[发明专利]人脸识别方法及系统、人脸识别模型训练方法及系统

权利要求书

1. 一种人脸识别方法，其特征在于，该方法包括：

A、为每个需要识别的用户训练获得所述用户的人脸识别模型；

B、在设定的人脸姿态范围内，采集当前待识别用户同时刻的带有结构光编码的人脸图像和没有结构光编码的人脸图像；

C、根据所述带有结构光编码的人脸图像，得到所述用户的人脸深度图像，根据所述没有结构光编码的人脸图像，得到所述用户的人脸灰度图像；

D、利用所述人脸灰度图像进行标定，确定所述图像中的人脸器官特征点位置，根据所述人脸器官特征点位置对所述人脸灰度图像和所述人脸深度图像进行人脸预处理；

E、分别计算经过人脸预处理后的所述人脸深度图像和所述人脸灰度图像的特征；

F、将所述特征输入到所述人脸识别模型中，进行人脸识别，返回与各人脸识别模型的相似度数据；

G、根据所述返回的相似度数据，输出最终的人脸识别结果；

所述设定的人脸姿态包括：一个或一个以上的互不相同的人脸姿态；

每个人脸姿态由一个左右深度旋转角度范围和一个上下深度旋转角度范围共同表示；

步骤A进一步包括对所述用户的人脸姿态分别训练获得人脸识别模型；

步骤F之前，进一步包括：根据所述人脸深度图像，计算当前待识别用户的人脸姿态；

步骤F中所述将特征输入到所述人脸识别模型中为：将所述特征输入到对应所述人脸姿态的人脸识别模型中。

2.如权利要求1所述的方法，其特征在于，所述步骤A包括：

A1、针对每个需要识别的用户，在设定的人脸姿态范围内，采集正样本与对比样本的带有结构光编码的人脸图像和没有结构光编码的人脸图像； 

A2、对每个样本的人脸图像，根据所述带有结构光编码的人脸图像，得到所述样本的人脸深度图像，根据所述没有结构光编码的人脸图像，得到所述样本的人脸灰度图像；

A3、利用所有样本的人脸灰度图像进行标定，确定人脸灰度图像和人脸深度图像中的人脸器官特征点位置，根据所述人脸器官特征点位置，对对应样本的人脸灰度图像和人脸深度图像进行人脸预处理；

A4、分别计算各样本经过人脸预处理后的人脸深度图像的特征和人脸灰度图像的特征；

A5、利用所述特征对所述用户进行训练，得到所述用户对应的人脸识别模型。

3.如权利要求2所述的方法，其特征在于，所述步骤A4和步骤A5之间，进一步包括：分别从所计算的人脸深度图像的特征和人脸灰度图像的特征中挑选出对于Gabor特征分类能力最强的部分特征构成对应样本的低维特征；

步骤A5中所述利用特征对所述用户进行训练为：利用所述低维特征，对所述用户进行训练。

4.如权利要求1所述的方法，其特征在于，所述步骤E和步骤F之间，进一步包括：分别从所计算的人脸深度图像的特征和人脸灰度图像的特征中挑选出对于Gabor特征分类能力最强的部分特征构成低维特征；

步骤F中所述将特征输入到所述人脸识别模型中为：将所述低维特征输入到所述人脸识别模型中。

5.如权利要求4所述的方法，其特征在于，所述左右深度旋转角度范围取值为-50°～-20°、-20°～20°、20°～50°中的任意一个；所述上下深度旋转角度范围取值为-40°～-10°、-10°～10°、10°～40°中的任意一个。

6.如权利要求1所述的方法，其特征在于，步骤D中所述根据人脸的器官特征点位置对所述人脸灰度图像和所述人脸深度图像进行人脸预处理包括：

根据所述人脸器官特征点的位置，分别对所述人脸灰度图像和所述人脸深  度图像进行人脸几何归一化，并对所述人脸灰度图像进行灰度归一化，对所述人脸深度图像进行深度数据归一化。

7.如权利要求6所述的方法，其特征在于，所述对人脸深度图像进行深度数据归一化为：对所述人脸深度图像的深度数据以设定的人脸参考点为基准，将所述参考点的深度数据设置为零，将人脸其他点相对于该参考点的深度数据作为归一化后的深度数据。