一种基于偏振图像的面部特征确定方法及装置制造方法及图纸

本说明书实施例提供一种基于偏振图像的面部特征确定方法及装置。在该方法中，处理平台可以获取第一对象的正交偏振图像和平行偏振图像，该正交偏振图像和平行偏振图像在约定时刻分别采集，该平行偏振图像携带第一对象表皮层的特征，正交偏振图像携带第一对象表皮以内层的特征；然后，基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像，并将所述叠加态图像输入特征提取模型中，得到预测面部特征，该预测面部特征包括表示第一对象表皮以内层中的色素块的特征，基于预测面部特征确定第一对象的面部特征。

【技术实现步骤摘要】
一种基于偏振图像的面部特征确定方法及装置
本说明书一个或多个实施例涉及图像处理
，尤其涉及一种基于偏振图像的面部特征确定方法及装置。
技术介绍
在对人脸进行识别时，通常可以由摄像头采集人脸图像，并提取人脸图像的面部特征，基于该面部特征进行人脸识别，比如可以将该面部特征与特征库中预先存储的人脸特征进行比对，也可以对该面部特征进行进一步的识别，以判断当前的人脸图像是否为活体人脸，等等。在各种人脸识别应用中，面部特征提取得是否准确、稳定，是提高人脸识别准确性的关键技术。因此，希望能有改进的方案，可以确定对象更加精准、独特、稳定的面部特征。
技术实现思路
本说明书一个或多个实施例描述了基于偏振图像的面部特征确定方法及装置，可以确定对象更加精准、独特、稳定的对象面部特征。具体的技术方案如下。第一方面，实施例提供了一种基于偏振图像的面部特征确定方法，通过处理平台执行，所述方法包括：获取第一对象的正交偏振图像和平行偏振图像，所述正交偏振图像和平行偏振图像在约定时刻分别采集；所述平行偏振图像携带所述第一对象表皮层的特征，所述正交偏振图像携带所述第一对象表皮以内层的特征；基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像；将所述叠加态图像输入特征提取模型中，得到预测面部特征；所述预测面部特征包括表示所述第一对象表皮以内层中的色素块的特征；基于所述预测面部特征，确定所述第一对象的面部特征。在一种实施方式中，所述表皮以内层为真皮层；所述正交偏振图像在设定光照强度下获取，所述设定光照强度用于使得图像采集设备采集到所述第一对象真皮层的特征。在一种实施方式中，所述预测面部特征包括真皮层中以下色素块中的至少一种：黑色素块、疤痕块、浅表静脉块。在一种实施方式中，所述基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像的步骤，包括：将所述正交偏振图像和平行偏振图像相同位置处的像素分别进行求差，基于求差后图像确定叠加态图像。在一种实施方式中，基于求差后图像确定叠加态图像的步骤具体包括：将所述正交偏振图像和平行偏振图像相同位置处的像素分别进行求和，得到求和后图像；基于所述求差后图像与所述求和后图像相同位置处对应像素之间的比值，确定叠加态图像。在一种实施方式中，所述基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像的步骤，还包括：将所述正交偏振图像和所述平行偏振图像分别转换成灰度图像；在转换成灰度图像之后，基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像。在一种实施方式中，所述基于所述预测面部特征，确定所述第一对象的面部特征的步骤，包括：将所述预测面部特征直接确定为所述第一对象的面部特征。在一种实施方式中，所述基于所述预测面部特征，确定所述第一对象的面部特征的步骤，包括：基于所述预测面部特征与以下一种或两种特征的结合，确定所述第一对象的面部特征：基于所述正交偏振图像确定的第一面部特征；基于所述平行偏振图像确定的第二面部特征。