本发明专利技术提供了基于3D人脸模型的视频监控动态人脸识别方法和装置，该方法包括：将3D人脸模型按照视频拍摄频率进行3D模型动态云模拟，建立3D人脸模型云模拟轨迹；将视频监控人脸图像按照视频拍摄频率进行人脸移动轨迹提取，获得监控图像人脸移动轨迹；对3D人脸模型云模拟轨迹和监控图像人脸移动轨迹进行轨迹重合度分析，获得轨迹重合度分析结果；对轨迹重合度分析结果和设定轨迹重合度进行判断，获得人脸识别结果；本发明专利技术能够通过对3D人脸模型进行动态云模拟建立的模拟轨迹和视频监控人脸图像提取的移动轨迹进行重合度分析，获得人脸识别结果，方法简单、识别精确，效果理想。效果理想。效果理想。
【技术实现步骤摘要】
基于3D人脸模型的视频监控动态人脸识别方法和装置
[0001]本专利技术涉及计算机视觉与模式识别
，具体涉及基于3D人脸模型的视频监控动态人脸识别方法和装置。
技术介绍
[0002]现阶段，视频监控动态人脸识别应用越来越广，网上支付、出入管理、门禁考勤等各个领域都普遍使用，但人们在使用过程中，往往会出现动态条件下人脸识别不清晰、识别有延时、系统不稳定等问题。
[0003]基于3D人脸模型的人脸识别技术是未来的一个发展趋势，3D人脸模型拥有更加丰富的数据信息，在不同环境、不同光照条件下依然保持较好的识别性能。但是，基于3D人脸模型的人脸识别现有尚待解决和完善的技术问题，包括：如何对3D人脸模型特征分析识别，如何得到视频监控图像人脸移动轨迹，如何将3D人脸模型人脸移动轨迹和监控图像人脸移动轨迹进行对比分析是函待解决的问题；因此，有必要提出一种基于3D人脸模型的视频监控动态人脸识别方法和装置，以至少部分地解决现有技术中存在的问题。
技术实现思路
[0004]本专利技术提供了基于3D人脸模型的视频监控动态人脸识别方法和装置，通过对3D人脸模型进行动态云模拟建立的模拟轨迹和视频监控人脸图像提取的移动轨迹进行重合度分析，获得人脸识别结果，方法简单、识别精确，效果理想。
[0005]基于3D人脸模型的视频监控动态人脸识别方法，该方法包括：
[0006]S100、将3D人脸模型按照视频拍摄频率进行3D模型动态云模拟，建立3D人脸模型云模拟轨迹；
[0007]S200、将视频监控人脸图像按照视频拍摄频率进行人脸移动轨迹提取，获得监控图像人脸移动轨迹；
[0008]S300、对3D人脸模型云模拟轨迹和监控图像人脸移动轨迹进行轨迹重合度分析，获得轨迹重合度分析结果；
[0009]S400、对轨迹重合度分析结果和设定轨迹重合度进行判断，获得人脸识别结果。
[0010]进一步地，所述S100包括：
[0011]S101、通过视频监控云平台模拟视频监控空间范围，标定视频监控摄像头中心点；
[0012]S102、将3D人脸模型绕标定视频监控摄像头中心点进行视频监控环绕旋转，并进行3D人脸模型自转旋转；
[0013]S103、记录3D人脸模型自转旋转和视频监控环绕旋转的人脸识别特征点云轨迹，建立3D人脸模型云模拟轨迹。
[0014]进一步地，所述S200包括：
[0015]S201、标定第一视频监控人脸图像的人脸轮廓识别像素点，获得第一识别像素点集；标定第二视频监控人脸图像的人脸轮廓识别像素点，获得第二识别像素点集；
[0016]S202、将第一识别像素点集和第二识别像素点集按照标定顺序进行像素点顺序连线；
[0017]S203、按照视频拍摄频率提取像素点顺序连线的移动轨迹，获得监控图像人脸移动轨迹。
[0018]进一步地，所述S300包括：
[0019]S301、将3D人脸模型云模拟轨迹云模拟起始点和监控图像人脸移动轨迹的监控采集起始点进行对比，获得识别缩放比例；
