一种人脸识别方法技术

本申请提供一种人脸识别方法

【技术实现步骤摘要】
一种人脸识别方法、装置、智能门锁及计算机程序产品


[0001]本申请涉及人脸识别
，具体而言，涉及一种人脸识别方法
、
装置
、
智能门锁及计算机程序产品
。

技术介绍

[0002]目前，包含人脸识别功能的门锁被越来越多地应用在日常生活中
。
但现有门锁的人脸识别方案存在易被包括实体照片
、
视频播放以及三维头模等形式在内的假体进行人脸攻击的风险，因此在门锁的人脸识别方案中需要加入活体判别功能，以提高门锁的安全性
。
[0003]单一的
2D
或深度活体判别，不能很好的防范多种类型
、
材质及场景的假体人脸攻击，而且在智能终端搭载人脸识别系统的现有技术方案受芯片算力成本的影响较大
。
[0004]当前智能门锁功能需求的趋势是需要具备猫眼和生物识别两种功能，现有技术需要通过猫眼装置和生物识别装置组合后实现，方案成本高，难以在行业中推广应用
。
[0005]因此，当前的门锁人脸识别方案亟需一种结合多模态数据融合技术，以防范多种假体攻击，保证人脸识别的安全性和稳定性并能提高人脸识别的效率
。