在一种实施方式中，所述特征提取模型采用以下方式进行训练：获取样本对象的样本正交偏振图像和样本平行偏振图像，以及对应的标注标签；基于所述样本正交偏振图像和样本平行偏振图像之间的图像差值处理，得到样本叠加态图像；将所述样本叠加态图像输入特征提取模型中，得到所述样本对象的样本预测面部特征；将所述样本预测面部特征输入分类器，得到预测标签；基于所述预测标签与所述标注标签之间的差异，确定预测损失；向减小所述预测损失的方向，调整所述特征提取模型。在一种实施方式中，所述特征提取模型采用深度神经网络DNN、卷积神经网络CNN或循环神经网络RNN训练。第二方面，实施例提供了一种基于偏振图像的面部识别方法，通过处理平台执行，所述方法包括：获取待进行面部识别的第二对象的面部特征，所述第二对象的面部特征通过第一方面提供的方法确定；将所述第二对象的面部特征与特征库中的多个面部特征进行比对，基于比对结果对所述第二对象进行识别；其中，所述特征库，用于存储多个对象的面部特征。第三方面，实施例提供了一种基于偏振图像的面部特征确定装置，部署在处理平台中，所述装置包括：图像获取模块，配置为，获取第一对象的正交偏振图像和平行偏振图像，所述正交偏振图像和平行偏振图像在约定时刻分别采集；所述平行偏振图像携带所述第一对象表皮层的特征，所述正交偏振图像携带所述第一对象表皮以内层的特征；差值处理模块，配置为，基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像；特征提取模块，配置为，将所述叠加态图像输入特征提取模型中，得到预测面部特征；所述预测面部特征包括表示所述第一对象表皮以内层中的色素块的特征；特征确定模块，配置为，基于所述预测面部特征，确定所述第一对象的面部特征。在一种实施方式中，所述表皮以内层为真皮层；所述正交偏振图像在设定光照强度下获取，所述设定光照强度用于使得图像采集设备采集到所述第一对象真皮层的特征。在一种实施方式中，所述预测面部特征包括真皮层中以下色素块中的至少一种：黑色素块、疤痕块、浅表静脉块。在一种实施方式中，所述差值处理模块，具体配置为：将所述正交偏振图像和平行偏振图像相同位置处的像素分别进行求差，基于求差后图像确定叠加态图像。在一种实施方式中，所述差值处理模块，基于求差后图像确定叠加态图像时，包括：将所述正交偏振图像和平行偏振图像相同位置处的像素分别进行求和，得到求和后图像；基于所述求差后图像与所述求和后图像相同位置处对应像素之间的比值，确定叠加态图像。在一种实施方式中，所述差值处理模块，还配置为：将所述正交偏振图像和所述平行偏振图像分别转换成灰度图像；在转换成灰度图像之后，基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像。在一种实施方式中，所述特征确定模块，具体配置为：将所述预测面部特征直接确定为所述第一对象的面部特征。在一种实施方式中，所述特征确定模块，具体配置为：基于所述预测面部特征与以下一种或两种特征的结合，确定所述第一对象的面部特征：基于所述正交偏振图像确定的第一面部特征；基于所述平行偏振图像确定的第二面部特征。在一种实施方式中，该装置还包括模型训练模块，所述模型训练模块，配置为采用以下操作训练所述特征提取模型：获取样本对象的样本正交偏振图像和样本平行偏振图像，以及对应的标注标签；基于所述样本正交偏振图像和样本平行偏振图像之间的图像差值处理，得到样本叠加态图像；将所述样本叠加态图像输入特征提取模型中，得到所述样本对象的样本预测面部特征；将所述样本预测面部特征输入分类器，得到预测标签；基于所述本文档来自技高网...

