三维人脸模型；/n将所述目标三维人脸模型与预存的人脸图片进行比对，进行人脸识别。/n

【技术特征摘要】
1.三维建模人脸识别方法，应用于一种包括嵌入式设备和神经网络加速器的三维建模人脸识别系统，其特征在于，所述三维建模人脸识别方法包括：
获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源；
将所述数据源发送至所述神经网络加速器中已训练的神经网络模型的卷积层后，接收所述神经网络加速器返回的数据文件并将所述数据文件输入至所述神经网络模型的全连接层，得到形状参数和纹理参数，其中，所述神经网络模型是基于二维图片与目标形状参数及目标纹理参数的对应关系训练而成的；
根据所述形状参数和纹理参数构建目标三维人脸模型；
将所述目标三维人脸模型与预存的人脸图片进行比对，进行人脸识别。


2.根据权利要求1所述的三维建模人脸识别方法，其特征在于，所述获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源的步骤，具体包括：
获取摄像头拍摄的二维图片，对所述二维图片进行像素转换；
对已进行像素转换的二维图片进行人脸检测并裁剪，得到仅包括人脸的二维图片；
读取所述仅包括人脸的二维图片中的所有像素值后，保存为预定数据格式的数据源。


3.根据权利要求2所述的三维建模人脸识别方法，其特征在于，所述预定数据格式与所述神经网络模型的数据输入格式相对应。


4.根据权利要求1所述的三维建模人脸识别方法，其特征在于，所述获取摄像头拍摄的二维图片后对所述二维图片进行预处理，得到预定数据格式的数据源的步骤，之前还包括：
预先将所述神经网络模型的卷积层设置于所述神经网络加速器中，并将所述神经网络模型的全连接层设置于所述嵌入式设备中。


5.根据权利要求1所述的三维建模人脸识别方法，其特征在于，所述将所述数据源发送至所述神经网络加速器中已训练的神经网络模型的卷积层后，接收所述神经网络加速器返回的数据文件并将所述数据文件输入至所述神经网络模型的全连接层，得到形状参数和纹理参数的步骤，具体包括：
将...

【专利技术属性】
技术研发人员：杨善棠，朱明程，
申请(专利权)人：杨善棠，
类型：发明
国别省市：广东;44