[0020]S302、根据识别缩放比例，对监控图像人脸移动轨迹进行轨迹比例缩放，获得监控图像人脸移动比例轨迹；
[0021]S303、将3D人脸模型云模拟轨迹和监控图像人脸移动比例轨迹进行点集重合度云对比分析，获得轨迹重合度分析结果。
[0022]进一步地，所述S400包括：
[0023]S401、将轨迹重合度分析结果和设定轨迹重合度进行对比计算，获得轨迹重合度对比误差值；
[0024]S402、当轨迹重合度对比误差值处于系统设置对比误差值范围内，人脸识别通过；当轨迹重合度对比误差值超出系统设置对比误差值范围，人脸识别不能通过；
[0025]S403、当人脸识别不能通过时，提示再次进行人脸识别；如果再次进行人脸识别仍然不能通过，则判定为人脸识别失败。
[0026]另外，本专利技术还提供了基于3D人脸模型的视频监控动态人脸识别装置，包括：
[0027]模拟模块，用于将3D人脸模型按照视频拍摄频率进行3D模型动态云模拟，建立3D人脸模型云模拟轨迹；
[0028]获取模块，用于将视频监控人脸图像按照视频拍摄频率进行人脸移动轨迹提取，获得监控图像人脸移动轨迹；
[0029]分析模块，用于对3D人脸模型云模拟轨迹和监控图像人脸移动轨迹进行轨迹重合度分析，获得轨迹重合度分析结果；
[0030]识别模块，用于对轨迹重合度分析结果和设定轨迹重合度进行判断，获得人脸识别结果。
[0031]进一步地，所述模拟模块包括：
[0032]模拟准备单元，用于通过视频监控云平台模拟视频监控空间范围，标定视频监控摄像头中心点；
[0033]模拟操作单元，用于将3D人脸模型绕标定视频监控摄像头中心点进行视频监控环绕旋转，并进行3D人脸模型自转旋转；
[0034]模拟记录单元，用于记录3D人脸模型自转旋转和视频监控环绕旋转的人脸识别特征点云轨迹，建立3D人脸模型云模拟轨迹。
[0035]进一步地，所述获取模块包括：
[0036]标定单元，用于标定第一视频监控人脸图像的人脸轮廓识别像素点，获得第一识别像素点集；标定第二视频监控人脸图像的人脸轮廓识别像素点，获得第二识别像素点集；
[0037]连接单元，用于将第一识别像素点集和第二识别像素点集按照标定顺序进行像素点顺序连线；
[0038]构建单元，用于按照视频拍摄频率提取像素点顺序连线的移动轨迹，获得监控图像人脸移动轨迹；在提取人脸轮廓特征时包括识别目标的场景深度图像；根据获取的深度图像，提取图像中人脸轮廓数据，通过人脸轮廓数据提取方法提取数据平均值特征。
[0039]进一步地，所述分析模块包括：
[0040]起始点对比分析单元，用于将3D人脸模型云模拟轨迹云模拟起始点和监控图像人脸移动轨迹的监控采集起始点进行对比，获得识别缩放比例；
[0041]比例缩放分析单元，用于根据识别缩放比例，对监控图像人脸移动轨迹进行轨迹比例缩放，获得监控图像人脸移动比例轨迹；
[0042]点集重合度分析单元，用于将3D人脸模型云模拟轨迹和监控图像人脸移动比例轨迹进行点集重合度云对比分析，获得轨迹重合度分析结果；通过视频监控获得待识别对象的脸部3D数据；对获得的3D数据进行去噪、填孔、切割等预处理；将预处理后的3D人脸模型与预设的3D人脸模型中作对比分析，构成特征向量；使用分类器对提取的特征向量识别分类，输出识别结果。
[0043]进一步地，所述识别模块包括：
[0044]误差值存储单元，用于将轨迹重合度分析结果和设定轨迹重合度进行对比计算，获得轨迹重合度对比误差值；
[0045]误差值对比单元，用于将轨迹重合度对比误差值与系统设置对比误差值进行对比，当轨迹重合度对比误差值处于系统设置对比误差值范围内，人脸识别通过；当轨迹重合度对比误差值超出系统设置对比误差值范围，人脸识别不能通过；...