【技术保护点】
1.一种基于偏振图像的面部特征确定方法，通过处理平台执行，所述方法包括：/n获取第一对象的正交偏振图像和平行偏振图像，所述正交偏振图像和平行偏振图像在约定时刻分别采集；所述平行偏振图像携带所述第一对象表皮层的特征，所述正交偏振图像携带所述第一对象表皮以内层的特征；/n基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像；/n将所述叠加态图像输入特征提取模型中，得到预测面部特征；所述预测面部特征包括表示所述第一对象表皮以内层中的色素块的特征；/n基于所述预测面部特征，确定所述第一对象的面部特征。/n

【技术特征摘要】
1.一种基于偏振图像的面部特征确定方法，通过处理平台执行，所述方法包括：
获取第一对象的正交偏振图像和平行偏振图像，所述正交偏振图像和平行偏振图像在约定时刻分别采集；所述平行偏振图像携带所述第一对象表皮层的特征，所述正交偏振图像携带所述第一对象表皮以内层的特征；
基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像；
将所述叠加态图像输入特征提取模型中，得到预测面部特征；所述预测面部特征包括表示所述第一对象表皮以内层中的色素块的特征；
基于所述预测面部特征，确定所述第一对象的面部特征。


2.根据权利要求1所述的方法，所述表皮以内层为真皮层；所述正交偏振图像在设定光照强度下获取，所述设定光照强度用于使得图像采集设备采集到所述第一对象真皮层的特征。


3.根据权利要求2所述的方法，所述预测面部特征包括真皮层中以下色素块中的至少一种：黑色素块、疤痕块、浅表静脉块。


4.根据权利要求1所述的方法，所述基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像的步骤，包括：
将所述正交偏振图像和平行偏振图像相同位置处的像素分别进行求差，基于求差后图像确定叠加态图像。


5.根据权利要求4所述的方法，所述基于求差后图像确定叠加态图像的步骤，具体包括：
将所述正交偏振图像和平行偏振图像相同位置处的像素分别进行求和，得到求和后图像；
基于所述求差后图像与所述求和后图像相同位置处对应像素之间的比值，确定叠加态图像。


6.根据权利要求1所述的方法，所述基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像的步骤，还包括：
将所述正交偏振图像和所述平行偏振图像分别转换成灰度图像；
在转换成灰度图像之后，基于所述正交偏振图像和平行偏振图像之间的图像差值处理，得到叠加态图像。


7.根据权利要求1所述的方法，所述基于所述预测面部特征，确定所述第一对象的面部特征的步骤，包括：
将所述预测面部特征直接确定为所述第一对象的面部特征。


8.根据权利要求1所述的方法，所述基于所述预测面部特征，确定所述第一对象的面部特征的步骤，包括：
基于所述预测面部特征与以下一种或两种特征的结合，确定所述第一对象的面部特征：
基于所述正交偏振图像确定的第一面部特征；
基于所述平行偏振图像确定的第二面部特征。


9.根据权利要求1所述的方法，所述特征提取模型采用以下方式进行训练：
获取样本对象的样本正交偏振图像和样本平行偏振图像，以及对应的标注标签；
基于所述样本正交偏振图像和样本平行偏振图像之间的图像差值处理，得到样本叠加态图像；
将所述样本叠加态图像输入特征提取模型中，得到所述样本对象的样本预测面部特征；
将所述样本预测面部特征输入分类器，得到预测标签；
基于所述预测标签与所述标注标签之间的差异，确定预测损失；
向减小所述预测损失的方向，调整所述特征提取模型。


10.根据权利要求1所述的方法，所述特征提取模型采用深度神经网络DNN、卷积神经网络CNN或循环神经网络RNN训练。


11.一种基于偏振图像的面部识别方法，通过处理平台执行，所述方法包括：
获取待进行面部识别的第二对象的面部特征，所述第二对象的面部特征通过权利要求1提供的方法确定；
将所述第二对象的面部特征与特征库中的多个面部特征进行比对，基于比对结果对所述第二对象进行识别；其中，所述特征库，用于存储多个对象的面部特征。


12.一种基于偏振图像的面部特征确定装置，部署在处理平台中，所述装置包括：
图像获取模块，配置为，获取第一对象的正交偏振图像和平行偏振图像，所述正交偏振图...

【专利技术属性】
技术研发人员：高岩，王立彬，郑丹丹，王昌宝，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33