【技术实现步骤摘要】
一种身份识别的方法和装置
[0001]本申请涉及信息
,并且更具体地,涉及一种身份识别的方法和装置。
技术介绍
[0002]随着科学技术的发展,身份识别技术的应用也越来越广泛,尤其是人脸识别,在很多重要领域都有所应用。在进行身份识别的过程中,用户设备需要提前录入样板图像,再在需要进行识别的时候,由摄像头对待识别目标进行拍摄,并将拍摄的图像与样板图像进行比对,以完成待识别目标的身份识别。但是在实际操作过程中,由于无法保证摄像头拍摄的图像与录入的样板图像是完全重合的,当拍摄的图像与录入的样板图像差异过大时,用户设备就无法进行识别,导致待识别目标的身份识别的准确率和效率都较低。并且在目前的身份识别技术中,许多待识别目标的虚假替代品也能够被用户设备识别成功,这对身份识别的安全性造成了一定的影响。
[0003]因此,如何提高身份识别技术的准确性和安全性,是一项亟待解决的技术问题。
技术实现思路
[0004]本申请实施例提供了一种身份识别的方法和装置,能够提高身份识别技术的准确性和安全性。
[0005]第一方面,提供一种身份识别的方法,包括:获取待识别目标的第一三维点上的第一近红外参数,该第一近红外参数用于指示该待识别目标在该第一三维点的位置上反射近红外光的信息;获取该待识别目标的该第一三维点上的第一三维参数,该第一三维参数用于指示该第一三维点在该待识别目标上的三维位置信息;对该待识别目标的第一图像进行识别,该第一图像包括多个该第一三维点。
[0006]本申请实施例提供的身份识别的方 ...
【技术保护点】
【技术特征摘要】
1.一种身份识别的方法,其特征在于,包括:获取待识别目标的第一三维点上的第一近红外参数,所述第一近红外参数用于指示所述待识别目标在所述第一三维点的位置上反射近红外光的信息;获取所述待识别目标的所述第一三维点上的第一三维参数,所述第一三维参数用于指示所述第一三维点在所述待识别目标上的三维位置信息;对所述待识别目标的第一图像进行识别,所述第一图像包括多个所述第一三维点。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取所述待识别目标的第二三维点上的第二近红外参数,所述第二三维点由生成对抗网络生成,所述第二近红外参数用于指示所述待识别目标在所述第二三维点的位置上反射近红外光的信息;所述对所述待识别目标的第一图像进行识别,包括:对所述待识别目标的第二图像进行识别,所述第二图像包括多个所述第一三维点和多个所述第二三维点。3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:获取所述待识别目标的所述第二三维点上的第二三维参数,所述第二三维点由生成对抗网络生成,所述第二三维参数用于指示所述第二三维点在所述待识别目标上的位置信息;所述对所述待识别目标的第一图像进行识别,包括:对所述待识别目标的第二图像进行识别,所述第二图像包括多个所述第一三维点和多个所述第二三维点。4.根据权利要求2或3所述的方法,其特征在于,所述第二三维点由所述生成对抗网络根据所述第一三维点生成。5.根据权利要求2至4中任一项所述的方法,其特征在于,所述第二三维点由所述生成对抗网络根据所述第一三维点进行对称处理后的三维点生成。6.根据权利要求1至5中任一项所述的方法,其特征在于,所述方法还包括:将所述第一三维点投影到平面形成第一像素点,所述第一像素点包括第一参数和第二参数,所述第一参数由所述第一近红外参数形成,所述第二参数由所述第一三维参数形成;所述对所述待识别目标的第一图像进行识别,包括:对所述待识别目标的第三图像进行识别,所述第三图像包括多个所述第一像素点。7.根据权利要求6所述的方法,其特征在于,所述方法还包括:获取所述待识别目标的第二像素点上的第三参数,所述第二像素点由生成对抗网络生成,所述第三参数用于指示所述待识别目标在所述第二像素点的位置上反射近红外光的信息;所述对所述待识别目标的第三图像进行识别,包括:对所述待识别目标的第四图像进行识别,所述第四图像包括多个所述第一像素点和多个所述第二像素点。8.根据权利要求6或7所述的方法,其特征在于,所述方法还包括:获取所述待识别目标的所述第二像素点上的第四参数,所述第四参数用于指示所述第二像素点在所述待识别目标上的位置信息;
