本发明专利技术公开了一种人脸防伪方法、装置及存储介质。其中所述人脸防伪方法包括：获取由2D单目相机采集的待检测图像；通过预设的人脸深度模型，获取待检测图像每个像素坐标点对应的深度因子；根据所述深度因子和预设的相机参数，将待检测图像转换为3D空间信息图像；判断转换后的3D空间信息图像是否为平面假脸；若3D空间信息图像不是平面假脸，则通过预设的三维防伪模型判断所述待检测图像是否为三维假脸。这样通过人脸深度模型和三维防伪模型实现了仅通过2D单目相机对图像进行二维和三维的防伪。在不需要验证者进行动作配合的情况下降低对相机的硬件要求，加快人脸验证的效率，并且提高人脸防伪的准确度。提高人脸防伪的准确度。提高人脸防伪的准确度。
【技术实现步骤摘要】
一种人脸防伪方法、装置及存储介质
[0001]本专利技术涉及图像防伪领域，尤其涉及一种人脸防伪方法、装置及存储介质。
技术介绍
[0002]目前人脸防伪主要防范的人脸大致分为2D与3D人脸，一般的，2D信息可识别三维假脸，3D信息可识别平面假脸。针对人脸防伪目前的防伪思路一般有下面几种：
[0003]1、基于2D相机的深度学习方法，基于大量2D与3D人脸相机拍摄的2D图像数据为基础，采用传统图像算法(PCA，特征脸，弹性图等)或深度学习方法实现。目前各行各业主流的方法是采用深度学习方法实现。
[0004]此方法均采用深度学习与多姿态图像结合的方法实现人脸防伪，即在进行人脸识别的过程中要求待验证者完成：张嘴/低头/摇头/眨眼等动作，依靠人脸多帧姿态进行人脸防伪。但这种方法需要待验证者配合，用户体验一般。
[0005]2、基于双目相机的人脸防伪方法，采用双目视觉方案生成点云信息进行2D人脸防伪，同时结合双目中的某一目进行3D人脸防伪，这种方法的可靠性较高，但双目相机价格更高，在设备中占用的空间更大。
技术实现思路
[0006]本专利技术提供了一种人脸防伪方法、装置及存储介质，能够实现在仅使用2D单目相机的基础上同时对2D和3D人脸图像进行防伪，以解决使用2D单目相机需要待验证者动作配合才能进行人脸防伪的问题。
[0007]第一方面，本申请提供了一种人脸防伪方法
[0008]获取由2D单目相机采集的待检测图像；
[0009]通过预设的人脸深度模型，获取待检测图像每个像素坐标点对应的深度因子；
[0010]根据所述深度因子和预设的相机参数，将待检测图像转换为3D空间信息图像；
[0011]判断转换后的3D空间信息图像是否为平面假脸；
[0012]若3D空间信息图像不是平面假脸，则通过预设的三维防伪模型判断所述待检测图像是否为三维假脸。
[0013]这样通过人脸深度模型和三维防伪模型实现了仅通过2D单目相机对图像进行二维和三维的防伪。在不需要验证者进行动作配合的情况下降低对相机的硬件要求，加快人脸验证的效率，并且提高人脸防伪的准确度。
[0014]进一步的，所述预设的人脸深度模型，具体为：
[0015]获取由像素坐标点和对应深度因子组成的三维人脸图像集合，作为人脸深度模型的训练集；
[0016]设置神经网络模型，通过所述训练集训练所述神经网络模型；
[0017]将训练后的神经网络模型设置为预设的人脸深度模型；
[0018]所述人脸深度模型在输入图像像素坐标点后可以生成对应的深度因子。
[0019]这样通过使用神经网络模型自适应获取所述待检测图像的深度因子，这样在使用中可以通过2D单目相机根据不同待检测图像生成相适应的深度因子。可以在后续更加准确的将待检测图像转换为3D空间信息图像。
[0020]进一步的，所述根据所述深度因子和相机参数，将待检测图像转换为3D空间信息图像，具体为：
[0021]获取所述待检测图像的像素坐标点和相机参数中的相机内参矩阵参数；
[0022]通过待检测图像的像素坐标点、相机内参矩阵参数以及所述像素坐标点对应的深度因子获得3D空间信息图像的点云坐标点。
[0023]这样通过自适应生成的深度因子，将待检测图像转换为3D空间信息图像。通过公式获取3D空间信息图像的点云坐标点，这样可以更加简单便捷的获取3D空间信息。
[0024]进一步的，所述通过待检测图像的像素坐标点、相机内参矩阵参数以及所述像素坐标点对应的深度因子获得3D空间信息图像的点云坐标点，具体为：
[0025]根据以下公式计算待检测图像对应3D空间信息图像的点云坐标点：
[0026][0027]其中，3D空间信息图像的点云坐标点为(X,Y,Z)，待检测图像的像素坐标点坐标为(u，v)，相机内参矩阵参数为(fx,fy,tx,ty),相机内参矩阵参数中的fx，fy为相机焦距，tx,ty为相对于成像平面的主点坐标，待检测图像的像素坐标点对应的深度因子为p。
[0028]进一步的，所述判断转换后的3D空间信息图像是否为平面假脸，具体为：
[0029]获取转换后的3D空间信息图像中数个特征点的空间坐标；
[0030]判断所述转换后的3D空间信息图像中存在四个及以上特征点的空间坐标是否在同一个平面，若存在四个及以上特征点的空间坐标在同一个平面则确认待检测图像为平面假脸，否则确认待检测图像不为平面假脸。
