3D人脸识别方法、装置、电子设备和存储介质制造方法及图纸

本申请实施例提供的3D人脸识别方法、装置、电子设备和存储介质，采用激光雷达技术获取包含人脸信息的图像，并对人脸信息进行3D建模以获得3D人脸图像，从而可以通过3D人脸图像进行特征提取并进行人脸识别。3D建模获得3D的人脸图像的方法可以避免光线对人脸图像的干扰，进一步还原人脸的表情细节以及人脸的面部结构细节，从而使得人脸识别的准确度更高。

3D face recognition methods, devices, electronic devices and storage media

【技术实现步骤摘要】
3D人脸识别方法、装置、电子设备和存储介质
本申请涉及人脸识别
，具体而言，涉及一种3D人脸识别方法、装置、电子设备和存储介质。
技术介绍
现有技术中，随着人脸识别技术的飞速发展，人脸识别技术越来越多的应用在人们的日常生活中，例如，应用在车站的刷脸进站，超市的刷脸付钱、和手机APP的刷脸登录等场景中。目前，人脸识别技术大部分都存在识别结果准确度不高的缺点。
技术实现思路
有鉴于此，本申请的目的在于提供3D人脸识别方法、装置、电子设备和存储介质，以提高人脸识别的准确度。第一方面，实施例提供一种3D人脸识别方法，包括：通过激光雷达技术获取包含人脸信息的图像，从所述图像中获取人脸信息，并对所述人脸信息进行3D建模以获得待识别的3D人脸图像；对待识别的所述3D人脸图像进行特征提取，以获得待识别的第一人脸特征；将待识别的所述第一人脸特征与预存的各第二人脸特征进行比对，判断是否存在与待识别的所述第一人脸特征匹配的第二人脸特征，若存在，则输出匹配结果，若不存在，则再次将待识别的所述第一人脸特征与预存的各第二人脸特征进行比对，直到匹配到第二人脸特征或匹配次数达到预设次数。在可选的实施方式中，对待识别的所述3D人脸图像进行特征提取，以获得待识别的第一人脸特征，包括：通过训练好的深度卷积神经网络对所述3D人脸图像进行编码，以获得该3D人脸图像的多个第一特征值。在可选的实施方式中，所述方法还包括预存多个第二人脸特征的步骤，所述步骤包括：>通过训练好的深度卷积神经网络对需要预存的多个3D人脸图像进行编码，以获得每个人脸图像的第二人脸特征，并将所述第二人脸特征进行存储，其中，每个所述第二人脸特征包括多个第二特征值。在可选的实施方式中，判断是否存在与待识别的所述第一人脸特征匹配的第二人脸特征，包括：计算所述第一特征值与各第二特征值的欧式距离；根据所述欧式距离的大小判断是否存在与所述第一人脸特征匹配的第二人脸特征。在可选的实施方式中，根据所述欧式距离的大小判断是否存在与所述第一人脸特征匹配的第二人脸特征，包括：判断所述欧式距离是否小于预设阈值，若是，则判定第二人脸特征与第一人脸特征匹配，若否，则判定第二人脸特征与第一人脸特征不匹配。在可选的实施方式中，在对待识别的所述3D人脸图像进行特征提取之前，所述方法还包括：通过噪声滤波对待识别的3D人脸图像进行修正处理；或者，对待识别的3D人脸图像进行光线补偿处理；或者，通过噪声滤波对待识别的3D人脸图像进行修正处理，对进行修正处理后的待识别的3D人脸图像进行光线补偿处理。第二方面，实施例提供一种3D人脸识别装置，所述装置包括：3D人脸图像获取模块，用于通过激光雷达技术获取包含人脸信息的图像，从所述图像中获取人脸信息，并对所述人脸信息进行3D建模以获得待识别的3D人脸图像；特征提取模块，用于对待识别的所述3D人脸图像进行特征提取，以获得待识别的第一人脸特征；特征比对模块，用于将待识别的所述第一人脸特征与预存的各第二人脸特征进行比对，判断是否存在与待识别的所述第一人脸特征匹配的第二人脸特征，若存在，则输出匹配结果，若不存在，则再次将待识别的所述第一人脸特征与预存的各第二人脸特征进行比对，直到匹配到第二人脸特征或匹配次数达到预设次数。在可选的实施方式中，所述特征提取模块具体用于：通过训练好的深度卷积神经网络对所述3D人脸图像进行编码，以获得该3D人脸图像的多个第一特征值。第三方面，实施例提供一种电子设备，包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述电子设备执行前述实施方式中任意一项所述的3D人脸识别方法。第四方面，实施例提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被执行时实现前述实施方式中任意一项所述的3D人脸识别方法。本申请实施例的有益效果：本申请实施例提供的3D人脸识别方法、装置、电子设备和存储介质，采用激光雷达技术获取包含人脸信息的图像，并对人脸信息进行3D建模以获得3D人脸图像，从而可以通过3D人脸图像进行特征提取并进行人脸识别。3D建模获得3D的人脸图像的方法可以避免光线对人脸图像的干扰，进一步还原人脸的表情细节以及人脸的面部结构细节，从而使得人脸识别的准确度更高。为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供的电子设备的结构示意图；图2为本申请实施例提供的3D人脸识别方法的流程图；图3为本申请实施例提供的步骤S230的子步骤流程图；图4为本申请实施例提供的3D人脸识别装置的功能模块图。主要元件符号说明：100-电子设备；110-3D人脸识别装置；120-存储器；130-处理器；1101-3D人脸图像获取模块；1102-特征提取模块；1103-特征比对模块。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。目前，大部分的人脸识别技术的准确度都不太高，专利技术人在研究中发现，这主要是由于目前的人脸识别大多是基于二维图像的人脸识别，而二维图像对光照、姿态等变化的适应性较差，导致识别结果的准确度不高。因此，为了解决上述问题，本申请提出一种3D人脸识别方法、装置、电子设备和存储介质。首先，请参照图1，图1为本申请实施例提供的电子设备100的结构示意图。本申请实施例提供的3D人脸识别方法应用于该电子设备100，该电子设备100包括有处理器130、存储器120以及3D人脸识别装置110，所述存储器120与处理器130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述3D人脸识别装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(OperatingSystem，OS)中的软件功能模块。所述处理器本文档来自技高网...

