【技术实现步骤摘要】
一种三维人脸识别方法
本专利技术涉及人脸识别
,尤其涉及一种三维人脸识别方法。
技术介绍
随着社会的不断进步,对信息技术数字化和生物个人识别技术的需求越来越迫切。其中个人身份识别技术已经越来越多的影响到我们的日常生活,尤其在安防、零售、银行、海关、安检、移动支付等领域。传统的身份识别技术有智能卡、密保卡、动态密码生成器、数字签名等,但这些技术有诸多缺点,比如不易携带、易被破解、易丢等,其安全性和便利性方面的弊端已经越来越明显,新的个人身份识别技术有广阔的空间。尤其是最近几年来,随着监控视频技术的发展和机器学习技术的兴起,人们对自己面部识别的认知度越来越高,到处可见的人脸支付技术和指纹支付技术,使我们的个人生物识别和财产安全联系在一起。与此同时,随着经济的快速发展,大量的务工人口涌入城市,使得城市内的人口大量增加,其中城市的治安问题也越来越棘手。为了确保安全,防止城市内发生恶性事件,智能安防和个人身份识别已经成为研究领域的热点。目前,生物个人识别技术已经开始逐步取代传统的个人识别技术。生物个人识别技术是一种通过提取生物的生理特征,利用计算机的相关算法技术进行计算,从而识别个人身份的技术,这种技术具有安全性、便利性、不易伪造和易获取等特点,极大程度的减少了被破解或被伪造的几率,和传统的个人识别技术相比,每个人的生物识别特征是惟一的,极难被复制和伪造。当前主要的生物识别技术主要分为两个方向,一是在相当长的时间内都不会发生变化的生物特征,如指纹识别、DNA验证、掌纹识别、声纹识别、手部血管识别、人脸识别 ...
【技术保护点】
1.一种三维人脸识别方法,其特征在于,包括如下步骤:/n步骤1:三维人脸数据进行预处理,生成深度图形式的三维人脸数据集;/n步骤2:采用旋转、局部区域裁切、障碍物覆盖和加噪声的方法,对三维人脸数据进行增强,扩大三维人脸数据样本;/n步骤3:采用已知多姿态人脸数据库对挤压激励模块改造的残差神经网络进行二维人脸识别,来训练神经网络模型,然后将二维人脸识别网络的中底层特征保留,仅清除最后一个全连接层的权值,用三维人脸数据再次在这个神经网络上进行识别训练;/n步骤4:使用迁移学习的方式把二维人脸的中底层特征迁移至三维人脸中,实现三维人脸识别。/n
【技术特征摘要】
1.一种三维人脸识别方法,其特征在于,包括如下步骤:
步骤1:三维人脸数据进行预处理,生成深度图形式的三维人脸数据集;
步骤2:采用旋转、局部区域裁切、障碍物覆盖和加噪声的方法,对三维人脸数据进行增强,扩大三维人脸数据样本;
步骤3:采用已知多姿态人脸数据库对挤压激励模块改造的残差神经网络进行二维人脸识别,来训练神经网络模型,然后将二维人脸识别网络的中底层特征保留,仅清除最后一个全连接层的权值,用三维人脸数据再次在这个神经网络上进行识别训练;
步骤4:使用迁移学习的方式把二维人脸的中底层特征迁移至三维人脸中,实现三维人脸识别。
2.根据权利要求1所述的一种三维人脸识别方法,其特征在于:所述步骤1的过程如下:
步骤1.1:对“.bnt”格式的文件进行读写,读出五个变量数据,分别为data,zmin,nrows,ncols,imfile;
其中,data是一个行数为h,列数为5的数据,数据的前三列分别代表每个三维识别点的{x,y,z}坐标信息,第四列和第五列分别为x和y坐标的归一化数据;zmin是一个数值,如果{x,y,z}坐标中某个值与zmin数值相等,则认为这个三维识别点位并没有检测到物体,即没有识别到返回数据;nrows和ncols分别代表data数据的列数和行数,对data数据进行还原时会用到这两个数据;最后的imfile变量代表此识别数据的名字,可以用这个变量分辨识别数据的身份信息;
步骤1.2:把步骤1.1中读取出的三维数据显示成二维的深度图形式,也就是把点云正交投影在二维平面上。
3.根据权利要求2所述的一种三维人脸识别方法,其特征在于:所述步骤1.2还包括:
取所有z坐标的最小值,对所有非zmin的z坐标加上z坐标最小值的绝对值,解决z坐标存在负值的问题,使得所有的z坐标都大于零,避免显示深度图时这些坐标被当成数值0处理,使得显示出的深度图的人脸不全,人脸的周边位置一些数据点遗失;
对经过上述处理后的z坐标进行0到1的归一化,最后对z坐标乘以255,解决因z坐标的数值级别跨度大导致的生成的深度图颜色偏暗的问题,使处理后的深度图显示的轮廓更加清晰。
4.根据权利要求1所述的一种三维人脸识别方法,其特征在于:
所述旋转方法为对标签为同一个人的三维数据同时向右旋转90度和向左旋转90度,生成两个完全不同的三维数据;
所述局部区域裁切方法为对脸部边缘进行不同程度的裁剪,整体上保留了五官的数据信息,以此来扩充样本;
所述障碍物覆盖方法为通过随机给人脸增加障碍物的方式增加样本库;
所述加噪声方法为使用高斯噪声对三维人脸数据进行数据增强,提高模型的泛化性。
5.根据权利要求4所述的一种三维人脸识别方法,其特征在于:所述随机给人脸增加障碍物的方...
【专利技术属性】
技术研发人员:乔建忠,林树宽,周驰,张之敏,刘志腾,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁;21
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。