【技术实现步骤摘要】
一种人脸图像识别的方法、装置和可读存储介质
[0001]本专利技术实施例涉及人脸识别的领域，特别涉及一种人脸图像识别的 方法、装置和可读存储介质。
技术介绍
[0002]目前，活体检测绝大部分都需要测试者配合软件指令做摇头/读数等 行为，但需要的检测时间比较长，一般需要被测者作出比较大幅度的面 部运动，使用者体验不是太好；或是通过常规的反射光活体防伪，防伪 效果不够理想，容易被照片、屏幕等伪装手段攻击。
[0003]对于屏幕攻击，因为表面光滑，垂直于光线的位置反射非常强烈， 其他位置则非常弱，呈弱平行反射状态。而真实的人脸则是立体结构， 表面呈漫反射状态，不同位置对补光会产生不同的反射效果，垂直于光 线的位置反射最强烈，与光线夹角越大反射到镜头的光线越弱。
技术实现思路
[0004]本专利技术实施例的目的是提供一种人脸图像识别的方法、装置和可读 存储介质，以解决如何被屏幕、打印纸张攻击时，重构出人脸的3D模 型，从而以达到活体识别的目的。
[0005]第一方面，本专利技术实施例提供了一种人脸图像识别的方法，所述方 法包括：
[0006]在触发人脸检测的情况下，获取补光前后的视频图像序列；
[0007]识别所述视频图像序列的特征点，并进行归一化处理；
[0008]获取归一化处理后的特征量，根据补光前后的特征量进行3D重构；
[0009]将重构的3D模型与预先构建的人脸3D模型进行匹配，若匹配值大 于阈值则判定不是人脸，若匹配值小于阈值则判定是人脸。>[0010]在一些实施例中，所述识别所述视频图像序列的特征点，并进行归 一化处理，包括：
[0011]将每一帧人脸图像中用于标注人脸轮廓和五官的关键点作为特征 点，所述关键点包括：眼睛、眉毛、鼻子、嘴巴和脸颊的关键点；
[0012]通过人脸五官连接的原则对所述特征点进行连线，将所述人脸图像 分割成网格状，并使每个网格内部方向、色彩和/或纹理一致。
[0013]在一些实施例中，所述识别所述视频图像序列的特征点，并进行归 一化处理，还包括：
[0014]对每一个网格分别沿多个方向做轻微的平移形成新网格，原网格与 新网格共同构成该原网格的网格集；
[0015]计算同一网格集内每个网格的多种特征量以形成该网格的特征序 列，计算每两个特征序列之间的特征量距离，找到同一网格集内与其他 网格特征量距离之和最小的网格作为候选网格。
[0016]在一些实施例中，所述获取归一化所述特征点后的特征量，包括：
[0017]以归一化得到的网格为单位，计算补光前后的视频图像序列的多种 特征量，构成特征序列；
[0018]对比补光前后网格的反光亮度、网格纹理、色彩和明暗的变化，计 算反光特征量；
[0019]获取所述特征序列和反光特征量。
[0020]在一些实施例中，在所述在触发人脸检测的情况下，获取补光前后 的视频图像序列之前，还包括：
[0021]采集不同光线不同拍摄角度下的多个人脸图像；
[0022]识别每一帧人脸图像中用于标注人脸轮廓和五官的关键点；
[0023]通过人脸五官连接的原则对所述关键点进行连线，将所述人脸图像 分割成网格状；
[0024]获取每个网格的反射方向、反射强度和阴影模型；
[0025]计算每个网格反光后的特征变化概率分布；
[0026]根据所述特征变化概率分布进行建模，构建人脸3D模型。
[0027]在一些实施例中，所述将重构的3D模型与预先构建的人脸3D模型 进行匹配，包括：
[0028]判断在所述视频图像中是否佩戴眼镜；
[0029]如佩戴眼镜则分离出眼镜覆盖部分；
[0030]将分离出的眼镜覆盖部分对应的3D模型与预先构建的眼镜反光模 型进行匹配；
[0031]将分离眼镜覆盖部分后对应的3D模型与预先构建的人脸3D模型进 行匹配。
[0032]在一些实施例中，所述在触发人脸检测的情况下，获取补光前后的 视频图像序列之前，还包括：
[0033]分别对长宽进行双插值缩放，长宽均缩放到至原来的1/2；
[0034]对缩放后的图像采用USM算法进行增强；
[0035]对增强后的图像使用人脸检测工具。
[0036]第二方面，本专利技术实施例提供了一种人脸图像识别的装置，所述装 置包括：
[0037]第一获取模块，用于在触发人脸检测的情况下，获取补光前后的视 频图像序列；
[0038]识别模块，用于识别所述视频图像序列的特征点，并进行归一化处 理；
[0039]第二获取模块，用于获取归一化处理后的特征量，根据补光前后的 特征量进行3D重构；
[0040]匹配模块，用于将重构的3D模型与预先构建的人脸3D模型进行匹 配，若匹配值大于阈值则判定不是人脸，若匹配值小于阈值则判定是人 脸。