【技术保护点】
1.一种3D人脸识别方法，其特征在于，包括：/n通过激光雷达技术获取包含人脸信息的图像，从所述图像中获取人脸信息，并对所述人脸信息进行3D建模以获得待识别的3D人脸图像；/n对待识别的所述3D人脸图像进行特征提取，以获得待识别的第一人脸特征；/n将待识别的所述第一人脸特征与预存的各第二人脸特征进行比对，判断是否存在与待识别的所述第一人脸特征匹配的第二人脸特征，若存在，则输出匹配结果，若不存在，则再次将待识别的所述第一人脸特征与预存的各第二人脸特征进行比对，直到匹配到第二人脸特征或匹配次数达到预设次数。/n

【技术特征摘要】
1.一种3D人脸识别方法，其特征在于，包括：
通过激光雷达技术获取包含人脸信息的图像，从所述图像中获取人脸信息，并对所述人脸信息进行3D建模以获得待识别的3D人脸图像；
对待识别的所述3D人脸图像进行特征提取，以获得待识别的第一人脸特征；
将待识别的所述第一人脸特征与预存的各第二人脸特征进行比对，判断是否存在与待识别的所述第一人脸特征匹配的第二人脸特征，若存在，则输出匹配结果，若不存在，则再次将待识别的所述第一人脸特征与预存的各第二人脸特征进行比对，直到匹配到第二人脸特征或匹配次数达到预设次数。


2.根据权利要求1所述的方法，其特征在于，对待识别的所述3D人脸图像进行特征提取，以获得待识别的第一人脸特征，包括：
通过训练好的深度卷积神经网络对所述3D人脸图像进行编码，以获得该3D人脸图像的多个第一特征值。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括预存多个第二人脸特征的步骤，所述步骤包括：
通过训练好的深度卷积神经网络对需要预存的多个3D人脸图像进行编码，以获得每个人脸图像的多个第二人脸特征，并将所述第二人脸特征进行存储，其中，每个所述第二人脸特征包括多个第二特征值。


4.根据权利要求3所述的方法，其特征在于，判断是否存在与待识别的所述第一人脸特征匹配的第二人脸特征，包括：
计算所述第一特征值与各第二特征值的欧式距离；
根据所述欧式距离的大小判断是否存在与所述第一人脸特征匹配的第二人脸特征。


5.根据权利要求4所述的方法，其特征在于，根据所述欧式距离的大小判断是否存在与所述第一人脸特征匹配的第二人脸特征，包括：
判断所述欧式距离是否小于预设阈值，若是，则判定第二人脸特征与第一人脸特征匹配，若...

【专利技术属性】
技术研发人员：何吉波，谭北平，谭志鹏，
申请(专利权)人：北京明略软件系统有限公司，清华大学，
类型：发明
国别省市：北京;11