[0031]这样通过判断所述转换后的3D空间信息图像中所有特征点的空间坐标是否在同一个平面，来确实3D空间信息图像是否为平面假脸。这样可以快速鉴别出平面假脸，从而对平面图片的假脸进行辨别，达到防止平面图片伪装真实人脸通过人脸识别的效果。
[0032]进一步的，所述判断所述转换后的3D空间信息图像中存在四个及以上特征点的空间坐标是否在同一个平面，具体为：
[0033]从所有特征点中选取至少四个特征点，获取所述至少四个特征点的空间坐标所构成的多面体的体积；
[0034]若所述多面体的体积大于预设阈值，则另外选取至少四个特征点另组成多面体计算体积，直到选取完所有特征点或出现多面体的体积小于于预设阈值；
[0035]若存在多面体的体积均小于预设阈值，则确定所有特征点的空间坐标在同一个平面；
[0036]否则确定所有特征点的空间坐标不在同一个平面。
[0037]这样根据三点确定一个平面的定理，至少选择四个特征点进行共面判断。当选取的特征点共面时，选取另外的特征点进行体积计算直到选取完所有特征点。这样可以排除漏选特征点的可能性，整体的判断所述3D空间信息图像中的所有特征点是否在同一个平
面。
[0038]进一步的，所述获取所述至少四个特征点的空间坐标所构成的多面体的体积，具体为：
[0039]根据所述至少四个特征点，计算至少四个特征点的空间坐标所构成的多面体的体积V的公式为：
[0040][0041]其中，至少四个特征点为{A
i
|(x
i
,y
i
,z
i
),i＝1～n}，Ai为第i个特征点，n为选取的特征点个数。
[0042]进一步的，所述获取由像素坐标点和对应深度因子组成的三维人脸图像集合，作为人脸深度模型的训练集，具体为：
[0043]获取由数据采集设备采集的人脸图像的像素坐标点和点云坐标点；
[0044]根据雷达相机外参参数和相机内参矩阵参数通过以下公式获取所述人脸图像每个像素点对应的深度因子：
[0045][0046][0047]其中，所述人脸图像每个像素点对应的深度因子为p，人脸图像相机坐标系的坐标点为(m、n)，人脸图像的像素坐标点为(u,v)，点云坐标点为(x,y,z)，雷达相机外参参数为(R
3*3
cx cy cz)，相机内参矩阵参数为(fx,fy,tx,ty)；...
【技术保护点】
【技术特征摘要】
1.一种人脸防伪方法，其特征在于，包括以下步骤：获取由2D单目相机采集的待检测图像；通过预设的人脸深度模型，获取待检测图像每个像素坐标点对应的深度因子；根据所述深度因子和预设的相机参数，将待检测图像转换为3D空间信息图像；判断转换后的3D空间信息图像是否为平面假脸；若3D空间信息图像不是平面假脸，则通过预设的三维防伪模型判断所述待检测图像信息图像是否为三维假脸。2.根据权利要求1所述的人脸防伪方法，其特征在于，所述预设的人脸深度模型，具体为：获取由像素坐标点和对应深度因子组成的三维人脸图像集合，作为人脸深度模型的训练集；设置神经网络模型，通过所述训练集训练所述神经网络模型；将训练后的神经网络模型设置为预设的人脸深度模型；所述人脸深度模型在输入图像像素坐标点后可以生成对应的深度因子。3.根据权利要求1所述的人脸防伪方法，其特征在于，所述根据所述深度因子和相机参数，将待检测图像转换为3D空间信息图像，具体为：获取所述待检测图像的像素坐标点和相机参数中的相机内参矩阵参数；通过待检测图像的像素坐标点、相机内参矩阵参数以及所述像素坐标点对应的深度因子获得3D空间信息图像的点云坐标点。4.根据权利要求3所述的人脸防伪方法，其特征在于，所述通过待检测图像的像素坐标点、相机内参矩阵参数以及所述像素坐标点对应的深度因子获得3D空间信息图像的点云坐标点，具体为：根据以下公式计算待检测图像对应3D空间信息图像的点云坐标点：其中，3D空间信息图像的点云坐标点为(X,Y,Z)，待检测图像的像素坐标点坐标为(u，v)，相机内参矩阵参数为(fx,fy,tx,ty),相机内参矩阵参数中的fx，fy为相机焦距，tx,ty为相对于成像平面的主点坐标，待检测图像的像素坐标点对应的深度因子为p。5.根据权利要求1所述的人脸防伪方法，其特征在于，所述判断转换后的3D空间信息图像是否为平面假脸，具体为：获取转换后的3D空间信息图像中数个特征点的空间坐标；判断所述转换后的3D空间信息图像中存在四个及以上特征点的空间坐标是否在同一个平面，若存在四个及以上特征点的空间坐标在同一个平面则确认待检测图像为平面假脸，否则确认待检测图像不为平面假脸。6.根据权利要求5所述的人脸防伪方法，其特征在于，所述判断所述转换后的3D空间信息图像中存在四个及以上特征点的空间坐标是否在同一个平面，具体为：从所有特征点中选取至少四个特征点，获取所述至少四个特征点的空间坐标所构成的
多面体的体积；若所述多面体的体积大于预设阈值，则另外选取至少四个特征点另组成多面体计算体积，直到选取完所有特征点或出现多面体的体积小于于预设阈值；若存在多面体的体积均小于预设阈值，则确定存在四个及以上特征点的空间坐标在同一个...
【专利技术属性】
技术研发人员：杨涛，汪彦明，聂苏，周瞳，王怡龙，刘立，
申请(专利权)人：广州朗国电子科技股份有限公司，
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。