【技术保护点】
【技术特征摘要】
1.基于3D人脸模型的视频监控动态人脸识别方法，其特征在于，包括：S100、将3D人脸模型按照视频拍摄频率进行3D模型动态云模拟，建立3D人脸模型云模拟轨迹；S200、将视频监控人脸图像按照视频拍摄频率进行人脸移动轨迹提取，获得监控图像人脸移动轨迹；S300、对3D人脸模型云模拟轨迹和监控图像人脸移动轨迹进行轨迹重合度分析，获得轨迹重合度分析结果；S400、对轨迹重合度分析结果和设定轨迹重合度进行判断，获得人脸识别结果。2.根据权利要求1所述的基于3D人脸模型的视频监控动态人脸识别方法，其特征在于，S100包括：S101、通过视频监控云平台模拟视频监控空间范围，标定视频监控摄像头中心点；S102、将3D人脸模型绕标定视频监控摄像头中心点进行视频监控环绕旋转，并进行3D人脸模型自转旋转；S103、记录3D人脸模型自转旋转和视频监控环绕旋转的人脸识别特征点云轨迹，建立3D人脸模型云模拟轨迹。3.根据权利要求1所述的基于3D人脸模型的视频监控动态人脸识别方法，其特征在于，S200包括：S201、标定第一视频监控人脸图像的人脸轮廓识别像素点，获得第一识别像素点集；标定第二视频监控人脸图像的人脸轮廓识别像素点，获得第二识别像素点集；S202、将第一识别像素点集和第二识别像素点集按照标定顺序进行像素点顺序连线；S203、按照视频拍摄频率提取像素点顺序连线的移动轨迹，获得监控图像人脸移动轨迹。4.根据权利要求1所述的基于3D人脸模型的视频监控动态人脸识别方法，其特征在于，S300包括：S301、将3D人脸模型云模拟轨迹云模拟起始点和监控图像人脸移动轨迹的监控采集起始点进行对比，获得识别缩放比例；S302、根据识别缩放比例，对监控图像人脸移动轨迹进行轨迹比例缩放，获得监控图像人脸移动比例轨迹；S303、将3D人脸模型云模拟轨迹和监控图像人脸移动比例轨迹进行点集重合度云对比分析，获得轨迹重合度分析结果。5.根据权利要求1所述的基于3D人脸模型的视频监控动态人脸识别方法，其特征在于，S400包括：S401、将轨迹重合度分析结果和设定轨迹重合度进行对比计算，获得轨迹重合度对比误差值；S402、当轨迹重合度对比误差值处于系统设置对比误差值范围内，人脸识别通过；当轨迹重合度对比误差值超出系统设置对比误差值范围，人脸识别不能通过；S403、当人脸识别不能通过时，提示再次进行人脸识别；如果再次进行人脸识别仍然不能通过，则判定为人脸识别失败。6.基于3D人脸模型的视频监控动态人脸识别装置，其特征在于，包括：
模拟模块，用于将3D人脸模型按照视频拍摄频率进行3D模型动态云模拟，建立3D人脸模型云模拟轨迹；获取模块，用于将视频监控人脸图像按照视频拍摄频率进行人脸移动轨迹提取，获得监控图像人脸移动轨迹；分析模块，用于对3D人脸模型云模拟轨迹和监控图像人脸移动轨迹进行轨迹重合...
【专利技术属性】
技术研发人员：刘思威，杨华菊，杨玲玲，全韩英，
申请(专利权)人：惠丰科技广州股份有限公司，
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。