技术实现思路

[0006]本申请提供一种人脸识别方法
、
装置
、
智能门锁及计算机程序产品，通过多模态融合信息的活体判别及人脸识别方案，可解决多种非活体人脸拍摄图像对人脸识别系统的攻击问题
。
[0007]根据本申请的一方面，提供一种人脸识别方法，包括：获取识别对象的人脸彩色图像
、
第一人脸红外图像和人脸散斑图像；所述第一人脸红外图像处理，包括：对所述第一人脸红外图像进行人脸检测；根据人脸检测结果获取第二人脸红外图像；根据所述人脸散斑图像生成人脸深度图像；基于所述人脸深度图像及所述第二人脸红外图像进行活体判别；对所述人脸彩色图像
、
所述第二人脸红外图像和所述人脸深度图像中的至少两个图像进行特征融合，以获取融合特征向量；通过所述融合特征向量对所述识别对象进行人脸识别
。
[0008]根据一些实施例，所述第一人脸红外图像处理，包括：确定是否在所述第一人脸红外图像中检测到人脸框；若是，根据所述人脸框生成所述第二人脸红外图像；获取所述第二人脸红外图像的满足阈值条件的曝光参数，以所述曝光参数对所述第二人脸红外图像进行处理；若否，以预设曝光参数对所述第一人脸红外图像进行处理
。
[0009]根据一些实施例，获取所述第二人脸红外图像的满足阈值条件的曝光参数，以所述曝光参数对所述第二人脸红外图像进行处理，包括：确定所述第二人脸红外图像的灰度是否达到预设灰度阈值；若是，以所述第二人脸红外图像的第一曝光参数作为下一帧图像的曝光参数；若否，根据所述第二人脸红外图像和所述第一曝光参数得到第二曝光参数，以所述第二曝光参数作为所述下一帧图像的曝光参数
。
[0010]根据一些实施例，根据所述第二人脸红外图像和所述第一曝光参数得到第二曝光参数，包括：将所述第二人脸红外图像和所述第一曝光参数输入至曝光值自动预测网络；获
取所述曝光值自动预测网络输出的所述第二曝光参数
。
[0011]根据一些实施例，根据所述人脸散斑图像生成人脸深度图像，包括：将所述人脸散斑图像与预设的散斑参考图像输入至深度成像网络；获取所述深度成像网络输出的所述人脸深度图像；对所述人脸深度图像进行数据归一化处理
。
[0012]根据一些实施例，基于所述人脸深度图像所述第二人脸红外图像进行活体判别，包括：对所述第二人脸红外图像进行数据归一化处理；将经过数据归一化处理的所述第二人脸红外图像和所述人脸深度图像进行通道方向的数组合并；将所述数组合并生成的数据输入卷积计算网络；获取所述卷积计算网络输出的计算结果；根据所述卷积计算网络输出的计算结果进行归一化处理，以获得所述活体判别的结果
。
[0013]根据一些实施例，对所述人脸彩色图像
、
所述第二人脸红外图像和所述人脸深度图像中的至少两个图像进行特征融合，以获取融合特征向量，包括：获取所述第二人脸红外图像的红外人脸对齐图像
、
彩色人脸对齐图像和深度人脸对齐图像；根据所述红外人脸对齐图像，生成第一特征向量；根据所述彩色人脸对齐图像，生成第二特征向量；根据所述深度人脸对齐图像，生成第三特征向量；将所述第一特征向量
、
所述第二特征向量和所述第三向量中的至少两项进行加权融合，以获取所述融合特征向量
。
[0014]根据一些实施例，根据所述红外人脸对齐图像，生成第一特征向量，包括：将所述红外人脸对齐图像输入红外人脸特征提取网络，以获取所述第一特征向量
。
[0015]根据一些实施例，根据所述彩色人脸对齐图像，生成第二特征向量，包括：将所述彩色人脸对齐图像输入彩色人脸特征提取网络，以获取所述第二特征向量
。
[0016]根据一些实施例，根据所述深度人脸对齐图像，生成第三特征向量，包括：将所述深度人脸对齐图像输入深度人脸特征提取网络，以获取所述第三特征向量
。
[0017]根据一些实施例，通过所述融合特征向量对所述识别对象进行人脸识别，包括：将所述融合特征向量与人脸特征库内的人脸特征向量进行比对；根据比对结果判断所述识别对象是否为所述人脸特征库内的人员
。
[0018]根据本申请的一方面，提供一种人脸识别装置，包括：数据采集单元，获取识别对象的人脸彩色图像
、
第一人脸红外图像和人脸散斑图像；数据处理单元，根据所述人脸彩色图像
、
所述第一人脸红外图像和所述人脸散斑图像，依次进行所述识别对象的活体判别和人脸识别，获取活体判别结果和人脸识别结果；以及数据存储单元，存储所述数据采集单元和所述数据处理单元的图像数据
。
[0019]根据一些实施例，所述数据采集单元包括：多通道摄像头，包括广角多通道摄像头，用于获取所述识别对象的所述人脸彩色图像
、
所述第一人脸红外图像和所述人脸散斑图像；散斑投射器，用于生成所述人脸散斑图像
。
[0020]根据一些实施例，所述数据处理单元包括：自动曝光模块，对所述第一人脸红外图像进行人脸检测以获取第二人脸红外图像，并对所述第二人脸红外图像进行曝光处理；活体判别模块，根据所述人脸散斑图像生成人脸深度图像，并且基于所述人脸深度图像及经过曝光处理的所述第二人脸红外图像进行活体判别；人脸识别模块，对所述人脸彩色图像和所述第二人脸红外图像进行特征融合，获取融合特征向量，以用于与人脸特征库的特征向量进行比对，生成所述人脸识别结果
。
[0021]根据本申请的一方面，提供一种智能门锁，所述智能门锁包括如前述的人脸识别
装置
。
[0022]根据本申请的一方面，提供一种计算机程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人脸识别方法，其特征在于，包括：获取识别对象的人脸彩色图像
、
第一人脸红外图像和人脸散斑图像；所述第一人脸红外图像处理，包括：对所述第一人脸红外图像进行人脸检测；根据人脸检测结果获取第二人脸红外图像；根据所述人脸散斑图像生成人脸深度图像；基于所述人脸深度图像及所述第二人脸红外图像进行活体判别；对所述人脸彩色图像
、
所述第二人脸红外图像和所述人脸深度图像中的至少两个图像进行特征融合，以获取融合特征向量；通过所述融合特征向量对所述识别对象进行人脸识别
。2.
根据权利要求1所述的方法，其特征在于，所述第一人脸红外图像处理，包括：确定是否在所述第一人脸红外图像中检测到人脸框；若是，根据所述人脸框生成所述第二人脸红外图像；获取所述第二人脸红外图像的满足阈值条件的曝光参数，以所述曝光参数对所述第二人脸红外图像进行处理；若否，以预设曝光参数对所述第一人脸红外图像进行处理
。3.
根据权利要求2所述的方法，其特征在于，获取所述第二人脸红外图像的满足阈值条件的曝光参数，以所述曝光参数对所述第二人脸红外图像进行处理，包括：确定所述第二人脸红外图像的灰度是否达到预设灰度阈值；若是，以所述第二人脸红外图像的第一曝光参数作为下一帧图像的曝光参数；若否，根据所述第二人脸红外图像和所述第一曝光参数得到第二曝光参数，以所述第二曝光参数作为所述下一帧图像的曝光参数
。4.
根据权利要求3所述的方法，其特征在于，根据所述第二人脸红外图像和所述第一曝光参数得到第二曝光参数，包括：将所述第二人脸红外图像和所述第一曝光参数输入至曝光值自动预测网络；获取所述曝光值自动预测网络输出的所述第二曝光参数
。5.
根据权利要求1所述的方法，其特征在于，根据所述人脸散斑图像生成人脸深度图像，包括：将所述人脸散斑图像与预设的散斑参考图像输入至深度成像网络；获取所述深度成像网络输出的所述人脸深度图像；对所述人脸深度图像进行数据归一化处理
。6.
根据权利要求1所述的方法，其特征在于，基于所述人脸深度图像所述第二人脸红外图像进行活体判别，包括：对所述第二人脸红外图像进行数据归一化处理；将经过数据归一化处理的所述第二人脸红外图像和所述人脸深度图像进行通道方向的数组合并；将所述数组合并生成的数据输入卷积计算网络；获取所述卷积计算网络输出的计算结果；根据所述卷积计算网络输出的计算结果进行归一化处理，以获得所述活体判别的结
果
。7.
根据权利要求1所述的方法，其特征在于，对所述人脸彩色图像
、
所述第二人脸红外图像和所述人脸深度图像中的至少两个图像进行特征融合，以获取融合特征向量，包括：获取所述第二人脸红外图像的红外人脸对齐图像
、
彩色人脸对齐图像和深度人脸对齐图像；根据所述红外人脸对齐图像，生成第一特征向量；根据所述彩色人脸对齐图像，生成第二特征向量；根据所述深...

【专利技术属性】
技术研发人员：张严严，张新远，戴怡洁，陈文，张建峰，卫肖阳，
申请(专利权)人：浙江舜宇智能光学技术有限公司，
类型：发明
国别省市：