所述对所述待识别目标的第三图像进行识别,包括:对所述待识别目标的第四图像进行识别,所述第四图像包括多个所述第一像素点和多个所述第二像素点。9.根据权利要求3至6中任一项所述的方法,其特征在于,所述方法还包括:将所述第二三维点投影到平面形成第三像素点,所述第三像素点包括第五参数和第六参数,所述第五参数由所述第二近红外参数形成,所述第六参数由所述第二三维参数形成;所述对所述待识别目标的第二图像进行识别,包括:对所述待识别目标的第五图像进行识别,所述第四图像包括多个所述第一像素点和多个所述第三像素点。10.根据权利要求1至9中任一项所述的方法,其特征在于,所述获取第一三维点上的第一三维参数,包括:获取所述第一三维点的第二三维参数,所述第二三维参数用于指示所述第一三维点在所述待识别目标上的三维位置信息;利用卷积神经网络生成第一旋转角和/或第一平移量;按照所述第一旋转角和/或第一平移量对所述第二三维参数进行计算,获得所述第一三维参数。11.根据权利要求8所述的方法,其特征在于,所述获取第一三维点上的第一近红外参数,包括:获取所述第一三维点的第二近红外参数,所述第二近红外参数用于指示所述待识别目标在所述第一三维点的位置上反射近红外光的信息;利用卷积神经网络生成第一旋转角和/或第一平移量;按照所述第一旋转角和/或第一平移量对所述第二近红外参数进行计算,获得所述第一近红外参数。12.根据权利要求7所述的方法,其特征在于,所述获取所述第一三维点的第二三维参数,包括:获取所述第一三维点上的第三三维参数,所述第三三维参数由摄像头获取;根据所述第一三维点邻近面的法向量计算所述第一三维点上所述第三三维参数的第一正规向量;分别计算所述第一正规向量在X轴、Y轴和Z轴上的分量的正规向量,所述第二三维参数包括X轴、Y轴和Z轴上的正规向量。13.一种训练神经网络模型的方法,其特征在于,包括:获取第一训练数据和第一样板数据,所述第一训练数据包括不同角度的待识别目标上每个三维点的第二三维参数,所述第一样板数据为第一角度的所述待识别目标上每个三维点的第二三维参数,所述第一角度为所述待识别目标能够被识别的角度;将所述第一训练数据输入第一模型得到第二旋转角和/或第二平移量;按照所述第二旋转角和/或第二平移量对所述第一训练数据进行旋转和/或平移,得到第二训练数据;根据所述第二训练数据与所述第一样板数据的差异计算第一损失函数值;根据所述第一损失函数值调整所述第一模型的参数。
14.根据权利要求13所述的方法,其特征在于,所述方法还包括:当所述第一损失函数值小于或等于第一阈值时,输出所述第二旋转角和/或第二平移量。15.根据权利要求13或14所述的方法,其特征在于,所述将所述第一训练数据输入第一模型得到第二旋转角和/或第二平移量,包括:将所述第一训练数据和所述第一样板数据输入所述第一模型得到所述第二旋转角和/或所述第二平移量。16.一种训练神经网络模型的方法,其特征在于,包括:获取第一训练图像和第一样板图像,所述第一训练图像包括待识别目标的多个不完整的图像,所述第一样板图像为所述待识别目标的完整图像;将所述第一训练图像输入第二模型得到第一完整图像;根据所述第一完整图像与所述第一样板图像的差异计算第二损失函数值;根据所述第二损失函数值调整所述第二模型的参数。17.根据权利要求16所述的方法,其特征在于,所述方法还包括:当所述第二损失函数值小于或等于第二阈值时,输出所述第一完整图像。18.一种身份识别的装置,其特征在于,包括:获取单元,用于获取待识别目标的第一三维点上的第一近红外参数,所述第一近红外参数用于指示所述待识别目标在所述第一三维点的位置上反射近红外光的信息;所述获取单元用于获取所述待识别目标的所述第一三维点上的第一三维参数,所述第一三维参数用于...
【专利技术属性】
技术研发人员:张为义,罗士杰,
申请(专利权)人:福建库克智能科技有限公司,
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。