[0041]第三方面，一种人脸图像识别的装置，所述装置包括：
[0042]一个或多个处理器；
[0043]存储装置，用于存储一个或多个程序，
[0044]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一 个或多个处理器实现如上述的方法。
[0045]第四方面，本专利技术实施例提供了一种非易失性计算机可读存储介 质，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机 可执行指令被机器人执行时，使所
述机器人执行如上所述的方法。
[0046]本专利技术实施例提供的一种人脸图像识别的方法、装置和可读存储介 质，在触发人脸检测的情况下，获取补光前后的视频图像序列；识别所 述视频图像序列的特征点，并进行归一化处理；获取归一化处理后的特 征量，根据补光前后的特征量进行3D重构；将重构的3D模型与预先构 建的人脸3D模型进行匹配，若匹配值大于阈值则判定不是人脸，若匹 配值小于阈值则判定是人脸。从而实现在无需使用者肢体动作或语音配 合下，提供更优质便捷的体验，且识别结果更加准确，防止屏幕、纸张 打印、照片攻击导致的误识别。
附图说明
[0047]一个或多个实施例通过与之对应的附图中的图片进行示例性说明， 这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标 号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例 限制。
[0048]图1为本专利技术实施例提供的一种人脸图像识别的方法示意图；
[0049]图2为本专利技术实施例提供的一种人脸图像识别的方法示意图；
[0050]图3为本专利技术实施例提供的另一种人脸图像识别的方法示意图；
[0051]图4是本专利技术实施例提供的一种人脸图像识别的装置的结构示意 图；
[0052]图5为本专利技术实施例提供的一种人脸图像识别的装置的硬件结构示 意图。
具体实施方式
[0053]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合 本专利技术实施例中的附图，对本专利技术实施例中的技术方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人脸图像识别的方法，其特征在于，所述方法包括：在触发人脸检测的情况下，获取补光前后的视频图像序列；识别所述视频图像序列的特征点，并进行归一化处理；获取归一化处理后的特征量，根据补光前后的特征量进行3D重构；将重构的3D模型与预先构建的人脸3D模型进行匹配，若匹配值大于阈值则判定不是人脸，若匹配值小于阈值则判定是人脸。2.根据权利要求1所述的方法，其特征在于，所述识别所述视频图像序列的特征点，并进行归一化处理，包括：将每一帧人脸图像中用于标注人脸轮廓和五官的关键点作为特征点，所述关键点包括：眼睛、眉毛、鼻子、嘴巴和脸颊的关键点；通过人脸五官连接的原则对所述特征点进行连线，将所述人脸图像分割成网格状，并使每个网格内部方向、色彩和/或纹理一致。3.根据权利要求2所述的方法，其特征在于，所述识别所述视频图像序列的特征点，并进行归一化处理，还包括：对每一个网格分别沿多个方向做轻微的平移形成新网格，原网格与新网格共同构成该原网格的网格集；计算同一网格集内每个网格的多种特征量以形成该网格的特征序列，计算每两个特征序列之间的特征量距离，找到同一网格集内与其他网格特征量距离之和最小的网格作为候选网格。4.根据权利要求1所述的方法，其特征在于，所述获取归一化所述特征点后的特征量，包括：以归一化得到的网格为单位，计算补光前后的视频图像序列的多种特征量，构成特征序列；对比补光前后网格的反光亮度、网格纹理、色彩和明暗的变化，计算反光特征量；获取所述特征序列和反光特征量。5.根据权利要求1所述的方法，其特征在于，在所述在触发人脸检测的情况下，获取补光前后的视频图像序列之前，还包括：采集不同光线不同拍摄角度下的多个人脸图像；识别每一帧人脸图像中用于标注人脸轮廓和五官的关键点；通过人脸五官连接的原则对所述关键点进行连线，将所述人脸图像...
【专利技术属性】
技术研发人员：陈闻博，邓晖，
申请(专利权)人：广州慧睿思通人工智能技术有限公司，
类型：发明
国别省市：
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。